txtai

KO | EN

gitlite — search

#javascript #hacktoberfest #llm #android #machine-learning #docker #macos #nodejs #awesome #cli #kubernetes #pytorch #openai #mcp

(★ 12,893)

💡 시맨틱 검색, LLM 오케스트레이션 및 언어 모델 워크플로우를 위한 올인원 AI 프레임워크

txtai 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

![](https://raw.githubusercontent.com/neuml/txtai/master/logo.png)

**올인원 AI 프레임워크**

[![Version](https://img.shields.io/github/release/neuml/txtai.svg?style=flat&color=success)](https://github.com/neuml/txtai/releases)
[![GitHub last commit](https://img.shields.io/github/last-commit/neuml/txtai.svg?style=flat&color=blue)](https://github.com/neuml/txtai)
[![GitHub issues](https://img.shields.io/github/issues/neuml/txtai.svg?style=flat&color=success)](https://github.com/neuml/txtai/issues)
[![Join Slack](https://img.shields.io/badge/slack-join-blue?style=flat&logo=slack&logocolor=white)](https://join.slack.com/t/txtai/shared_invite/zt-37c1zfijp-Y57wMty6YOx_hyIHEQvQJA)
[![Build Status](https://github.com/neuml/txtai/workflows/build/badge.svg)](https://github.com/neuml/txtai/actions?query=workflow%3Abuild)
[![Coverage Status](https://img.shields.io/coverallsCoverage/github/neuml/txtai)](https://coveralls.io/github/neuml/txtai?branch=master)

