KI-Tools, bewertet für deinen Beruf
Bezahlte KI-Jobs
🤝 Du bist in der Frei-&-Open-Source-Bibliothek — von der Community entwickelte Tools, die du kostenlos nutzen kannst. Ein anderes Konzept als unser bewertetes KI-Verzeichnis.
Start › Frei & Open Source › Datenwissenschaft › AutoRAG
✦ Frei & Open SourceDatenwissenschaft

AutoRAG

Selbst-entwickelnder Bibliotheks-Agent für Dokumentensammlungen und lokale RAG-Abfragen.

Selbst-entwickelnder Bibliotheks-Agent für Dokumente

Föderiert lokale Speicher, liest Quelldateien direkt und erstellt strukturierte Antworten.

Für immer kostenlos · quelloffen einsehbar · Licence not stated in the repository
✓ Light setup✓ Im Browser✓ Echtzeit-Zusammenarbeit
7.5
ZEKAI
Selbst-entwickelnder lokaler Dokumenten-Bibliothekar
Frei & Open Source · Datenwissenschaft
Einfache Einrichtung5
Nützlichkeit8
Wartung9.5
Community7.5
★ 5,066
GITHUB
Sep 2026
AKTUALISIERT
Licence not stated in the repository
LIZENZ
🛠 Keine Lust auf Self-Hosting? Wir richten es ein →
⚡ Schnelle Antwort

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.

Läuft auf
Cross-platform
Hosting
Self-host
Sprachen
TypeScript
Lizenz
Licence not stated in the repository

Was es ist

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.

Für wen

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.

Wichtige Funktionen

In-Place-Föderation

Föderiert CLI-verwaltete Speicher an Ort und Stelle, ohne Daten in einen zentralen Index zu migrieren.

Selbst-entwickelndem Speicher

Lernt im Laufe der Zeit durch die Nutzung produktive Dokumentenbereiche und erfolgreiche Abrufstrategien.

Ansteckbarer Abruf

Unterstützt Grep, BM25, Vektorsuche und Hybridmodi über einen gemeinsamen MinSync-Chunk-Lebenszyklus.

Schlanke PDF-Extraktion

Wiederholt spärliche mehrseitige PDFs automatisch über das hybride docling-fast-Backend.

Erste Schritte

Startklar in 3 Schritten

1
Initialisieren Sie den Agenten und konfigurieren Sie Ihre bevorzugten Suchpfade in config.json.
2
Stellen Sie sicher, dass MinSync aktiviert ist, um lokale Einbettungen automatisch zu installieren und Markdown-Spiegelungen zu indizieren.
3
Führen Sie Suchanfragen über den Bibliotheks-Agenten aus, um strukturierte Antworten zusammenzustellen.
Klartext

Unser ehrliches Fazit

Stärken

  • Föderiert lokale Speicher an Ort und Stelle, ohne eine Datenmigration zu einem zentralen Index zu erzwingen
  • Das selbst-entwickelnde Speichersystem lernt effektive Abrufstrategien aus der tatsächlichen Nutzung
  • Ansteckbare lokale Abrufmethoden verarbeiten Klartext, Forschungspapiere und juristische Dokumente
  • Liest Quelldateien direkt über sein integriertes Bash-Tool, um Beweise zu verifizieren

Schwächen

  • Erfordert die Konfiguration eines authentifizierten Laufzeit-Modell-Providers, da keine privaten Standards mitgeliefert werden
  • MinSync und externe Binärdateien wie Jikji und dupey erfordern eine lokale Einrichtung und Wartung
  • Die schlanke PDF-Extraktion ist von der Verfügbarkeit des hybriden docling-fast-Sidecars abhängig
Kosten

Preise & Lizenz

Die einzigen Kosten entstehen durch den Eigenbetrieb, da es sich um ein Open-Source-Tool handelt, das Ihre eigene authentifizierte Modell-Provider-Laufzeitumgebung nutzt.

Bezahlte Arbeit

Stellen für Deutschsprachige

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.

Alle offenen Stellen ansehen →
Vergleich

Alternativen

🎁 Freie & Open-Source-Alternativen

Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.

Mehr

Nutze es, oder lass es uns einrichten

📄 Kostenloses PDF: AutoRAG für Datenwissenschaft
Ein verständlicher Leitfaden für dein erstes Ergebnis. Direkt in dein Postfach.
🔔 64 Personen wünschen sich ein komplettes Video-Tutorial — stimme ab
🛠 Keine Lust auf eigene Einrichtung?
Wir installieren, hosten & konfigurieren AutoRAG für dich — und schulen dein Team.
Erledigen lassen ↗
Fragen

FAQ

Was ist aus dem ursprünglichen Python-basierten AutoRAG geworden?

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.

Lädt AutoRAG meine Dokumente auf einen Server eines Drittanbieters hoch?

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.

Wie geht AutoRAG mit spärlichen oder unlesbaren PDFs um?

Sein Standard-PDF-Parser überprüft die Qualität mehrseitiger Dokumente und wiederholt spärliches Markdown über das hybride docling-fast-Backend von OpenDataLoader.

Radar

Neueste KI-News

✉️ Das wöchentliche kostenlose Toolkit
Die besten neuen freien & Open-Source-Tools für Datenwissenschaft — eine kurze E-Mail pro Woche, in deiner Sprache.
Kostenlos · 1 E-Mail/Woche · jederzeit abbestellbar
Mit KI-Training Geld verdienen →

Zekai zuerst in Google sehen