Awesome GitHub RepositoriesStructured JSON Generation

Outlines is a guided text generation framework and structured output engine for large language models. It enforces precise structural constraints on model output during the sampling process to ensure the generation of valid data. The framework ensures that model outputs strictly adhere to predefined data models, including JSON schemas, regular expressions, and formal grammars. This enables the conversion of natural language inputs into structured arguments for function calling and the generation of valid JSON for downstream processing. The system manages model orchestration through prompt te

This project is a machine learning research automation system designed to manage the full research lifecycle, from idea discovery to final paper submission. It utilizes markdown-based skill templates to execute autonomous research tasks and manage iterative loops of deep review and experimentation. The system distinguishes itself through integrated capabilities for academic communication and integrity auditing. It can automate the generation of LaTeX papers, conference slide decks, and evidence-grounded peer review rebuttals. To ensure rigor, it employs cross-model review routing and adversar

This is an educational tutorial that walks through implementing a complete JSON library from scratch in C. The project covers the full data lifecycle of JSON, including parsing text into structured in-memory representations, validating input against the specification, serializing data back into standard JSON output, and providing structured access to elements within parsed arrays and objects. The implementation is built around a hand-written recursive descent parser that processes JSON text by matching grammar rules to build a structured data tree. Parsed values are stored in a tagged union r

This is a Backend as a Service SDK for Apple platforms, providing a collection of libraries that connect iOS and macOS applications to cloud databases, authentication services, and serverless infrastructure. It serves as a developer kit for integrating real-time data synchronization, file storage, and push notifications into native apps. The SDK is distinguished by its generative AI integration, which routes text and multimodal prompts between on-device models and cloud-hosted large language models. It further differentiates itself with a specialized app distribution tool for managing pre-rel

YTKNetwork is a high-level networking wrapper library for Objective-C and Swift that simplifies request handling and response management. It serves as a networking layer built around AFNetworking to decouple request logic from underlying communications. The project features an HTTP request orchestrator for grouping network calls into batches or sequences to manage data retrieval dependencies. It includes a JSON response validator to verify server responses against expected structural formats, a network request interceptor for executing custom logic during the call lifecycle, and a local cachi

This project is a Linux server benchmarking script written in Bash. It serves as a system for evaluating CPU, disk, and network performance by orchestrating a set of standardized diagnostic tools. The script integrates specialized utilities to measure storage throughput and latency across various block sizes, compute hardware scores for processor performance, and test network upload and download speeds using parallel connections. It is designed to generate comparative hardware reports and evaluate total network capacity across global locations. The tool includes a mechanism for exporting all

Genkit est un framework d'application LLM et un toolkit pour développeurs d'IA générative conçu pour construire des applications d'IA en production. Il sert d'orchestrateur de workflow d'IA qui coordonne les appels de modèles et l'utilisation d'outils agentiques via des flux d'exécution typés. Le projet fournit une interface de modèle unifiée et une architecture de plugin pour standardiser l'accès à divers grands modèles de langage, bases de données vectorielles et backends de télémétrie. Il se distingue par une suite d'observabilité dédiée pour tracer les étapes d'exécution et un toolkit développeur pour le prompting, le débogage et l'évaluation de la logique d'IA via une interface locale. Le framework couvre une large surface de fonctionnalités, notamment l'orchestration d'agents avec appel d'outils et délégation de sous-agents, la génération augmentée par récupération (RAG) via l'intégration de bases de données vectorielles, et la génération de sortie structurée utilisant une validation basée sur des schémas. Il inclut également des systèmes pour la gestion de session avec état, le streaming de réponses basé sur des événements, et la capacité d'exposer les flux d'IA en tant qu'endpoints HTTP scalables. Le développement est soutenu par une interface en ligne de commande pour exécuter des fonctions et gérer les logs.

CodeIgniter is a PHP web framework built on the Model-View-Controller pattern, designed for building full-stack web applications. It provides a lightweight toolkit with minimal configuration, organizing application logic into controllers, models, and views for clean separation of concerns. The framework includes a fluent query builder for constructing SQL statements programmatically, PSR-4 autoloading with namespace mapping, and a service-based dependency injection container for managing shared class instances. The framework distinguishes itself through its comprehensive set of built-in tools

Claude Code Action is an AI-powered GitHub Action that reads repository context and executes code changes, reviews, and automation tasks through natural language commands. It functions as an automated code reviewer that analyzes pull request diffs and suggests improvements for quality, architecture, and security, while also serving as a conversational agent that answers code questions when mentioned in issues or comments. The action modifies repository files by creating commits and branches through the GitHub API, enabling code changes without local clones. It converts plain English instructi

gofakeit is a Go library for creating realistic synthetic datasets and populating Go structs with mock information. It functions as a deterministic data generator, allowing for seedable random number generation to ensure reproducible datasets for software testing. The project distinguishes itself by providing a mock data API server that exposes generation functions as HTTP endpoints and a synthetic dataset exporter for producing files in CSV, JSON, and XML formats. It also includes a command-line interface for generating mock data directly from the terminal. The library covers a wide array o

AIOS is an LLM agent operating system and orchestration kernel designed to manage memory, resource scheduling, and tool execution for multiple autonomous AI agents. It serves as a comprehensive framework for developing and deploying agents, featuring a dedicated resource manager that coordinates model backends, GPU memory, and isolated kernel instances. The system distinguishes itself through a semantic memory engine that uses vector search and autonomous clustering for long-term knowledge management, and a semantic file system that allows users to control computer files and system operations

