Открытый визуальный конструктор ИИ-агентов: drag-and-drop воркфлоу с блоками моделей, инструментов и логики.
Официальный открытый агент Google в терминале: работает на Gemini 2.5 Pro, умеет в большой контекст и бесплатный тир.
Лёгкий фреймворк для мультимодальных агентов: память, знания, инструменты и команды — с упором на скорость и простоту.
Открытый терминальный агент от команды SST: агентный кодинг в TUI-интерфейсе, с поддержкой множества провайдеров.
ИИ-ревьюер пул-реквестов: автоматический анализ, описание изменений, предложения по улучшению и ответы на комментарии.
Агент для решения реальных issue в репозиториях: превращает LLM в систему, способную чинить баги в больших проектах.
Один из первых генераторов проектов по описанию: диалог с уточнениями, затем целая кодовая база приложения.
Естественный язык как интерфейс к компьютеру: выполняет команды, код и файловые операции локально на вашей машине.
Лёгкий интерфейс Эндрю Ынга к разным LLM: один вызов для всех провайдеров, легко менять модель строкой конфигурации.
Генерация с гарантированным форматом: JSON по схеме, регулярки, грамматики — модель физически не может выдать невалидный ответ.
Библиотека для строгих структурированных выходов LLM: ответы валидируются Pydantic-схемами, с ретраями и автоматическим исправлением.
Фреймворк Стэнфорда для программирования, а не промптинга, моделей: оптимизация промптов и весов как обучение.
Промышленный фреймворк RAG и поиска от deepset: пайплайны, компоненты и масштабируемые поисковые приложения.
Фреймворк для приложений с данными: индексация любых источников, RAG-конвейеры и агенты поверх корпоративных данных.
Фреймворк для контролируемых агентов от создателей LangChain: графы состояний, ветвления, циклы и человек в цикле.
Самый известный фреймворк для LLM-приложений: цепочки, агенты, ретриверы и сотни интеграций с моделями и хранилищами.
Высокопроизводительный сервер инференса LLM с PagedAttention: в разы большая пропускная способность на GPU.
Эталонная реализация инференса LLM на чистом C/C++: запускает большие модели на обычном железе, включая CPU.
Самый простой способ запускать локальные LLM на своём компьютере: одна команда — и модель работает, плюс OpenAI-совместимый API.
Единый интерфейс к сотне LLM: один код для всех провайдеров, плюс прокси с балансировкой, бюджетами и фолбэками.