txtai는 시맨틱 검색, LLM 오케스트레이션 및 언어 모델 워크플로우를 위한 올인원 AI 프레임워크입니다.
![architecture](https://raw.githubusercontent.com/neuml/txtai/master/docs/images/architecture.png#gh-light-mode-only)
![architecture](https://raw.githubusercontent.com/neuml/txtai/master/docs/images/architecture-dark.png#gh-dark-mode-only)
txtai의 핵심 구성 요소는 벡터 인덱스(희소 및 밀집), 그래프 네트워크, 관계형 데이터베이스가 결합된 임베딩 데이터베이스입니다.
이 기반을 통해 벡터 검색을 수행하거나 대규모 언어 모델(LLM) 애플리케이션을 위한 강력한 지식 소스로 활용할 수 있습니다.
자율형 에이전트, 검색 증강 생성(RAG) 프로세스, 멀티 모델 워크플로우 등을 구축해 보세요.
txtai 기능 요약:
- 🔎 SQL, 객체 스토리지, 토픽 모델링, 그래프 분석, 멀티모달 인덱싱을 지원하는 벡터 검색
- 📄 텍스트, 문서, 오디오, 이미지, 비디오에 대한 임베딩 생성
- 💡 LLM 프롬프트 실행, 질의응답, 라벨링, 필사, 번역, 요약 등을 수행하는 언어 모델 기반 파이프라인
- ↪️️ 파이프라인을 연결하고 비즈니스 로직을 집계하는 워크플로우. txtai 프로세스는 단순한 마이크로서비스 또는 멀티 모델 워크플로우로 구성할 수 있습니다.
- 🤖 임베딩, 파이프라인, 워크플로우 및 기타 에이전트를 지능적으로 연결하여 복잡한 문제를 자율적으로 해결하는 에이전트
- ⚙️ 웹 및 Model Context Protocol (MCP) API. [JavaScript](https://github.com/neuml/txtai.js), [Java](https://github.com/neuml/txtai.java), [Rust](https://github.com/neuml/txtai.rs), [Go](https://github.com/neuml/txtai.go) 바인딩 제공
- 🔋 빠른 시작과 실행을 위한 기본 설정 제공 (Batteries included)
- ☁️ 로컬 실행 또는 컨테이너 오케스트레이션을 통한 확산 가능
txtai는 Python 3.10+, [Hugging Face Transformers](https://github.com/huggingface/transformers), [Sentence Transformers](https://github.com/UKPLab/sentence-transformers), [FastAPI](https://github.com/tiangolo/fastapi)로 제작되었습니다. txtai는 Apache 2.0 라이선스에 따라 오픈 소스로 제공됩니다.
> [!NOTE]
>
> [NeuML](https://neuml.com)은 txtai를 개발한 회사이며, 당사 스택과 관련된 AI 컨설팅 서비스를 제공합니다. 자세한 내용을 알아보려면 [미팅 예약](https://cal.com/neuml/intro)을 하거나 [메시지를 보내주세요](mailto:info@neuml.com).
>
> 또한 [txtai.cloud](https://txtai.cloud)를 통해 호스팅된 txtai 애플리케이션을 쉽고 안전하게 실행할 수 있는 서비스를 구축하고 있습니다.
## 왜 txtai인가요?
![why](https://raw.githubusercontent.com/neuml/txtai/master/docs/images/why.png#gh-light-mode-only)
![why](https://raw.githubusercontent.com/neuml/txtai/master/docs/images/why-dark.png#gh-dark-mode-only)
새로운 벡터 데이터베이스, LLM 프레임워크 등이 매일같이 생겨나고 있습니다. 왜 txtai로 구축해야 할까요?
- [pip](https://neuml.github.io/txtai/install/) 또는 [Docker](https://neuml.github.io/txtai/cloud/)를 사용하여 몇 분 만에 시작하고 실행 가능
```python
# Get started in a couple lines
import txtai
embeddings = txtai.Embeddings()
embeddings.index(["Correct", "Not what we hoped"])
embeddings.search("positive", 1)
#[(0, 0.29862046241760254)]
```
- 내장된 API를 통해 선호하는 프로그래밍 언어로 쉽게 애플리케이션 개발 가능
```yaml
# app.yml
embeddings:
path: sentence-transformers/all-MiniLM-L6-v2
```
```bash
CONFIG=app.yml uvicorn "txtai.api:app"
curl -X GET "http://localhost:8000/search?query=positive"
```
- 로컬 실행 - 데이터를 분산된 원격 서비스로 전송할 필요 없음
- 초소형 모델부터 대규모 언어 모델(LLM)까지 폭넓게 활용 가능
- 적은 리소스 사용 - 필요할 때 추가 종속성을 설치하고 규모 확장 가능
- [예제로 배우기](https://neuml.github.io/txtai/examples) - 사용 가능한 모든 기능에 대한 노트북 제공
## 사용 사례
다음 섹션에서는 일반적인 txtai 사용 사례를 소개합니다. 70개가 넘는 방대한 [예제 노트북 및 애플리케이션](https://neuml.github.io/txtai/examples) 세트도 이용하실 수 있습니다.
### 시맨틱 검색
시맨틱/유사도/벡터/신경망 검색 애플리케이션을 구축하세요.
![demo](https://raw.githubusercontent.com/neuml/txtai/master/demo.gif)
전통적인 검색 시스템은 ke

