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 es un sistema de ingeniería de software automatizado que utiliza modelos de lenguaje de gran tamaño (LLM) para resolver issues de GitHub. Funciona como un ingeniero de software de IA que transforma descripciones de problemas en lenguaje natural en cambios de código concretos y pull requests. El sistema se integra con webhooks de GitHub para activar flujos de trabajo basados en la creación de issues o actualizaciones de etiquetas. Emplea un bucle de retroalimentación iterativo que analiza errores de compilación y resultados de pruebas para refinar el código generado y corregir errores. La herramienta cubre una variedad de capacidades de mantenimiento, incluyendo la corrección automática de errores, la implementación de funciones y la refactorización de bases de código. Incorpora análisis estático y prompts conscientes del contexto para garantizar que el código generado cumpla con los estándares de tipado, registro y arquitectura específicos del proyecto. La seguridad se gestiona mediante barreras de protección basadas en reglas y restricciones de acceso que impiden que el agente modifique archivos o directorios protegidos.

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 es una plataforma de automatización DevOps impulsada por LLM y un agente de desarrollo de software con IA. Transforma requisitos en lenguaje natural en código funcional y despliegues automatizados coordinando el análisis de la base de código, la generación de código y los pipelines de entrega. El sistema cuenta con un motor de generación de código automatizado y un motor de descomposición basado en tareas que analizan las estructuras del proyecto para producir extensiones de código conscientes del contexto. Utiliza un sistema de integración de modelos conectables para enlazar con despliegues de modelos de lenguaje privados o profesionales para tareas de desarrollo específicas del dominio. La plataforma gestiona el ciclo de vida completo de entrega de software a través de un orquestador de pipeline CI/CD que vincula la síntesis de código con herramientas de prueba y despliegue automatizadas. Esto incluye capacidades para el lanzamiento de versiones de software y la integración con varias plataformas DevOps externas.

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

Este proyecto es un recurso educativo diseñado para enseñar desarrollo de software de bajo nivel mediante la construcción incremental de un editor de texto funcional basado en terminal. Proporciona un plan de estudios paso a paso que guía a los usuarios a través del proceso de creación de una aplicación interactiva desde cero utilizando C y el manejo estándar de entrada de terminal. El tutorial se distingue por utilizar un patrón de implementación incremental, donde cada hito funcional se basa en el código anterior para garantizar una curva de aprendizaje manejable. Para apoyar este proceso, el proyecto incluye una utilidad de línea de comandos que compara el código fuente local con implementaciones de referencia, normalizando espacios en blanco y formato para verificar la corrección de cada paso del desarrollo. El plan de estudios cubre la arquitectura fundamental de terminales, incluyendo el manejo de entrada en modo raw, la gestión dinámica de buffers y el uso de secuencias de escape para el renderizado en pantalla. Estos ejercicios proporcionan experiencia práctica en la gestión de interfaces de usuario de terminal y estructuras de datos basadas en texto. La documentación del proyecto está estructurada para facilitar el aprendizaje a ritmo propio y está disponible para su despliegue en entornos de alojamiento remoto.