Etl 相关的热门 GitHub AI项目仓库

用于流处理、实时分析、大型语言模型（LLM）管道和检索增强生成（RAG）的Python ETL框架

面向开发者的开源数据匿名化和合成数据平台。匿名化您的生产数据并在您的环境中同步，以便开发人员可以安全地使用它。

人工智能、代码和连接的电子表格

基于自主代理大型语言模型的数据处理和ETL系统

Instill Core 是一款全栈式 AI 基础设施工具，用于数据、模型和管道的编排，旨在简化构建多功能 AI 优先型应用的各个方面。

Superlinked是一个Python框架，专为构建高性能搜索和推荐应用的AI工程师而设计，它能够结合结构化和非结构化数据。

一款开源的研究工具，利用语义搜索引擎和开源文本挖掘与文本分析平台，可以搜索、浏览、分析和探索大型文档集。（集成了文档处理的ETL流程，图像和PDF的OCR识别，人物、组织和地点的命名实体识别，基于词库和本体的元数据管理，全文搜索、分面搜索和知识图谱的搜索用户界面和搜索应用程序）

面向企业的、基于API的LLM工作区，用于处理非结构化文档，功能包括数据提取、信息脱敏、权限管理、提示词测试场等等！

Neum AI 是一个一流的框架，用于大规模管理向量嵌入的创建和同步。

一个开源的端到端计算机视觉平台。在一个统一的平台上进行标注、构建、训练、微调、部署和自动化，该平台可在任何云端和本地运行。

将大型语言模型（LLM）集成到任何流水线中——支持拟合/预测模式、JSON驱动的流程以及内置的并发支持。

Sycamore是一个基于大型语言模型（LLM）的搜索和分析平台，用于处理非结构化数据。

一个用于各种行业特定模式的中心，这些模式可与大型语言模型 (VLMs) 一起使用。

一个模块化、开源的后端，用于构建原生AI软件——它由知识驱动，而非静态数据。

Build reliable AI and agentic applications with DataFrames

Real-time deduplication and temporal joins for streaming data

Radient 将多种数据类型（不仅仅是文本）转换成向量，用于相似性搜索、检索增强生成（RAG）、回归分析等多种用途。

基于Python的开源ETL工具，用于文件爬取、文档处理（文本提取、OCR）、内容分析（实体提取和命名实体识别）和数据增强（标注）流程，以及数据导入到Solr或Elasticsearch索引和关联数据图数据库。

Make dbt great again! Enables end user to extend dbt to his/her needs

面向AI基础设施的最快时间序列对象存储