Awesome GitHub RepositoriesAI Code Interpreters

Khoj is a self-hosted artificial intelligence platform designed for personal knowledge management and semantic information retrieval. It functions as a private assistant that indexes your local documents, notes, and external workspaces, allowing you to interact with your data through natural language queries and conversational chat. By maintaining a local-first architecture, the system ensures that your information remains under your control while providing context-aware responses grounded in your personal knowledge base. The platform distinguishes itself through a modular, cross-platform int

Owl is a framework for agentic workflow automation and multi-agent orchestration. It functions as a system for coordinating autonomous large language model agents to decompose and execute complex tasks through shared communication and collaborative planning. The project distinguishes itself through a multi-modal toolset for processing images, audio, and video, alongside a synthetic data generator that produces domain-specific datasets using self-instruct and verifier loops. It further incorporates a retrieval-augmented generation pipeline framework that integrates long-term memory and real-ti

This project is a comprehensive framework for building and managing autonomous agent systems. It provides a unified architecture for orchestrating multi-agent societies, where specialized agents collaborate through roleplay to decompose and solve complex tasks. The system integrates language models with external environments, enabling agents to perform real-world actions through a standardized tool-calling abstraction layer. The framework distinguishes itself through its focus on iterative reasoning and data reliability. It employs automated feedback loops to refine agent outputs and self-eva

This project provides a dockerized AI workflow stack and orchestration templates for deploying a self-hosted AI environment. It establishes a localized infrastructure for building autonomous agents and model chains that process private data on-premises without external cloud dependencies. The environment is designed to support autonomous agent development, allowing models to dynamically select tools, execute shell commands, and interact with local file systems. It includes integrated vector database support to enable retrieval augmented generation and private document analysis. The stack cov

OpenSandbox is a secure sandbox runtime and containerized code execution engine designed to run AI-generated code and scripts in isolated environments. It serves as a workload orchestrator that prevents host system contamination by utilizing kernel-level isolation to execute arbitrary commands and scripts. The project distinguishes itself by providing a model context server that bridges large language models to the sandbox for performing file operations and system commands. It also includes a remote GUI sandbox that supports browser automation and desktop interfaces via remote access protocol

TaskWeaver is an LLM agent framework that interprets natural language requests and executes them as Python code, SQL queries, or shell commands. It functions as a conversational code interpreter that maintains stateful data structures across turns, generating executable code from user prompts within a session-based environment. The system is designed as a self-hosted AI agent platform that can be deployed in Docker, managing sessions and providing a web UI for data analytics and automation tasks. The framework distinguishes itself through a role-based multi-agent architecture that divides the

OptiLLM est un proxy d'inférence et un routeur de passerelle qui dirige les prompts vers des modèles de langage spécifiques en fonction du coût, des performances et de la santé du fournisseur. Il fonctionne comme une couche middleware conçue pour optimiser les requêtes via un routage intelligent, l'équilibrage de charge et la gestion du contexte. Le projet fournit des capacités spécialisées pour la protection des données en anonymisant les informations personnellement identifiables avant que les requêtes n'atteignent un modèle. Il agit également comme un orchestrateur de raisonnement et une couche d'intégration d'outils, utilisant des boucles d'inférence et l'auto-réflexion pour améliorer la précision tout en connectant les modèles à des serveurs de protocole externes, du contenu web et des interpréteurs de code. La fonctionnalité supplémentaire inclut une interface pilotée par schéma pour générer des sorties structurées lisibles par machine. Le système gère également la haute disponibilité via l'équilibrage de charge au niveau du fournisseur et la surveillance de la santé.

Ce projet est un framework d'application et un environnement d'exécution qui intègre des grands modèles de langage avec l'exécution système locale et le contrôle matériel externe. Il fonctionne comme un orchestrateur multimodal, coordonnant des modèles de vision, de parole et d'experts de domaine au sein d'une boucle de traitement unique pour raisonner à travers divers types de données. Le framework permet la génération et l'exécution de code autonome, permettant aux modèles de langage d'écrire et d'exécuter des scripts Python via un interpréteur de code pour automatiser les tâches du système d'exploitation et les logiciels hôtes. Il étend davantage ces capacités aux environnements physiques via une interface d'automatisation matérielle qui déclenche des actions sur les téléphones mobiles et les appareils réseau locaux. Le système inclut également des pipelines pour l'analyse automatisée de documents et de multimédias. Ces outils traitent les fichiers locaux pour extraire du texte et identifier les risques juridiques dans les contrats, ainsi qu'extraire les voix des fichiers vidéo pour produire des scripts textuels nettoyés et corrigés grammaticalement.

Positron is a data science integrated development environment and AI-powered code editor designed for polyglot development, specifically supporting Python and R. It functions as a remote compute workspace that separates the user interface from the execution kernel via SSH or container integration. The environment features a deep integration of large language models that provide context-aware suggestions and automated data analysis by accessing real-time interpreter state, in-memory objects, and plot outputs. It distinguishes itself through a polyglot runtime bridge that enables cross-language

This project provides a programmatic interface and framework for integrating large language models with secure, stateful, and multimodal code execution environments. It functions as a code interpreter API that enables the execution of arbitrary Python scripts within isolated sandboxed runtimes. The system supports multimodal data analysis by processing combined text and file inputs to generate visualizations and computational results. It manages stateful workflows by maintaining conversation memory and session history, allowing language models to complete multi-step technical tasks. The fram

ruby_llm is an LLM integration framework and AI agent orchestrator designed to connect applications to multiple large language model providers through a unified interface. It serves as a toolkit for building autonomous assistants with custom personas, managing structured output via JSON schemas, and implementing vector embedding engines for semantic search. The project distinguishes itself as an observability suite and multimodal toolkit. It provides specialized capabilities for tracking token usage, calculating model costs, and tracing workflows via OpenTelemetry, while supporting the proces

Ce projet fournit un moteur d'exécution conteneurisé et sécurisé conçu pour exécuter du code non fiable au sein d'environnements isolés. Il fonctionne comme une bibliothèque pour intégrer l'interprétation de code dans des agents autonomes et des flux de travail d'assistants intelligents, garantissant que les systèmes hôtes restent protégés tout en permettant un traitement dynamique des données et une manipulation de fichiers. La plateforme se distingue par une architecture multi-backend qui abstrait divers runtimes de conteneurs, permettant un déploiement flexible et un basculement automatique du backend. Elle prend en charge des flux de travail interactifs et multi-tours en maintenant des états d'exécution persistants et des variables de session, tout en optimisant les performances via des pools de conteneurs pré-chauffés qui minimisent la latence de démarrage pour les tâches à haute fréquence. Au-delà de l'exécution de base, le système inclut un middleware complet pour appliquer des politiques de sécurité, gérer les contraintes de ressources et restreindre l'accès aux modules linguistiques sensibles. Il automatise le cycle de vie de l'exécution du code en gérant l'installation des dépendances, la diffusion des sorties en temps réel et l'extraction des artefacts générés ou des visualisations pour une utilisation dans des applications en aval.