Cadre d'orchestration IA open-source pour construire des applications LLM prêtes pour la production, conçues pour des pipelines modulaires et des workflows d'agents avec un contrôle explicite sur la récupération, le routage, la mémoire et la génération. Conçu pour des agents évolutifs, RAG, multi
Créez des applications avancées qui utilisent l'IA en concevant des flux de travail qui gèrent efficacement la récupération et le traitement des données.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentCadre d'orchestration IA open-source pour construire des applications LLM prêtes pour la production, conçues pour des pipelines modulaires et des workflows d'agents avec un contrôle explicite sur la récupération, le routage, la mémoire et la génération. Conçu pour des agents évolutifs, RAG, multi
haystack compte 26k étoiles sur GitHub. Il a été forké 3k fois. haystack est écrit principalement en Python. Il est développé activement depuis 2019. haystack est disponible sous licence Apache-2.0. Ses principaux thèmes sont : agent, agents, ai, gemini.
Read the full guideCadre d'orchestration IA open-source pour construire des applications LLM prêtes pour la production, conçues pour des pipelines modulaires et des workflows d'agents avec un contrôle explicite sur la récupération, le routage, la mémoire et la génération. Conçu pour des agents évolutifs, RAG, multi
haystack est un projet open source. Il est distribué sous licence Apache-2.0.
Oui. haystack est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
haystack est disponible sous licence Apache-2.0.
haystack est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://opensourceai.tech/project/deepset-ai-haystack.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.