Des outils IA notés pour votre métier
Missions IA payées
🤝 Vous êtes dans la bibliothèque Libre & Open Source — des outils communautaires utilisables sans payer. Un concept différent de notre annuaire IA noté.
Accueil › Libre & Open Source › Data Science › AutoRAG
✦ Libre & open sourceData Science

AutoRAG

Agent bibliothécaire auto-évoluant pour les collections de documents et la recherche RAG locale.

Agent bibliothécaire auto-évoluant pour documents

Fédère les stockages locaux, lit directement les fichiers sources et élabore des réponses structurées.

Gratuit pour toujours · source-available · Licence not stated in the repository
✓ Light setup✓ Dans le navigateur✓ Collaboration en temps réel
7.5
ZEKAI
Bibliothécaire de documents locaux auto-évoluant
Libre & open source · Data Science
Facilité d'installation5
Utilité8
Maintenance9.5
Communauté7.5
★ 5,066
GITHUB
Sep 2026
MIS À JOUR
Licence not stated in the repository
LICENCE
🛠 Pas envie de l'héberger vous-même ? Nous pouvons l'installer →
⚡ Réponse rapide

AutoRAG 2.0 est un agent de recherche spécialisé construit sur une boucle d'agent Pi personnalisée qui récupère des candidats, lit directement les fichiers sources, évalue les preuves et élabore des réponses. Il convient aux développeurs et aux professionnels gérant des collections de documents locaux qui ont besoin de réponses directes plutôt que de simples résultats grep bruts.

Fonctionne sur
Cross-platform
Hébergement
Self-host
Langues
TypeScript
Licence
Licence not stated in the repository

Qu'est-ce que c'est

Il effectue des recherches dans les PDF, wikis, notes et bases de connaissances en utilisant des méthodes de recherche modulaires telles que BM25, vectorielle et hybride. Une réessai d'extraction PDF légère utilise le backend docling-fast d'OpenDataLoader pour le markdown creux, tandis que Jikji assure la découverte par première occurrence et dupey détecte les familles de documents.

Pour qui

Il convient aux data scientists et aux ingénieurs recherchant un bibliothécaire autonome pour rechercher et synthétiser de la documentation locale sans migration d'index central. Il ne convient pas aux équipes souhaitant un coordinateur multi-modèle ou une configuration de base de données vectorielle gérée en mode SaaS.

Fonctionnalités clés

Fédération sur place

Fédère les stockages gérés par la CLI sur place sans migrer les données vers un index central.

Mémoire auto-évoluante

Apprend les zones de documents productives et les stratégies de recherche efficaces au fil du temps grâce à l'utilisation.

Recherche modulaire

Prend en charge grep, BM25, la recherche vectorielle et les modes hybrides sur un cycle de vie de segments MinSync partagé.

Extraction PDF légère

Réessaie automatiquement les PDF multipages creux en utilisant le backend hybride docling-fast.

Comment démarrer

Opérationnel en 3 étapes

1
Initialisez l'agent et configurez vos chemins de recherche préférés dans config.json.
2
Assurez-vous que MinSync est activé pour installer automatiquement les intégrateurs locaux et indexer les miroirs markdown.
3
Exécutez des requêtes de recherche via l'agent bibliothécaire pour élaborer des réponses structurées.
Franchement

Notre verdict honnête

Ses atouts

  • Fédère les stockages locaux sur place sans forcer la migration des données vers un index central
  • Le système de mémoire auto-évoluant apprend des stratégies de recherche efficaces à partir de l'utilisation réelle
  • Les méthodes de recherche locale modulaires gèrent le texte brut, les articles de recherche et les documents juridiques
  • Lit directement les fichiers sources via son outil bash intégré pour vérifier les preuves

Ses limites

  • Nécessite la configuration d'un fournisseur de modèle d'exécution authentifié car il ne fournit pas de valeurs par défaut privées
  • MinSync et les binaires externes tels que Jikji et dupey nécessitent une configuration et une maintenance locales
  • L'extraction PDF légère dépend de la disponibilité du composant auxiliaire hybride docling-fast
Coût

Tarifs & licence

Le seul coût est celui de son exécution par vos soins, car il s'agit d'un outil open source utilisant votre propre environnement d'exécution de fournisseur de modèle authentifié.

Travail rémunéré

Missions pour francophones

880 missions ouvertes à distance en entraînement d’IA, mises à jour le 15 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.

Voir tous les postes ouverts →
Comparer

Alternatives

🎁 Alternatives libres & open source

Ces outils IA évalués font le même travail instantanément — depuis notre annuaire noté.

Pour aller plus loin

Utilisez-le, ou laissez-nous l'installer

📄 PDF gratuit : AutoRAG pour Data Science
Un guide simple pour obtenir votre premier résultat. Envoyé dans votre boîte mail.
🔔 64 personnes veulent un tutoriel vidéo complet — ajoutez votre vote
🛠 Pas envie de l'installer vous-même ?
Nous installons, hébergeons et configurons AutoRAG pour vous — et formons votre équipe.
Confiez-nous l'installation ↗
Questions

FAQ

Qu'est-il advenu de l'AutoRAG original basé sur Python ?

L'outil d'optimisation de pipeline RAG AutoML original se trouve désormais dans le répertoire legacy/ et reste en mode maintenance, tandis que le nouveau développement se concentre sur AutoRAG 2.0.

Est-ce qu'AutoRAG télécharge mes documents sur un serveur tiers ?

Non. AutoRAG fédère les stockages sur place et exécute la recherche localement sur des segments MinSync sans serveur d'index central contenant votre corpus.

Comment AutoRAG gère-t-il les PDF creux ou illisibles ?

Son analyseur PDF par défaut vérifie la qualité multipage et réessaie le markdown creux via le backend hybride docling-fast d'OpenDataLoader.

Radar

Dernières actus IA

✉️ La boîte à outils gratuite hebdo
Les meilleurs nouveaux outils libres & open source pour Data Science — un court e-mail par semaine, dans votre langue.
Gratuit · 1 e-mail/semaine · désabonnement à tout moment
Soyez payé pour entraîner l’IA →

Voir Zekai en premier dans Google