Awesome GitHub RepositoriesAgent Knowledge Bases

Claude-mem is an agentic memory persistence system designed to provide AI assistants with long-term context across multiple development sessions. It functions as a background orchestrator that captures, summarizes, and indexes interaction history, allowing models to maintain continuity and recall technical decisions from past tasks. By utilizing a vector-augmented context engine, the system injects relevant historical observations into active sessions, ensuring that AI agents remain informed without exceeding finite token budgets. The project distinguishes itself through an endless memory arc

AstrBot is an orchestration framework designed for building and managing autonomous agents that integrate multimodal artificial intelligence with secure, isolated execution environments. It serves as a platform for coordinating complex agentic workflows, allowing users to connect diverse language, speech, and vision models while maintaining personalized agent personas and domain-specific knowledge bases. The platform distinguishes itself through a modular plugin architecture and a centralized visual dashboard, which together enable users to extend agent capabilities and manage operational set

This project is a comprehensive framework for developing, orchestrating, and deploying autonomous agents. It provides a structured environment for building agents that utilize reasoning loops to perform multi-step tasks, manage state through graph-based workflows, and interact with external tools. By mapping unstructured model outputs into typed schemas, the framework ensures reliable integration with downstream application logic. The platform distinguishes itself through a focus on production-grade reliability and security. It incorporates hybrid memory systems that combine vector embeddings

ParlAI is a conversational AI research framework designed for training, evaluating, and sharing dialogue models using a unified interface for datasets and agents. It functions as a PyTorch-based training platform and a dialogue data collection system, providing a centralized model zoo for the distribution of versioned pretrained agents. The project distinguishes itself through a knowledge-grounded retrieval system that combines dense and sparse indexing to ground responses in external information. It also provides a comprehensive infrastructure for gathering human-AI interaction data via inte

UFO is a multi-device task orchestrator and LLM agent orchestration framework designed to decompose natural language requests into executable task graphs. It functions as a cross-platform UI automation tool capable of performing interactions on Windows and mobile devices while routing tasks to distributed agents based on their hardware and software capabilities. The system is distinguished by its RAG-enhanced agent architecture, which integrates external documentation and previous execution traces to improve decision-making. It employs a hybrid UI detection approach that combines computer vis

This project is a reference implementation and application template for Retrieval-Augmented Generation (RAG). It integrates Azure OpenAI with Azure AI Search to enable conversational chat interfaces that provide grounded responses based on private enterprise data. The system is distinguished by its multimodal AI interface, allowing it to process and reason over combined text, image, and PDF content. It employs a hybrid search architecture that combines vector and keyword retrieval with semantic reranking to prioritize the most relevant documents for prompt augmentation. The project covers a

This is an open-source Python SDK for building and orchestrating production-grade AI agents. It provides a unified framework for creating conversational agents that can use tools, maintain state, and coordinate across multiple language model providers including OpenAI, Anthropic, Google, Amazon Bedrock, and locally-hosted models. The SDK supports multi-agent orchestration through graphs, teams, and swarms, allowing several specialized agents to collaborate on complex tasks. Agents can be composed as callable tools that other agents invoke, and the framework includes policy handlers that inspe

MemOS is an open-source persistent memory layer for AI agents and large language models, providing a self-hosted server that stores and retrieves structured memory across sessions. It enables AI systems to recall user preferences, history, and context without retraining, using a graph-based API and a web management interface for viewing, editing, and organizing memory items, skills, traces, and knowledge bases. The system distinguishes itself through a portable memory interchange protocol that allows memory to be transferred between different AI models, devices, and applications, along with a

PraisonAI is an autonomous AI agent platform that coordinates multiple LLM-powered agents for research, planning, and execution of complex workflows. It functions as a multi-agent orchestration framework, a workflow builder, and a Model Context Protocol server, while also providing retrieval-augmented generation through vector knowledge bases. Agents can interact via CLI, web, or standardized protocols with sandboxed code execution. The platform distinguishes itself with a rich set of agent communication protocols, including A2A, REST, WebSocket, voice and telephony integration, and MCP, allo

