Awesome GitHub RepositoriesIncremental Implementations

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

Devika is an autonomous AI software engineering system designed to plan, write, and debug code from high-level natural language instructions. It functions as an agentic software engineer that decomposes complex objectives into actionable coding steps for autonomous execution. The system integrates cloud-based and self-hosted large language models through a provider-agnostic layer, allowing for multi-model reasoning and code completion. It distinguishes itself by combining these models with a sandboxed execution environment for running code across different operating systems and a web-browsing

This project is a Lisp interpreter implementation guide and framework designed to teach the core principles of programming language design. It provides a structured, step-by-step technical framework for building a functional Lisp language from scratch, featuring a specialized interpreter engine and an S-expression parser that converts syntax into abstract syntax trees. The project emphasizes a code-as-data metaprogramming framework, enabling the implementation of macros, quoting, and quasiquoting to transform expressions during evaluation. It is designed with host language agnosticism, allowi

vibe-coding-cn is an AI software development workflow and prompt engineering framework designed to transform product ideas into functional applications using natural language. It functions as an AI agent orchestration system that coordinates specialized skills and quality gates to guide the incremental creation of software. The framework distinguishes itself through a project memory system that maintains architectural and design documentation to preserve context during long-term collaborations. It employs a prompt optimization library that utilizes recursive loops, chain-of-thought reasoning,

Sweep ist ein automatisiertes Software-Engineering-System, das Large Language Models nutzt, um GitHub-Issues zu lösen. Es fungiert als KI-Softwareentwickler, der natürlichsprachliche Issue-Beschreibungen in konkrete Codeänderungen und Pull Requests umwandelt. Das System integriert sich in GitHub-Webhooks, um Workflows basierend auf der Erstellung von Issues oder Label-Updates auszulösen. Es verwendet eine iterative Feedbackschleife, die Compiler-Fehler und Testergebnisse analysiert, um den generierten Code zu verfeinern und Bugs zu beheben. Das Tool deckt eine Reihe von Wartungsaufgaben ab, darunter automatisiertes Bugfixing, Feature-Implementierung und Refactoring der Codebasis. Es nutzt statische Analyse und kontextbezogenes Prompting, um sicherzustellen, dass der generierte Code projektspezifische Standards für Typisierung, Logging und Architektur einhält. Die Sicherheit wird durch regelbasierte Leitplanken und Zugriffsbeschränkungen verwaltet, die verhindern, dass der Agent geschützte Dateien oder Verzeichnisse modifiziert.

This is an open-source educational website that translates and localizes MIT's Missing Semester course, teaching practical computing skills for computer science students. The curriculum covers developer tooling, shell scripting, version control, security fundamentals, and open-source collaboration, with a focus on core computing skills including data processing pipelines, workflow automation, secure remote access, shell productivity, Vim editing, and Git version control. The project distinguishes itself by teaching command-line mastery, shell scripting, and automation to boost daily developer

This project is a reference catalogue of the new syntax and behavioral changes introduced in the ECMAScript 6 (ES6) specification for JavaScript. It serves as a curated overview and comparison table of the language features defined by the standard, documenting additions such as block scoping with let and const, arrow function syntax, default parameter handling, and rest parameter collection. The reference is structured as a side-by-side comparison chart that maps old and new JavaScript syntax patterns, providing a focused guide for each capability. It covers the core language fundamentals

DevOpsGPT ist eine LLM-gesteuerte DevOps-Automatisierungsplattform und ein KI-Softwareentwicklungs-Agent. Er wandelt natürlichsprachliche Anforderungen in funktionalen Code und automatisierte Bereitstellungen um, indem er Codebasis-Analysen, Code-Generierung und Delivery-Pipelines koordiniert. Das System verfügt über eine automatisierte Code-Generierungs-Engine und eine aufgabenbasierte Zerlegungs-Engine, die Projektstrukturen analysieren, um kontextbewusste Code-Erweiterungen zu erstellen. Es nutzt ein steckbares Modell-Integrationssystem, um sich für domänenspezifische Entwicklungsaufgaben mit privaten oder professionellen Sprachmodell-Bereitstellungen zu verbinden. Die Plattform verwaltet den gesamten Software-Delivery-Lebenszyklus durch einen CI/CD-Pipeline-Orchestrator, der Codesynthese mit automatisierten Test- und Bereitstellungstools verknüpft. Dies umfasst Funktionen für Software-Version-Releases und die Integration mit verschiedenen externen DevOps-Plattformen.

Potpie is an LLM codebase analysis platform and multi-agent orchestration framework designed to act as an AI software engineer. It parses repositories into a structured code knowledge graph, enabling AI agents to perform multi-hop reasoning, dependency tracing, and grounded technical analysis across large codebases. The system distinguishes itself through a spec-driven development framework where agents generate detailed technical specifications and architecture plans before implementing multi-file code changes. It utilizes a durable execution engine to coordinate specialized AI personas for

Agent-OS is an LLM multi-agent orchestration framework and AI software development lifecycle tool designed to coordinate specialized agents through shared workspaces and structured task lists. It functions as an agentic application bootstrapper and technical specification engine, providing the infrastructure to guide the process from product requirements to automated coding and deployment. The system distinguishes itself through spec-driven development, using detailed technical specifications and layered context injection to ensure generated code aligns with project standards. It employs a ma

Conductor is an agentic coding tool that plans, generates, and manages software features through structured tracks and human-reviewed plans. It operates as a plan-driven code generator, reading structured plan files to determine the sequence of tasks and their dependencies before executing any code generation or modification. The system also functions as a feature specification manager, defining features in formal specification files that capture goals, requirements, and implementation steps as machine-readable documents. The tool distinguishes itself through a git-history-based undo system t

Dieses Projekt ist eine Bildungsressource, die Low-Level-Softwareentwicklung durch den schrittweisen Aufbau eines funktionalen terminalbasierten Texteditors vermittelt. Es bietet einen Lehrplan, der Benutzer Schritt für Schritt durch den Prozess der Erstellung einer interaktiven Anwendung von Grund auf mit C und Standard-Terminal-Input-Handling führt. Das Tutorial zeichnet sich durch ein inkrementelles Implementierungsmuster aus, bei dem jeder funktionale Meilenstein auf dem vorherigen Code aufbaut, um eine bewältigbare Lernkurve zu gewährleisten. Zur Unterstützung dieses Prozesses enthält das Projekt ein CLI-Tool, das den lokalen Quellcode mit Referenzimplementierungen vergleicht und Whitespace sowie Formatierungen normalisiert, um die Korrektheit jedes Entwicklungsschritts zu verifizieren. Der Lehrplan deckt grundlegende Terminal-Architektur ab, einschließlich Raw-Mode-Input-Handling, dynamischem Puffer-Management und der Verwendung von Escape-Sequenzen für das Display-Rendering. Diese Übungen bieten praktische Erfahrung im Umgang mit Terminal-Benutzeroberflächen und textbasierten Datenstrukturen. Die Projektdokumentation ist so strukturiert, dass sie selbstgesteuertes Lernen erleichtert und für die Bereitstellung in Remote-Hosting-Umgebungen geeignet ist.