데이터를 찾기 위해 키워드에 의존합니다. 시맨틱 검색은 자연어를 이해하며 반드시 동일한 키워드가 아니더라도 같은 의미를 가진 결과를 찾아냅니다.
![search](https://raw.githubusercontent.com/neuml/txtai/master/docs/images/search.png#gh-light-mode-only)
![search](https://raw.githubusercontent.com/neuml/txtai/master/docs/images/search-dark.png#gh-dark-mode-only)
다음 예제들로 시작해 보세요.
| Notebook | Description | |
|:----------|:-------------|------:|
| [Introducing txtai](https://github.com/neuml/txtai/blob/master/examples/01\_Introducing\_txtai.ipynb) [▶️](https://www.youtube.com/watch?v=SIezMnVdmMs) | txtai가 제공하는 기능 개요 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/01\_Introducing\_txtai.ipynb) |
| [Similarity search with images](https://github.com/neuml/txtai/blob/master/examples/13\_Similarity\_search\_with\_images.ipynb) | 이미지와 텍스트를 동일한 공간에 임베딩하여 검색 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/13\_Similarity\_search\_with\_images.ipynb) |
| [Build a QA database](https://github.com/neuml/txtai/blob/master/examples/34\_Build\_a\_QA\_database.ipynb) | 시맨틱 검색을 활용한 질의응답(QA) 매칭 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/34\_Build\_a\_QA\_database.ipynb) |
| [Semantic Graphs](https://github.com/neuml/txtai/blob/master/examples/38\_Introducing\_the\_Semantic\_Graph.ipynb) | 토픽, 데이터 연결성 탐색 및 네트워크 분석 실행| [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/38\_Introducing\_the\_Semantic\_Graph.ipynb) |
### LLM Orchestration
자율형 에이전트, 검색 증강 생성(RAG), 데이터와의 채팅, LLM(Large Language Model)과 연동되는 파이프라인 및 워크플로우입니다.
![llm](https://raw.githubusercontent.com/neuml/txtai/master/docs/images/llm.png)
자세한 내용은 아래를 참조하세요.
| Notebook | Description | |
|:----------|:-------------|------:|
| [Prompt templates and task chains](https://github.com/neuml/txtai/blob/master/examples/44\_Prompt\_templates\_and\_task\_chains.ipynb) | 모델 프롬프트 구축 및 워크플로우를 통한 작업 연결 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/44\_Prompt\_templates\_and\_task\_chains.ipynb) |
| [Integrate LLM frameworks](https://github.com/neuml/txtai/blob/master/examples/53\_Integrate\_LLM\_Frameworks.ipynb) | llama.cpp, LiteLLM 및 커스텀 생성 프레임워크 통합 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/53\_Integrate\_LLM\_Frameworks.ipynb) |
| [Build knowledge graphs with LLMs](https://github.com/neuml/txtai/blob/master/examples/57\_Build\_knowledge\_graphs\_with\_LLM\_driven\_entity\_extraction.ipynb) | LLM 기반 엔티티 추출을 활용한 지식 그래프 구축 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/57\_Build\_knowledge\_graphs\_with\_LLM\_driven\_entity\_extraction.ipynb) |
| [Parsing the stars with txtai](https://github.com/neuml/txtai/blob/master/examples/72\_Parsing\_the\_stars\_with\_txtai.ipynb) | 알려진 별, 행성, 은하의 천문학 지식 그래프 탐색 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/72\_Parsing\_the\_stars\_with\_txtai.ipynb) |
#### Agents
에이전트는 임베딩을 p

