4 Repos
Maintaining independent AI session contexts across different Git worktrees.
Distinct from Parallel Worktree Development Sessions: Focuses on the isolation of tracking contexts for different worktrees rather than orchestrating parallel execution.
Explore 4 awesome GitHub repositories matching artificial intelligence & ml · Worktree Session Isolation. Refine with filters or upvote what's useful.
jcode ist ein Framework für die Entwicklung autonomer KI-Coding-Agenten, die Softwareentwicklungsaufgaben automatisieren. Es fungiert als Agenten-Orchestrator, Tool-Laufzeitumgebung und semantische Speicher-Engine und ermöglicht die Erstellung von Agenten, die Code modifizieren, Tests ausführen und ihre eigene Funktionalität iterieren können. Das Projekt zeichnet sich durch die Verwendung von rekursivem Agenten-Swarming aus, bei dem eine Hierarchie zusammenarbeitender Agenten untergeordnete Agenten hervorbringen kann, um komplexe Aufgaben zu zerlegen. Es implementiert ein semantisches Speichersystem, das vektorbasierte Abfrage mit graphenbasierter Beziehungszuordnung kombiniert, um den Kontext über Sitzungen hinweg zu wahren. Um Risiken zu verwalten, verwendet das System eine gestaffelte Aktions-Governance, die für sensible Operationen eine menschliche Genehmigung erfordert und Agentenaktivitäten innerhalb separater Git-Worktrees isoliert. Das Framework enthält ein umfassendes Browser-Automatisierungs-Toolkit für die Interaktion mit Webseiten, das Extrahieren von DOM-Snapshots und das Erfassen von Screenshots. Es implementiert zudem das Model Context Protocol zur Integration externer Tools und Daten und unterstützt binäres Hot-Reloading, um den Server zu aktualisieren, ohne aktive Netzwerkverbindungen zu verlieren. Das System bietet eine Befehlszeilenschnittstelle zur Verwaltung von Agenten-Speichern und enthält Audit-Tools, um den Fortschritt von Plänen zu verfolgen und die Topologie des Agenten-Schwarms zu visualisieren.
Maintains independent AI session contexts across different Git worktrees to isolate development activities.
my-git ist ein umfassendes Framework und Referenzhandbuch für die Git-Versionskontrollverwaltung, Repository-Governance und Software-Release-Management. Es bietet einen strukturierten Ansatz für die Verwaltung des Softwareentwicklungslebenszyklus, von der ersten Feature-Verzweigung bis zur finalen Bereitstellung in der Produktion. Das Projekt zeichnet sich durch ein spezialisiertes KI-gestütztes Entwicklungsframework aus. Dies umfasst Workflows für die Verwaltung von KI-generiertem Code mittels automatisierter Diff-Reviews, absichtsbasiertem Commit-Splitting sowie Governance-Modellen für Multi-Agenten-Koordination und Sitzungsisolierung unter Verwendung von Worktrees. Die Codebasis deckt ein breites Spektrum an Engineering-Praktiken ab, einschließlich CI/CD-Pipeline-Automatisierung, Enterprise-Repository-Governance und fortgeschrittenen Wiederherstellungsverfahren zur Wiederherstellung verlorener Commits oder zum Bereinigen sensibler Daten. Es beschreibt zudem detailliert Kollaborationsmuster wie Trunk-based Development, Stacked Pull Requests und gestufte Genehmigungssysteme. Das Repository dient als technische Referenz und Anleitung für die Implementierung standardisierter Branching-Strategien und Repository-Sicherheitsrichtlinien.
Uses Git worktrees to create separate directory instances for different AI tasks to prevent file overwrites.
This project is a Git-based AI session tracker and context manager designed to record AI agent interactions, transcripts, and tool usage directly into Git repositories. It functions as a system for capturing and indexing the reasoning behind code changes, linking AI prompts and responses to specific code commits to preserve developer intent. The tool distinguishes itself by using Git as a primary storage layer for session metadata, utilizing shadow branches and checkpoints to track agent state without polluting the main commit log. It includes specialized capabilities for auditing AI contribu
Maintains independent session tracking for different Git worktrees to prevent state conflicts.
This project provides a comprehensive guide and framework for implementing autonomous AI coding assistants within local development environments. It focuses on orchestrating multi-agent teams that can plan, execute, and verify complex software engineering tasks, such as refactoring, bug resolution, and test generation, while maintaining deep awareness of project-specific context and memory. The system distinguishes itself through a robust security-first architecture that enforces granular access controls, execution isolation, and mandatory human-in-the-loop approvals for all file modification
Maintains independent AI session contexts across different Git worktrees to prevent interference.