Awesome GitHub RepositoriesData Validation Frameworks

CrewAI is a multi-agent orchestration framework designed for building autonomous systems that execute complex, multi-step workflows. It provides a development platform where specialized agents are defined with specific roles, goals, and tool sets to perform tasks collaboratively. By leveraging a declarative workflow engine, the system manages task dependencies, state transitions, and execution logic, allowing for the creation of structured, stateful sequences of operations. The framework distinguishes itself through its hierarchical management capabilities, which utilize manager agents to coo

Symfony is a full-stack web framework designed for building scalable and maintainable server-side applications. It provides a comprehensive collection of decoupled components that form a foundational architecture, centered on a robust dependency injection container and a configuration-driven routing engine. By organizing code into modular services, the framework ensures that application components remain testable and loosely coupled throughout the development lifecycle. The framework distinguishes itself through an event-driven kernel architecture that allows developers to intercept and modif

Ajv is a high-performance data validation framework that compiles JSON schemas into optimized, standalone JavaScript functions. By transforming declarative schema definitions into executable code, it eliminates runtime interpretation overhead and provides a secure, efficient way to enforce data integrity across both browser and server environments. The library distinguishes itself through its focus on performance and type safety. It employs advanced compilation techniques, including abstract syntax tree optimization and function caching, to ensure rapid validation. Beyond standard checks, it

Este proyecto es una biblioteca y framework de validación de JSON Schema utilizado para verificar que las instancias de datos se ajusten a definiciones declarativas. Funciona como un motor de validación que aplica restricciones estructurales y tipos de datos, al tiempo que sirve como un meta-validador para garantizar que las definiciones de esquema en sí sean sintácticamente correctas frente a meta-esquemas oficiales. La biblioteca está diseñada para la extensibilidad, permitiendo a los usuarios definir lógica de validación personalizada mapeando palabras clave de esquema a funciones invocables especializadas. Incluye un resolvedor de referencias basado en registro para gestionar referencias URI internas y externas para reutilizar subesquemas en diferentes documentos. El sistema cubre una amplia gama de capacidades de validación, incluyendo la verificación de tipos de datos, verificación de formato de cadena para tipos como correos electrónicos y UUIDs, e informes de errores completos. Las herramientas de diagnóstico proporcionan seguimiento de errores anidados y filtrado heurístico para identificar los fallos más relevantes dentro de una estructura de datos.

Este proyecto es una implementación en Python de la especificación JSON Schema, que proporciona una biblioteca para verificar que las instancias de datos se ajusten a los esquemas definidos. Sirve como un framework de validación de datos capaz de validar tanto los datos en sí como los esquemas frente a meta-esquemas oficiales para garantizar la corrección estructural. La biblioteca cuenta con un resolvedor de referencias de esquema que mapea URIs a definiciones, permitiendo la resolución de referencias internas y remotas para la gestión modular de esquemas. Está diseñada para la extensibilidad, permitiendo la definición de palabras clave personalizadas, lógica de verificación de tipos personalizada y el registro de nuevas funciones de validación para formatos de cadena especializados. El sistema proporciona informes de errores completos que identifican todas las violaciones en una instancia de datos y las organiza en una jerarquía estructurada en árbol. Esto permite la consulta programática de fallos de validación, la extracción de metadatos de diagnóstico y la identificación de errores primarios basados en la jerarquía de datos. La implementación admite múltiples borradores de especificaciones a través de clases de validación específicas de la versión y especificaciones de dialecto de esquema.

Esta biblioteca es un marco de validación declarativo para Rust que impone la integridad de los datos y las reglas de negocio en modelos de datos estructurados. Utiliza macros procedimentales para transformar anotaciones basadas en atributos en lógica de validación ejecutable, asegurando que las estructuras de datos se adhieran a las restricciones definidas antes del procesamiento. El marco se distingue por realizar la validación en tiempo de compilación, lo que elimina la sobrecarga en tiempo de ejecución y proporciona una verificación de tipos estricta para todas las reglas. Admite el recorrido recursivo de estructuras de datos anidadas y colecciones, asegurando que cada nivel de una jerarquía sea verificado. Más allá de las restricciones de campos individuales, el sistema proporciona ganchos para comprobaciones de consistencia entre campos y permite la integración de funciones personalizadas específicas del dominio para manejar requisitos de negocio complejos. La biblioteca ofrece una interfaz unificada para implementar rutinas de validación personalizadas en estructuras de datos dispares. Se distribuye como un crate con documentación que cubre la aplicación de atributos declarativos para imponer formatos, rangos e integridad estructural.

Este proyecto es un framework de validación de datos para el lenguaje de programación Go que impone integridad aplicando restricciones declarativas a los campos de los structs. Utiliza reflexión para inspeccionar estructuras de datos en tiempo de ejecución, mapeando los requisitos a nivel de campo definidos en los tags de los structs a una lógica de validación específica. La librería se distingue por su capacidad para manejar grafos de objetos complejos recorriendo recursivamente estructuras anidadas y slices. Soporta validación consciente del contexto, permitiendo a los desarrolladores cambiar entre diferentes conjuntos de reglas para la misma estructura de datos según el estado de la aplicación o requisitos específicos. Más allá de las comprobaciones de campo estándar, el framework proporciona un sistema basado en registro para definir funciones de validación personalizadas. Esto permite la integración de lógica de negocio especializada para manejar tareas complejas de verificación de datos, como sanitizar payloads de peticiones API entrantes o imponer restricciones de unicidad en toda una aplicación.