Selbst-entwickelnder Bibliotheks-Agent für Dokumentensammlungen und lokale RAG-Abfragen.
Föderiert lokale Speicher, liest Quelldateien direkt und erstellt strukturierte Antworten.
AutoRAG 2.0 ist ein spezialisierter Suchagent auf Basis einer angepassten Pi-Agenten-Schleife, der Kandidaten abruft, Quelldateien direkt liest, Beweise bewertet und Antworten zusammenstellt. Er eignet sich für Entwickler und Fachleute, die lokale Dokumentensammlungen verwalten und direkte Antworten anstelle von rohen Grep-Ausgaben benötigen.
Er durchsucht PDFs, Wikis, Notizen und Wissensdatenbanken mit ansteckbaren Abrufmethoden wie BM25, Vektor- und Hybridsuche. Ein schlanker PDF-Extraktions-Wiederholungsmechanismus nutzt das docling-fast-Backend von OpenDataLoader für spärliches Markdown, während Jikji die Erstfindungs-Entdeckung ermöglicht und dupey Dokumentenfamilien erkennt.
Er eignet sich für Datenwissenschaftler und Ingenieure, die einen autonomen Bibliothekar suchen, um lokale Dokumentationen ohne zentrale Indexmigration zu durchsuchen und zusammenzufassen. Er eignet sich nicht für Teams, die einen Multimodell-Koordinator oder eine von SaaS verwaltete Vektordatenbank-Einrichtung wünschen.
Föderiert CLI-verwaltete Speicher an Ort und Stelle, ohne Daten in einen zentralen Index zu migrieren.
Lernt im Laufe der Zeit durch die Nutzung produktive Dokumentenbereiche und erfolgreiche Abrufstrategien.
Unterstützt Grep, BM25, Vektorsuche und Hybridmodi über einen gemeinsamen MinSync-Chunk-Lebenszyklus.
Wiederholt spärliche mehrseitige PDFs automatisch über das hybride docling-fast-Backend.
Die einzigen Kosten entstehen durch den Eigenbetrieb, da es sich um ein Open-Source-Tool handelt, das Ihre eigene authentifizierte Modell-Provider-Laufzeitumgebung nutzt.
877 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Das ursprüngliche RAG-AutoML-Pipeline-Optimierungstool befindet sich nun im Verzeichnis legacy/ und bleibt im Wartungsmodus, während sich die Neuentwicklung auf AutoRAG 2.0 konzentriert.
Nein. AutoRAG föderiert Speicher an Ort und Stelle und führt Abfragen lokal über MinSync-Chunks aus, ohne dass ein zentraler Index-Server Ihr Korpus enthält.
Sein Standard-PDF-Parser überprüft die Qualität mehrseitiger Dokumente und wiederholt spärliches Markdown über das hybride docling-fast-Backend von OpenDataLoader.
Zekai zuerst in Google sehen