按分类找 AI 开源项目

AI 搜索

浏览当前公开快照中“AI 搜索”相关的 AI 开源项目，并查看许可证、部署、适用场景、限制和核验来源。

firecrawl/firecrawl — firecrawl 是一款面向 AI 系统的 Web 数据搜索与抓取 API，可将网页内容转换为 Markdown、结构化 JSON 或截图。它接管了代理轮换、速率限制和 JS 渲染等底层细节，为 LLM 应用提供可用的数据源。
Panniantong/Agent-Reach — agent-reach 是一个为 AI 代理提供互联网平台读取与搜索能力的工具，通过为各平台选择和维护稳定的访问方式，应对 API 付费墙与反爬虫措施带来的阻碍。它通过有序的后端路由机制，在某个访问方式失效时自动切换。
mvanhorn/last30days-skill — 一个面向 AI 代理的研究技能，通过并行搜索多个社交媒体与媒体平台，并依据真实人类互动信号对结果进行评分和综合，最终生成结构化简报。
DeusData/codebase-memory-mcp — deusdata/codebase-memory-mcp 适合需要让 AI 编码代理在本地理解大型或多服务代码库的团队：它把源码索引为持久化知识图谱，并通过 MCP 或命令行提供结构、关系与语义查询。若需求是独立的自然语言问答系统，或不希望安装程序修改代理配置，则不宜直接采用。
qdrant/qdrant — qdrant 是用 Rust 编写的向量相似度搜索引擎，支持稠密向量、稀疏向量、多向量搜索与 JSON 负载过滤，并提供分片与副本的横向扩展能力。内置量化可将 RAM 占用降低多达 97%，用户可在搜索速度与精度之间进行调节。
milvus-io/milvus — milvus 是一款云原生向量数据库，支持在十亿级向量规模下进行可扩展的向量近似最近邻（ANN）搜索，并支持实时流式更新。
weaviate/weaviate — weaviate 是一款云原生向量数据库，将向量相似度搜索、关键字过滤与生成式 RAG 能力整合在单一查询中，旨在解决 AI 应用在规模化场景下需要独立部署检索、向量存储与生成系统的难题。
assafelovic/gpt-researcher — gpt-researcher 是一个自主深度研究代理，通过并行聚合超过 20 个网络或本地数据源，生成带有引用的详细研究报告。它采用规划与执行智能体协作完成研究任务，适用于需要客观、时效性信息整理的场景。
meilisearch/meilisearch — meilisearch 是一款搜索引掣 API，提供结合语义与全文检索的混合搜索、拼写容错以及预置配置。项目自述称其搜索即输入场景下的响应时间低于 50 毫秒。
ItzCrazyKns/Vane — itzcrazykns/vane 是一个注重隐私的 AI 搜索引擎，可在用户自有硬件上运行，并通过 SearxNG 和本地或云端大语言模型生成带引用来源的答案。
alibaba/zvec — zvec 是一款轻量级、低延迟的进程内向量数据库，无需部署和管理外部数据库服务器即可提供生产级相似度搜索。它支持原生全文检索与混合检索，并已兼容 Linux、macOS 和 Windows 本地多平台运行。
screenpipe/screenpipe — screenpipe 将本地屏幕和音频录制转化为可搜索的 AI 记忆与自动化系统，数据默认在本地存储。它通过事件驱动捕获、音频转写、自然语言搜索及 Pipes 插件系统，帮助用户在严格保护隐私的前提下记录和调用电脑活动数据。
tinyhumansai/openhuman — tinyhumansai/openhuman 是一款本地优先的个人 AI 应用，将个人数据整理为持久记忆，并支持可恢复的多智能体工作流与个人数据和网络研究。它以桌面应用和二进制安装包提供，支持本地运行。
LAION-AI/Open-Assistant — Open Assistant 是一个已完结的聊天助手项目，支持在对话中理解用户任务并动态检索信息。该项目适合作为技术参考，但不再处于活跃维护阶段，不适合直接用于生产环境。
datawhalechina/all-in-rag — all-in-rag 是一套系统化的全栈 RAG（检索增强生成）教程，结合理论知识与实战项目，帮助开发者从基础概念逐步进阶到生产级智能问答与知识检索系统的构建。
KnockOutEZ/wigolo — wigolo 是一个面向 AI 编码智能体和自托管智能体的本地优先 Web 检索与情报层，通过 MCP 和 REST 提供无需 API 密钥的多引擎搜索、抓取、爬虫和缓存功能。它强调零单次查询成本，所有缓存、嵌入和配置均保留在本地。
StarTrail-org/PixelRAG — PixelRAG 是一种基于视觉的检索方案，通过将文档渲染为截图并以图像切片的方式进行检索，解决了传统文本解析丢失表格、图表和排版等视觉结构信息的问题。用户可以通过托管 API 立即体验预构建的 828 万维基百科页面索引，或通过 pip 安装后在本地处理自定义文档。