파이프라인, 워크플로 및 기타 에이전트를 결합하여 복잡한 문제를 자율적으로 해결합니다.
![agent](https://raw.githubusercontent.com/neuml/txtai/master/docs/images/agent.png)
txtai 에이전트는 [smolagents](https://github.com/huggingface/smolagents) 프레임워크를 기반으로 구축되었습니다. 이는 txtai가 지원하는 모든 LLM(Hugging Face, llama.cpp, LiteLLM을 통한 OpenAI / Claude / AWS Bedrock)을 지원합니다. [`agents.md`](https://github.com/agentsmd/agents.md) 및 [`skill.md`](https://agentskills.io/specification)를 사용한 에이전트 프롬프팅도 지원됩니다.
[Agent Quickstart Example](https://github.com/neuml/txtai/blob/master/examples/agent\_quickstart.py)을 확인해 보세요. 추가 예제는 아래에 나열되어 있습니다.
| 노트북 | 설명 | |
|:----------|:-------------|------:|
| [Granting autonomy to agents](https://github.com/neuml/txtai/blob/master/examples/69\_Granting\_autonomy\_to\_agents.ipynb) | 에이전트가 필요에 따라 반복적으로 문제를 해결하는 방식 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/69\_Granting\_autonomy\_to\_agents.ipynb) |
| [TxtAI got skills](https://github.com/neuml/txtai/blob/master/examples/83\_TxtAI\_got\_skills.ipynb) | skill.md 파일을 에이전트와 통합하기 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/83\_TxtAI\_got\_skills.ipynb) |
| [Agent Tools](https://github.com/neuml/txtai/blob/master/examples/84\_Agent\_Tools.ipynb) [▶️](https://www.youtube.com/watch?v=RDNaFXQy3GQ) | txtai 에이전트 툴킷에 대해 알아보기 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/84\_Agent\_Tools.ipynb) |
| [Analyzing LinkedIn Company Posts with Graphs and Agents](https://github.com/neuml/txtai/blob/master/examples/71\_Analyzing\_LinkedIn\_Company\_Posts\_with\_Graphs\_and\_Agents.ipynb) | AI를 사용하여 소셜 미디어 참여도를 향상시키는 방법 탐색 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/71\_Analyzing\_LinkedIn\_Company\_Posts\_with\_Graphs\_and\_Agents.ipynb) |
#### 검색증강 생성 (Retrieval augmented generation)
검색증강 생성(RAG)은 지식 베이스를 컨텍스트로 사용하여 출력을 제한함으로써 LLM 환각(hallucination)의 위험을 줄여줍니다. RAG는 일반적으로 "데이터와 대화하기"에 사용됩니다.
![rag](https://raw.githubusercontent.com/neuml/txtai/master/docs/images/rag.png#gh-light-mode-only)
![rag](https://raw.githubusercontent.com/neuml/txtai/master/docs/images/rag-dark.png#gh-dark-mode-only)
[RAG Quickstart Example](https://github.com/neuml/txtai/blob/master/examples/rag\_quickstart.py)을 확인해 보세요. 추가 예제는 아래에 나열되어 있습니다.
| 노트북 | 설명 | |
|:----------|:-------------|------:|
| [Build RAG pipelines with txtai](https://github.com/neuml/txtai/blob/master/examples/52\_Build\_RAG\_pipelines\_with\_txtai.ipynb) [▶️](https://www.youtube.com/watch?v=t\_OeAc8NVfQ) | 출처(citation) 생성 방법을 포함한 검색증강 생성 가이드 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/52\_Build\_RAG\_pipelines\_with\_txtai.ipynb) |
| [RAG is more than Vector Search](https://github.com/neuml/txtai/blob/master/examples/79\_RAG\_is\_more\_than\_Vector\_Search.ipynb) | 웹, SQL 및 기타 소스를 통한 컨텍스트 검색 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/79\_RAG\_is\_more\_than\_Vector\_Search.ipynb) |
| [GraphRAG with Wikipedia and GPT OSS](https://github.com/neuml/txtai/blob/master/examples/77\_GraphRAG\_with\_Wikipedia\_and\_GPT\_OSS.ipynb) | 심층 그래프 검색 기반의 RAG | [![Open In Colab](https://colab.rese

arch.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/77\_GraphRAG\_with\_Wikipedia\_and\_GPT\_OSS.ipynb) |
| [Speech to Speech RAG](https://github.com/neuml/txtai/blob/master/examples/65\_Speech\_to\_Speech\_RAG.ipynb) [▶️](https://www.youtube.com/watch?v=tH8QWwkVMKA) | RAG를 활용한 전체 주기 음성 대 음성 워크플로 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/65\_Speech\_to\_Speech\_RAG.ipynb) |
### 언어 모델 워크플로 (Language Model Workflows)
시멘틱 워크플로(semantic workflows)라고도 불리는 언어 모델 워크플로는 언어 모델들을 서로 연결하여 지능형 애플리케이션을 구축합니다.
![flows](https://raw.githubusercontent.com/neuml/txtai/master/docs/images/flows.png#gh-light-mode-only)
![flows](https://raw.githubusercontent.com/neuml/txtai/master/docs/images/flows-dark.png#gh-dark-mode-only)
LLM은 강력하지만, 특정 작업에서는 더 훌륭하고 빠르게 작동하는 작고 특화된 모델들이 많이 있습니다. 여기에는 추출형 질의응답, 자동 요약, 텍스트 음성 변환, 전사(transcription) 및 번역을 위한 모델들이 포함됩니다.
[워크플로 빠른 시작 예제](https://github.com/neuml/txtai/blob/master/examples/workflow\_quickstart.py)를 확인해 보세요. 추가 예제들은 아래에 나열되어 있습니다.
| 노트북 | 설명 | |
|:----------|:-------------|------:|
| [파이프라인 워크플로 실행하기](https://github.com/neuml/txtai/blob/master/examples/14\_Run\_pipeline\_workflows.ipynb) [▶️](https://www.youtube.com/watch?v=UBMPDCn1gEU) | 데이터를 효율적으로 처리하기 위한 간단하면서도 강력한 구문 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/14\_Run\_pipeline\_workflows.ipynb) |
| [추상적 텍스트 요약 구축하기](https://github.com/neuml/txtai/blob/master/examples/09\_Building\_abstractive\_text\_summaries.ipynb) | 추상적 텍스트 요약 실행 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/09\_Building\_abstractive\_text\_summaries.ipynb) |
| [오디오를 텍스트로 전사하기](https://github.com/neuml/txtai/blob/master/examples/11\_Transcribe\_audio\_to\_text.ipynb) | 오디오 파일을 텍스트로 변환 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/11\_Transcribe\_audio\_to\_text.ipynb) |
| [언어 간 텍스트 번역하기](https://github.com/neuml/txtai/blob/master/examples/12\_Translate\_text\_between\_languages.ipynb) | 기계 번역 및 언어 감지 간소화 | [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/neuml/txtai/blob/master/examples/12\_Translate\_text\_between\_languages.ipynb) |
## 설치 (Installation)
![install](https://raw.githubusercontent.com/neuml/txtai/master/docs/images/install.png#gh-light-mode-only)
![install](https://raw.githubusercontent.com/neuml/txtai/master/docs/images/install-dark.png#gh-dark-mode-only)
가장 쉬운 설치 방법은 pip와 PyPI를 사용하는 것입니다.
```
pip install txtai
```
Python 3.10 이상이 지원됩니다. Python [가상 환경](https://docs.python.org/3/library/venv.html) 사용을 권장합니다.
[선택적 종속성](https://neuml.github.io/txtai/install/#optional-dependencies), [환경별 필수 조건](https://neuml.github.io/txtai/install/#environment-specific-prerequisites), [소스에서 설치하기](https://neuml.github.io/txtai/install/#install-from-source), [conda 지원](https://neuml.github.io/txtai/install/#conda), [경량 최소 설치](https://neuml.github.io/txtai/install/#minimal-install) 및 [컨테이너로 실행하는 방법](https://neuml.github.io/tx 에 대한 자세한 내용은 상세 [설치 안내서](https://neuml.github.io/txtai/install)를 참조하세요.

