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 es un framework integral y guía de referencia para la administración del control de versiones Git, la gobernanza de repositorios y la gestión de lanzamientos de software. Proporciona un enfoque estructurado para gestionar el ciclo de vida del desarrollo de software, desde la ramificación inicial de funciones hasta el despliegue final en producción. El proyecto se distingue por un framework de desarrollo asistido por IA especializado. Esto incluye flujos de trabajo para gestionar código generado por IA mediante revisiones de diff automatizadas, división de commits basada en intenciones y modelos de gobernanza para la coordinación multi-agente y el aislamiento de sesiones utilizando worktrees. La base de código cubre una amplia superficie de prácticas de ingeniería, incluyendo la automatización de tuberías CI/CD, la gobernanza de repositorios empresariales y procedimientos de recuperación avanzados para restaurar commits perdidos o purgar datos sensibles. Detalla además patrones de colaboración como el desarrollo basado en trunk, pull requests apilados y sistemas de aprobación escalonados. El repositorio sirve como referencia técnica y manual de instrucciones para implementar estrategias de ramificación estandarizadas y políticas de seguridad de repositorios.

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 es una herramienta de revisión de código automatizada y plugin de pipeline de CI que funciona como un linter de pull requests. Verifica mensajes de commit, rastrea cambios en dependencias y asegura que los pull requests cumplan con los estándares del proyecto publicando comentarios y feedback automatizados directamente en la interfaz de control de versiones. El sistema se integra con varios proveedores de Git, incluyendo GitHub, GitLab y BitBucket, para recuperar metadatos de pull requests y ejecutar reglas de revisión personalizadas. Permite a los equipos empaquetar y distribuir convenciones de revisión como módulos compartibles y admite la ejecución de reglas escritas en lenguajes transpilados mediante configuración de runtime. El proyecto cubre una amplia gama de capacidades de automatización, incluyendo gobernanza de calidad de código, auditorías de gestión de dependencias y la aplicación de etiqueta en pull requests. Puede analizar resultados de linters externos, ejecutores de pruebas y herramientas de cobertura para reportar fallos, monitorear tamaños de bundle y detectar anti-patrones o palabras prohibidas dentro del código base. La herramienta puede ejecutarse como un paso de compilación dentro de un pipeline de integración continua o localmente mediante git-hooks.

CML es una herramienta de automatización de pipelines para entrenar y evaluar modelos de machine learning, funcionando como un sistema CI/CD para machine learning. Sirve como orquestador de computación en la nube y gestor de flujos de trabajo basado en Git que automatiza los ciclos de entrenamiento de modelos mediante la gestión de ramas, commits automatizados e informes integrados. El proyecto se distingue por aprovisionar instancias de nube efímeras o nodos de Kubernetes para proporcionar hardware especializado para tareas de computación intensiva. También gestiona runners de computación remota, permitiendo la conexión de clusters de GPU autohospedados o máquinas on-premise para ejecutar flujos de trabajo de machine learning contenerizados. El sistema cubre una amplia gama de capacidades, incluyendo el seguimiento de experimentos de ML, donde las métricas de rendimiento y visualizaciones se publican directamente en los pull requests de control de versiones. Maneja la automatización de pipelines de ML desde la importación y versionado inicial de datos hasta la generación de informes de flujo de trabajo formateados y enlaces de visualización externos. La herramienta proporciona utilidad adicional para la gestión de infraestructura a través de depuración remota basada en SSH y la capacidad de reanudar trabajos interrumpidos.

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