Jsonformer est un générateur de texte contraint et un exécuteur de schéma qui force les modèles de langage à produire du JSON syntaxiquement correct. Il agit comme un validateur et un formateur, garantissant que la sortie d'un modèle d'IA est strictement conforme à un schéma structurel prédéfini. Le système y parvient en restreignant les jetons qu'un modèle de langage peut générer et en insérant des caractères structurels fixes dans le flux de sortie. Ce processus garantit que les données résultantes suivent le schéma JSON spécifié pour une intégration programmatique fiable. Le projet couvre de larges capacités en matière de contrainte de sortie, de génération JSON structurée et de création d'interfaces fiables entre les modèles de langage et les logiciels.

Jo est un utilitaire en ligne de commande conçu pour construire et manipuler des objets et tableaux JSON directement à partir d'arguments shell et de l'entrée standard. Il fonctionne comme un outil de traitement de données qui transforme l'entrée brute en formats structurés, permettant la génération de payloads complexes pour des API, des fichiers de configuration et des pipelines de données automatisés. L'outil se distingue par sa capacité à résoudre des structures de données hiérarchiques en utilisant des définitions de chemin basées sur des délimiteurs et son moteur d'inférence de type intégré, qui convertit automatiquement les valeurs d'entrée en types natifs booléens, numériques ou null. Les utilisateurs peuvent exercer un contrôle précis sur la sortie via l'application explicite des types de données, le filtrage de contenu et la possibilité d'intégrer directement le contenu de fichiers externes dans la structure générée. L'utilitaire prend en charge un large éventail de tâches de construction de données, incluant la fusion de nouvelles informations dans des structures existantes et le basculement entre des mises en page compactes et joliment imprimées (pretty-printed). Il s'intègre dans les workflows basés sur le shell en fournissant des codes de sortie standardisés pour signaler le succès ou l'échec des opérations de transformation de données.

Poml is a prompt management framework and templating engine designed for authoring, versioning, and rendering structured prompts for large language models. It uses a semantic markup language to organize prompts into reusable templates, combining them with dynamic context and data to generate formatted inputs. The system distinguishes itself by decoupling core prompt logic from final presentation through a stylesheet-based approach. It provides a dedicated JSON schema output generator to enforce strict, machine-parsable model responses and a configuration interface for managing function tool s

fast-check is a property-based testing framework and random data generator designed to verify software invariants by producing a wide range of randomized input data. It functions as a test data fuzzer that executes predicates against high volumes of random inputs to uncover edge cases and critical bugs. The project is distinguished by its ability to perform input-shrinking searches, which reduce complex failing inputs to their simplest form to isolate the exact cause of failure. It provides deterministic seed replay to exactly reproduce specific test failures and includes a concurrency testin

XcodeBuildMCP is a Model Context Protocol server and development tool bridge that provides AI agents with the ability to control xcodebuild, manage simulators, and automate the compilation and execution of Apple platform applications. It functions as a persistent daemon that proxies native IDE build and debug capabilities to external clients and agents. The project distinguishes itself by using the Model Context Protocol to expose build and device management tools through a standardized interface. It implements specialized skill priming and instruction configuration to ensure AI agents can in

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.

nano-graphrag est un système de récupération qui utilise des graphes de connaissances pour fournir un contexte structuré aux réponses des grands modèles de langage (LLM). Il fonctionne comme un indexeur de graphe de connaissances qui transforme le texte non structuré en un réseau d'entités et de relations, ainsi qu'un système de récupération de graphe hybride. Le projet se différencie en combinant des recherches de voisinage local avec des résumés de communautés globales pour répondre à des questions complexes en langage naturel. Il inclut un visualiseur de graphe de connaissances qui génère des représentations HTML des entités et de leurs relations pour cartographier les connaissances indexées. Le framework couvre un large ensemble de capacités, y compris l'extraction d'entités-relations, le clustering de graphes basé sur la communauté et l'indexation incrémentale basée sur le hachage. Il fournit une couche d'intégration pour connecter des modèles open source et des fournisseurs d'embedding locaux, pris en charge par des backends de stockage enfichables pour les données clé-valeur, vectorielles et de graphe. Une utilité supplémentaire est fournie via la mise en cache des réponses basée sur les arguments et des fonctions de post-traitement pour réparer les sorties JSON instables des modèles de langage.

SBJson is an Objective-C JSON parser and generator designed for the parsing and generation of JSON data. It functions as a strict JSON validator, enforcing rigid grammar rules to ensure input data adheres to formal specifications. The project features an incremental JSON stream parser that processes UTF8 data in chunks to extract documents without loading the entire payload into memory. It also serves as a JSON data serializer that transforms native data objects into formatted strings using deterministic key sorting. The system manages data serialization workflows and implements security mea

Lorax is a GPU-accelerated inference server and multi-adapter engine designed for serving large language models. It functions as a high-throughput system capable of deploying models via Kubernetes and managing the dynamic swapping of Low-Rank Adaptation adapters per request. The server distinguishes itself through multi-adapter dynamic batching, which allows requests using different adapter weights to be processed in a single GPU forward pass. It employs just-in-time adapter loading and weighted adapter merging to maximize throughput and enable multi-tasking without sacrificing performance.