tai/cloud).
## 모델 가이드
![models](https://raw.githubusercontent.com/neuml/txtai/master/docs/images/models.png)
현재 권장되는 모델은 아래 표를 참조하세요. 이 모델들은 모두 상업적 사용이 가능하며 속도와 성능의 조화를 제공합니다.
| 컴포넌트 | 모델 |
| ----------------------------------------------------------------------------- | ------------------------------------------------------------------------ |
| [Embeddings](https://neuml.github.io/txtai/embeddings) | [all-MiniLM-L6-v2](https://hf.co/sentence-transformers/all-MiniLM-L6-v2) |
| [Image Captions](https://neuml.github.io/txtai/pipeline/image/caption) | [BLIP](https://hf.co/Salesforce/blip-image-captioning-base) |
| [Labels - Zero Shot](https://neuml.github.io/txtai/pipeline/text/labels) | [DeBERTa v3 Zeroshot](https://hf.co/MoritzLaurer/deberta-v3-base-zeroshot-v2.0-c) |
| [Labels - Fixed](https://neuml.github.io/txtai/pipeline/text/labels) | [training pipeline](https://neuml.github.io/txtai/pipeline/train/trainer)을 통한 파인튜닝 |
| [Large Language Model (LLM)](https://neuml.github.io/txtai/pipeline/text/llm) | [Gemma 4 31B](https://hf.co/google/gemma-4-31B) |
| [Summarization](https://neuml.github.io/txtai/pipeline/text/summary) | [DistilBART](https://hf.co/sshleifer/distilbart-cnn-12-6) |
| [Text-to-Speech](https://neuml.github.io/txtai/pipeline/audio/texttospeech) | [ESPnet JETS](https://hf.co/NeuML/ljspeech-jets-onnx) |
| [Transcription](https://neuml.github.io/txtai/pipeline/audio/transcription) | [Whisper](https://hf.co/openai/whisper-base) |
| [Translation](https://neuml.github.io/txtai/pipeline/text/translation) | [OPUS Model Series](https://hf.co/Helsinki-NLP) |
모델은 Hugging Face Hub의 경로 또는 로컬 디렉토리로 로드할 수 있습니다. 모델 경로는 선택사항이며, 지정하지 않으면 기본값이 로드됩니다. 권장 모델이 없는 태스크의 경우, txtai는 Hugging Face Tasks 가이드에 표시된 기본 모델을 사용합니다.
자세한 내용은 다음 링크를 참조하세요.
- [Hugging Face Tasks](https://hf.co/tasks)
- [Hugging Face Model Hub](https://hf.co/models)
- [Embeddings Leaderboard](https://hf.co/spaces/mteb/leaderboard)
- [LLM Leaderboard](https://hf.co/spaces/lmarena-ai/arena-leaderboard)
## Powered by txtai
다음 애플리케이션들은 txtai로 구동됩니다.
![apps](https://raw.githubusercontent.com/neuml/txtai/master/apps.jpg)
| 애플리케이션 | 설명 |
|:------------ |:-------------|
| [rag](https://github.com/neuml/rag) | Retrieval Augmented Generation (RAG) 애플리케이션 |
| [ncoder](https://github.com/ncoder) | 오픈소스 AI 코딩 에이전트 |
| [paperai](https://github.com/neuml/paperai) | 의학 및 과학 논문을 위한 AI |
| [annotateai](https://github.com/annotateai) | LLM을 사용한 논문 자동 주석 처리 |
이 목록 외에도, 프로덕션 환경에서 txtai를 기반으로 구축된 많은 다른 [오픈소스 프로젝트](https://github.com/neuml/txtai/network/dependents), [발간된 연구 자료](https://scholar.google.com/scholar?q=txtai&hl=en&as\_ylo=2022), 그리고 비공개 상용/독점 프로젝트들이 있습니다.
## 추가 읽을거리
![further](https://raw.githubusercontent.com/neuml/txtai/master/docs/images/further.png#gh-light-mode-only)
![further](https://raw.githubusercontent.com/neuml/txtai/master/docs/images/further-ghdark.png#gh-dark-mode-only)
- [Introducing txtai, the all-in-one AI framework](https://medium.com/neuml/introducing-txtai-the-all-in-one-ai-framework-0660ecfc39d7)
- [txtai: An All-in-One AI Framework for Semantic Search and LLM Workflows](https://github.com/neuml/papers/blob/master/txtai/txtai.pdf)
- [Tutorial series on Hashnode](https://neuml.hashnode.dev/series/txtai-tutorial) | [dev.to](https://dev.to/neuml/tutorial-series-on-txtai-ibg)
- [What's new in txtai 9.0](https://medium.com/neuml/whats-new-in-txtai-9-0-d522bb150afa) | [8.0](https://medium.com/neuml/whats-new-in-txtai-8-0-2d7d0ab4506b) | [7.0](https://medium.com/neuml/whats-new-in-txtai-7-0-855ad6a55440) | [6.0](https://medium.com/neuml/whats-new-in-txtai-6)