Giskard ist eine KI-Qualitätssicherungssuite und ein Evaluierungs-Framework, das darauf ausgelegt ist, die Leistung, Voreingenommenheit und Sicherheitsrisiken von Large Language Models und KI-Agenten zu messen. Es fungiert als Schwachstellen-Scanner zur Erkennung von Sicherheitslücken und Performance-Regressionen. Das Projekt bietet automatisierte Red-Teaming- und Adversarial-Testing-Workflows. Diese Tools generieren Prompt-Injection-Probes und Adversarial-Angriffe basierend auf Systembeschreibungen, um Sicherheitslücken und Schwachstellen zu identifizieren. Die Plattform deckt die Prüfung von KI-Agenten und die Validierung der RAG-Qualität ab, wobei Wissensdatenbank-Grounding und synthetische Datengenerierung genutzt werden, um die faktische Genauigkeit zu verifizieren. Sie handhabt zudem Regressionstests durch assertionsbasierte Evaluierung und semantisches Ähnlichkeits-Matching, um nicht-deterministische Ausgaben zu validieren.

Dieses Projekt ist ein containerisierter Entwicklungs-Stack und ein Anwendungs-Framework für den Aufbau von RAG-Systemen (Retrieval-Augmented Generation). Es bietet eine dockerisierte KI-Sandbox, die lokale Modell-Runtimes, Wissensgraphen und Vektorspeicher integriert, um die Erstellung kontextbezogener Chatbots zu ermöglichen. Der Stack zeichnet sich durch seinen graphenbasierten Vektorspeicher aus, der strukturierte Wissensgraphen mit Vektorindizes für semantisches und strukturelles Daten-Retrieval kombiniert. Er ermöglicht das lokale Hosten von Modellen mit CPU- oder GPU-Beschleunigung, wodurch generative Aufgaben ohne Abhängigkeit von externen Cloud-APIs möglich sind. Das Framework deckt ein breites Spektrum an Funktionen ab, einschließlich der Verarbeitung und Indizierung von PDF-Dokumenten, der Orchestrierung containerbasierter KI-Dienste und der Implementierung von Grounded-Response-Generierung. Es enthält eine webbasierte Chat-Oberfläche mit inkrementellem Response-Streaming sowie eine standardisierte Schnittstelle zum Wechseln zwischen verschiedenen Sprachmodell-Anbietern. Die Umgebung wird mittels Container-Orchestrierung gebootstrapt, um einen vorkonfigurierten Stack aus Modellen und Datenbanken schnell bereitzustellen.

Nexent ist eine Enterprise-KI-Control-Plane und eine Plattform zur Orchestrierung von LLM-Agenten. Sie bietet eine Zero-Code-Umgebung zum Entwerfen, Bereitstellen und Verwalten von KI-Agenten in der Produktion durch ein Multi-Agent-Collaboration-Framework, das spezialisierte autonome Agenten mithilfe standardisierter Messaging-Protokolle koordiniert. Die Plattform integriert das Model Context Protocol, um Agenten mit externen Tools, Plugins und Diensten über eine universelle Kommunikationsschnittstelle zu verbinden. Sie zeichnet sich zudem durch einen dedizierten RAG-Knowledge-Base-Manager aus, der unstrukturierte Dokumente importiert und hybride Suche nutzt, um fundierten Kontext für Modellantworten bereitzustellen. Das System deckt ein breites Spektrum an Funktionen ab, darunter mandantenfähige rollenbasierte Zugriffskontrolle, multimodale Interaktion über Text, Sprache und Bilder sowie hybrides Vektor-Retrieval. Es enthält zudem einen Marktplatz für die Verteilung und Entdeckung von Agenten sowie Observability-Tools zur Erfassung von Ausführungs-Traces. Die Plattform unterstützt sichere Bereitstellung durch containerisierte Offline-Paketierung für Air-Gapped-Infrastrukturen.

