Graph_RAG是一個用Python打造的框架，設計用來構建和查詢知識圖譜，以支援檢索增強生成（RAG）。它支持非結構化文件的導入，透過LLMs或NLP工具自動抽取實體與關係，並存儲於Neo4j等圖形資料庫。借助Graph_RAG，開發者可建立連結的知識圖譜，執行語義圖查詢來識別相關節點與路徑，並將獲得的背景資訊輸入至LLM提示中。此框架提供模組化流程、可配置組件與範例，促進端到端的RAG應用，提升答案的準確度與解釋性，藉由結構化知識表徵。

JARVIS-1提供模組化架構，結合了自然語言介面、記憶模塊以及插件驅動的任務執行器。基於GPT-index，能持久保存對話、檢索上下文，並隨用戶互動持續進化。用戶通過簡單提示定義任務，JARVIS-1則協調任務排程、代碼執行、文件操作和網頁瀏覽。它的插件系統支持自訂整合資料庫、電子郵件、PDF和雲端服務。可在Linux、macOS和Windows上的Docker或CLI中部署，JARVIS-1確保離線運行與完整數據控制，特別適合開發者、DevOps團隊與高階用戶追求安全且擴展性強的自動化工具。

LLM驅動的RAG系統是一個針對開發者的框架，用於建立檢索增強式生成（RAG）管道。提供文件集合的嵌入模組、FAISS、Pinecone或Weaviate的索引，以及反應時的相關語境檢索。系統利用LangChain封裝管理調度LLM調用，支持提示模板、串流回應與多向量存儲驅動器。簡化知識庫端到端的部署過程，從嵌入模型配置到提示設計與結果後處理均可自定義。