Graph_RAG es un marco basado en Python diseñado para construir y consultar grafos de conocimiento para generación aumentada por recuperación (RAG). Soporta la ingestión de documentos no estructurados, la extracción automática de entidades y relaciones usando LLMs o herramientas NLP, y el almacenamiento en bases de datos gráficas como Neo4j. Con Graph_RAG, los desarrolladores pueden construir grafos de conocimiento conectados, ejecutar consultas semánticas para identificar nodos y caminos relevantes, y alimentar los contextos recuperados en prompts de LLM. El marco proporciona pipelines modulares, componentes configurables y ejemplos de integración para facilitar aplicaciones de extremo a extremo RAG, mejorando la precisión de respuestas e interpretabilidad mediante la representación estructurada del conocimiento.

Manus JS es una biblioteca de JavaScript del lado del cliente que incorpora un asistente de investigación inteligente en cualquier página web. Escanea y comprende contenido HTML, luego utiliza IA para generar resúmenes de artículos, responder preguntas específicas con referencias, extraer entidades nombradas y producir listas de citas en múltiples formatos. Los desarrolladores pueden configurar prompts personalizados, fuentes de datos y componentes UI para adaptarse a su branding. Manus JS funciona offline con contenido en caché y se conecta a APIs de IA para búsquedas en tiempo real, siendo adecuado para portafolios académicos, sitios de agregación de noticias o plataformas de bases de conocimiento que desean ofrecer insights instantáneos a los usuarios.