-0-7d93eeedf804) | [5.0](https://medium.com/neuml/whats-new-in-txtai-5-0-e5c75a13b101) | [4.0](https://medium.com/neuml/whats-new-in-txtai-4-0-bbc3a65c3d1c)
- [Getting started with semantic search](https://medium.com/neuml/getting-started-with-semantic-search-a9fd9d8a48cf) | [workflows](https://medium.com/neuml/getting-started-with-semantic-workflows-2fefda6165d9) | [rag](https://medium.com/neuml/getting-started-with-rag-9a0cca75f748)
- [Running txtai at scale](https://medium.com/neuml/running-at-scale-with-txtai-71196cdd99f9)
- [Vector search & RAG Landscape: A review with txtai](https://medium.com/neuml/vector-search-rag-landscape-a-review-with-txtai-a7f37ad0e187)
## 문서
임베딩, 파이프라인, 워크플로우, API에 대한 설정 설정과 자주 묻는 질문/이슈를 담은 FAQ를 포함한 [txtai 전체 문서](https://neuml.github.io/txtai)를 이용하실 수 있습니다.
## 기여하기
txtai에 기여하고 싶으신 분은 [이 가이드](https://github.com/neuml/.github/blob/master/CONTRIBUTING.md)를 참고해 주세요.

txtai

txtai 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

txtai

txtai 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README