#文档问答

Buster: 智能问答助手,让文档交互更轻松

3 个月前
Cover of Buster: 智能问答助手,让文档交互更轻松

Local AI Stack: 构建零成本的本地AI应用

3 个月前
Cover of Local AI Stack: 构建零成本的本地AI应用

Chat LangChain: 打造智能问答系统的全面指南

3 个月前
Cover of Chat LangChain: 打造智能问答系统的全面指南

Chat LangChain.js:基于LangChain的智能文档问答系统

3 个月前
Cover of Chat LangChain.js:基于LangChain的智能文档问答系统
相关项目
Project Cover

pautobot

PAutoBot是一款基于GPT技术的离线私人助手,可通过CPU运行,确保数据完全私密。无需互联网,用户即可向文档发问,基于PrivateGPT开发。支持多种文件格式,采用Next.js和Python编码结构,便于理解和修改。利用LangChain、GPT4All等技术,实现任务自动化。支持离线聊天和文档问答两种模式,简单安装后即可使用。

Project Cover

chat-langchainjs

chat-langchainjs是一个开源项目,基于LangChain.js和Next.js构建,专注于LangChain文档的智能问答。项目实现了从文档摄取、向量存储到问答生成的完整流程,集成了RecursiveUrlLoader和SitemapLoader等工具。此外,项目提供了全面的技术文档,包括概念解释、修改指南、本地运行步骤、LangSmith集成、生产准备和部署说明,为开发者提供了强大的支持。

Project Cover

chat-langchain

Chat LangChain是一款智能文档问答系统,专门针对LangChain文档进行设计。该系统采用LangChain、LangGraph和Next.js技术,实现了实时多用户交互功能。核心组件包括文档摄取和智能问答,通过向量存储和语言模型提供高效的信息检索和回答生成。项目还包含详细的概念指南、定制说明、LangSmith整合方案以及生产部署文档,方便开发者进行系统优化和个性化定制。

Project Cover

local-ai-stack

Local AI Stack项目实现了完全本地化的AI文档问答应用。它集成了Ollama推理引擎、Supabase pgvector向量数据库、Langchain.js LLM编排工具、Next.js应用框架和Transformer.js嵌入生成库。项目提供详细指南,涵盖依赖安装、本地数据库配置、嵌入生成等步骤,便于用户构建个人AI文档问答系统。

Project Cover

buster

Buster是一款基于OpenAI API的文档智能问答机器人。它可根据任意文档源定制,支持本地部署和自定义数据导入。Buster通过相似度匹配和GPT模型生成准确回答,并可通过BusterConfig灵活配置。这款开源工具旨在提高文档查询效率,为用户提供相关且精准的文档信息。

Project Cover

Offline Chat

Offline Chat是一款在设备本地运行的AI聊天应用,无需互联网连接。应用提供三种模型选择,支持离线使用并保障数据隐私。除回答常规问题外,还能加载私人文档进行内容查询。作为创意激发和任务辅助工具,其离线特性和文档聊天功能在隐私保护和便携性方面颇具优势。虽然性能可能不及在线顶级模型,但在特定场景下仍具实用价值。

Project Cover

Socrates

Socrates为文档分析工具,支持PDF和DOCX格式。该系统能从文件中快速提取信息、回答问题,并提供带引用的解释。支持Windows、Mac和网页版,提供本地AI模型,保障文件隐私。适合研究人员、学生和专业人士使用,可高效分析复杂文档,提升工作学习效率。

Project Cover

Chat with Docs

Chat with Docs提供简单易用的API,仅需两行代码即可实现多种格式文档的智能问答。支持PDF、Word、PowerPoint等文件类型,用户轻松上传文档并提问。采用灵活的信用点定价,为企业和个人提供高效的文档信息获取方案。适用于快速文档分析、信息检索和知识管理等场景。

Project Cover

tiny-doc-qa-vision-encoder-decoder

tiny-doc-qa-vision-encoder-decoder是一个轻量级的文档问答模型,目前处于测试阶段。该项目使用MIT许可证,适用于文档问答任务。模型为开发者提供了一个简洁的工具,用于探索文档问答功能。由于是测试版本,主要用于验证基本概念和功能,为后续开发更复杂的文档问答应用奠定基础。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号