Awesome GitHub RepositoriesFeedback Loops

Agent-skills is a collection of structured instructions and behavioral personas designed to standardize how AI coding agents perform engineering tasks. It functions as a workflow orchestrator that maps natural language intent to repeatable technical sequences and verification checklists. The project distinguishes itself through the use of specialized markdown-defined roles, such as security auditors or test engineers, to apply targeted domain expertise. It employs an evidence-based verification model that requires runtime data or passing tests as mandatory exit criteria to ensure AI-generated

This project is a comprehensive knowledge base and educational resource for JavaScript developers, focused on establishing industry-standard methodologies for automated software testing. It provides a structured collection of design patterns and actionable guidelines designed to improve code reliability, maintainability, and overall software quality across the development lifecycle. The repository distinguishes itself by offering a granular, pattern-based approach to testing that spans unit, integration, and end-to-end verification. It emphasizes specific architectural strategies such as comp

This repository serves as the official tracking and governance framework for the evolution of the ECMAScript language. It provides the structured methodology used by the software standards committee to manage the lifecycle of new language features, guiding them from initial ideation through formal ratification in the official technical specification. The process relies on a stage-gate maturity model that requires increasing levels of technical evidence, experimental prototyping, and community consensus before a feature can advance. This approach ensures that every addition to the language und

AI-Scientist is an autonomous research pipeline and framework for scientific discovery. It employs large language model agents to manage the full lifecycle of a scientific project, from initial hypothesis generation to the production of formal academic papers. The system operates through a repeating research loop that integrates automated experimental execution, data analysis, and literature novelty verification. It queries external academic databases to validate the originality of ideas and retrieve citations, then translates experimental findings into LaTeX manuscripts. To refine these outp

This project is an LLM coding agent orchestrator and AI software engineering platform designed to manage fleets of agents that autonomously solve issues, handle pull requests, and fix CI failures. It functions as an agentic CI/CD automator and parallel workflow manager, coordinating the end-to-end development lifecycle from initial ticket tracking to final code merging. The system is distinguished by its modular plugin framework and isolated worktree management, which allow multiple agents to work on separate coding tasks simultaneously without file system conflicts. It utilizes role-based mo

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.

size-limit is a set of specialized tools for measuring JavaScript bundle sizes and enforcing performance budgets within continuous integration pipelines. It functions as a bundle size monitor and budget enforcer that can reject pull requests when JavaScript bundles exceed predefined size thresholds. The project distinguishes itself by providing a browser-based execution profiler that calculates the time required to compile and execute JavaScript on simulated low-end hardware. It also includes a tree-shaking validator that analyzes partial import bundle sizes to verify that unused code is corr

danger-js ist ein automatisiertes Code-Review-Tool und CI-Pipeline-Plugin, das als Pull-Request-Linter fungiert. Es überprüft Commit-Nachrichten, verfolgt Abhängigkeitsänderungen und stellt sicher, dass Pull Requests den Projektstandards entsprechen, indem es automatisiertes Feedback und Kommentare direkt in die Versionskontroll-Oberfläche postet. Das System integriert sich in verschiedene Git-Provider, darunter GitHub, GitLab und BitBucket, um Pull-Request-Metadaten abzurufen und benutzerdefinierte Review-Regeln auszuführen. Es erlaubt Teams, Review-Konventionen als teilbare Module zu verpacken und unterstützt die Ausführung von Regeln, die in transpilierten Sprachen geschrieben wurden, über Laufzeitkonfiguration. Das Projekt deckt ein breites Spektrum an Automatisierungsfunktionen ab, einschließlich Governance der Codequalität, Audits des Abhängigkeitsmanagements und der Durchsetzung von Pull-Request-Etikette. Es kann Ergebnisse von externen Lintern, Test-Runnern und Coverage-Tools parsen, um Fehler zu melden, Bundle-Größen zu überwachen und Anti-Patterns oder verbotene Wörter innerhalb der Codebasis zu erkennen. Das Tool kann als Build-Schritt innerhalb einer CI-Pipeline oder lokal über Git-Hooks ausgeführt werden.

CML ist ein Pipeline-Automatisierungstool zum Trainieren und Evaluieren von Machine-Learning-Modellen und fungiert als CI/CD-System für Machine Learning. Es dient als Cloud-Compute-Orchestrator und Git-basierter Workflow-Manager, der Machine-Learning-Trainingszyklen durch Branch-Management, automatisierte Commits und integriertes Reporting automatisiert. Das Projekt zeichnet sich dadurch aus, dass es ephemere Cloud-Instanzen oder Kubernetes-Nodes bereitstellt, um spezialisierte Hardware für rechenintensive Aufgaben zur Verfügung zu stellen. Es verwaltet zudem Remote-Compute-Runner, was die Anbindung selbstgehosteter GPU-Cluster oder On-Premise-Maschinen zur Ausführung containerisierter Machine-Learning-Workflows ermöglicht. Das System deckt ein breites Spektrum an Funktionen ab, einschließlich ML-Experiment-Tracking, bei dem Leistungsmetriken und Visualisierungen direkt in Pull Requests der Versionsverwaltung gepostet werden. Es handhabt die ML-Pipeline-Automatisierung vom initialen Datenimport und der Versionierung bis hin zur Generierung formatierter Workflow-Berichte und externer Visualisierungslinks. Das Tool bietet zusätzlichen Nutzen für das Infrastruktur-Management durch SSH-basiertes Remote-Debugging und die Möglichkeit, unterbrochene Jobs fortzusetzen.

WritingAIPaper is a suite of tools designed for automating the structuring, drafting, and auditing of academic research manuscripts. It functions as an AI writing assistant that guides the creation of papers from a core idea to a finished document, utilizing a research manuscript structuring tool to organize content around specific technical contributions. The project includes a deceptive research practice detector that identifies common reporting manipulations, such as hyperparameter cherry-picking, selective metric reporting, and incremental padding. It also provides a submission readiness

WordPress Coding Standards is a collection of rules for the PHP CodeSniffer engine designed to enforce consistent coding conventions and best practices within PHP projects. It functions as a specialized static analysis tool that scans source code to identify style violations, security vulnerabilities, and potential bugs before execution. By integrating into development workflows, it ensures that code adheres to official project conventions, maintaining readability and consistency across large-scale plugin and theme development. The project distinguishes itself through deep domain-specific val

This project is a specialized instruction set for AI coding agents designed to perform structured, language-specific code reviews. It functions as an automated tool that evaluates source code against predefined checklists to identify security, performance, and architectural inconsistencies across diverse technology stacks. The system distinguishes itself by employing a multi-phase analysis pipeline that moves from high-level architectural assessments to granular, line-by-line inspections. It utilizes a severity-based taxonomy to categorize findings, clearly separating blocking security issues