Dieses Projekt ist eine Sammlung standardisierter Wissensdatenbanken und Kompetenzmodelle, die professionelle Methoden für Produktmanagement-Praktiker und KI-Agenten definieren. Es bietet ein strukturiertes Framework professioneller Fähigkeiten und Kenntnisse, um eine konsistente Ausgabequalität über Produktentdeckung, Strategie und Stakeholder-Ausrichtung hinweg sicherzustellen. Das Repository konzentriert sich auf spezialisierte Frameworks für das Produktmanagement großer Sprachmodelle, einschließlich Richtlinien zur Bewertung der KI-Bereitschaft, Kontext-Engineering und der Orchestrierung von Multi-Agenten-Workflows. Es nutzt Markdown-basierte Wissensstrukturierung, um KI-Agenten bei der Erstellung professioneller Ergebnisse und strategischer Analysen anstelle generischer Ausgaben zu unterstützen. Das Projekt deckt eine breite Palette an Produktmanagement-Funktionen ab, einschließlich der Analyse von Geschäftskennzahlen für die operative Gesundheit, Kundenerkundung und Hypothesenvalidierung sowie strategische Roadmap-Planung unter Verwendung von Priorisierungsmodellen. Es enthält zudem Frameworks für das Verfassen von Produktanforderungsdokumenten und User Stories, Stakeholder-Einfluss-Mapping sowie Executive Coaching für Führungswechsel.

Learn_Prompting ist ein pädagogisches Projekt mit Fokus auf Prompt Engineering. Es vermittelt die Prinzipien und Techniken, die erforderlich sind, um effektive Inputs zu erstellen und die Qualität von generativen KI-Outputs zu verbessern. Das Projekt deckt fortgeschrittene Prompting-Strategien ab, um Reasoning, Zuverlässigkeit und Output-Qualität zu steigern. Dies umfasst Techniken für Task-Decomposition, Chain-of-Thought-Reasoning sowie den Einsatz von Few-Shot- und Zero-Shot-Guidance. Es adressiert zudem Modellsicherheit durch das Studium von Prompt-Hacking, Schwachstellenanalyse und Privacy-Auditing, um sensible Datenlecks zu verhindern. Der Umfang erstreckt sich auf die praktische Anwendung generativer KI über diverse Medien und Workflows hinweg, einschließlich Textgenerierung, fotorealistischer Bilderstellung und audiovisueller Produktion. Es behandelt zudem die Entwicklung autonomer Agenten, KI-gestützte Programmierung und die Automatisierung von Business-Workflows für Marketing und Kommunikation. Das Projekt bietet Ressourcen für Modelloptimierung, Evaluierung und das Management von Prompt-Lifecycles innerhalb einer interaktiven Experimentierumgebung.

Llama Cloud Services is a knowledge management platform and hosted service designed to parse, ingest, and index complex documents. It functions as a cloud knowledge base and an automated ingestion pipeline that converts unstructured documents into searchable indices for retrieval-augmented generation. The system employs autonomous agents to perform agentic data extraction, transforming unstructured information into structured data formats. It provides tools for cloud knowledge base administration, allowing for the management of hosted repositories that power specialized large language model a

This project is a multi-purpose toolkit consisting of an AI agent knowledge base, a developer tool UI kit, a markdown presentation framework, a technical diagram renderer, and a TypeScript library bundler. It provides the infrastructure to curate documented guidelines into structured collections for automated AI outputs while offering tools for creating technical content and distributing software libraries. The markdown presentation framework allows for the creation of interactive slide decks featuring synchronized code blocks, motion transitions, and the rendering of mathematical formulas an

This Python SDK provides a comprehensive toolkit for synthetic audio generation, voice cloning, and the development of conversational AI agents. It enables the creation of lifelike spoken audio from text, the replication of human voices through custom cloning, and the deployment of real-time voice agents capable of interacting with external large language models. The library distinguishes itself through deep integration of conversational AI capabilities, including the design of agent personas and the execution of real-time actions via APIs. It supports professional-grade audio production thro

SalesGPT is an AI-powered sales agent platform that autonomously handles customer conversations, schedules meetings, and manages sales pipelines using language models. It is built on the LangChain framework and orchestrates multi-stage sales dialogues across voice, email, and messaging channels, grounding responses in product knowledge to reduce hallucinations and answer inquiries accurately. The agent guides conversations through predefined stages such as Introduction, Qualification, and Close using a state machine that tracks progress, while a reactive tool loop selects and executes externa