Awesome GitHub RepositoriesCognitive Frameworks

This project is a comprehensive AI infrastructure that combines an LLM agent orchestration framework, an autonomous research system, and a local AI environment. It centers on the creation of a personal knowledge graph and a programmatic prompt engineering library to provide long-term memory and optimized reasoning for artificial intelligence tasks. The system is distinguished by its ability to compose multi-agent teams using specialized personas and deterministic skills to execute complex workflows. It features an autonomous research pipeline capable of deep investigations and adversarial ana

Context-Engineering is a prompt engineering framework and cognitive architecture for large language models. It provides a set of patterns and methodologies for designing structured prompts and modular reasoning flows that decompose complex tasks into specialized, step-by-step problem solving templates. The project distinguishes itself through stateful prompt management and context window optimization. It maintains persistent memory across multiple interaction turns by compressing conversation history into compact internal state cells and employs techniques to maximize information density per

Dieses Projekt bietet Methoden und Anleitungen für strukturiertes Prompt Engineering, generative Workflows und spezialisierte Strategien zur Bildgenerierung. Es dient als Framework zur Optimierung von Eingaben für Large Language Models (LLMs) in den Bereichen Programmierung, Textverarbeitung und Analyse sowie als Bibliothek für Techniken zur Steuerung von Diffusionsmodellen. Das Projekt zeichnet sich durch ein KI-gestütztes Software-Design-Framework aus, das Geschäftsanforderungen mittels Domain-Driven Prompting in technische Architekturen und Code übersetzt. Zudem implementiert es generative KI-Workflow-Muster, die sequentielle Prompt-Pipelines und kognitive Frameworks nutzen, um vorhersehbare Modellausgaben zu gewährleisten. Das Funktionsspektrum umfasst Softwarearchitektur durch Domain-Driven API-Modellierung und die Generierung domänenspezifischer Sprachen (DSLs). Es erstreckt sich zudem auf die Bildgenerierung, einschließlich struktureller Bildbindung, personalisiertem Modelltraining und iterativer Inpainting-Verfeinerung zur Korrektur visueller Artefakte. Das Projekt ist als eine Reihe von Jupyter Notebooks implementiert.