Awesome GitHub RepositoriesAgent Memory Persistence

Ce projet est une collection complète de matériel pédagogique de programmation Python, y compris des tutoriels, des exercices et des exemples de code organisés. Il sert de programme d'apprentissage et de boîte à outils d'ingénierie logicielle, utilisant des Jupyter Notebooks pour combiner du code exécutable avec un texte éducatif descriptif. Le dépôt fournit des guides d'implémentation pratiques pour construire des applications de grand modèle de langage, telles que des systèmes de génération augmentée par récupération, des agents IA avec état et des flux de travail d'apprentissage automatique. Il se distingue en offrant une approche structurée des flux de travail de codage agentique, couvrant la distillation de la fenêtre de contexte, le routage de modèle agnostique au fournisseur et les sorties structurées imposées par schéma. Le matériel couvre un large éventail de capacités d'ingénierie logicielle, notamment la programmation asynchrone avec des files d'attente de tâches distribuées, le développement d'applications web avec des API REST et les flux de travail d'analyse de données. Il inclut également des ressources pour maîtriser la conception orientée objet, implémenter des pipelines CI/CD et appliquer des normes professionnelles de linting et de formatage.

Chronos est un agent d'ingénierie logicielle LLM et un modèle de débogage à l'échelle du dépôt conçu pour la correction autonome de bugs. Le système fonctionne comme un système de correction de bugs automatisé qui localise les défauts, raisonne sur les causes profondes et implémente des correctifs multi-fichiers validés. Le projet se distingue par un moteur de récupération guidé par graphe qui utilise un graphe de mémoire persistante pour naviguer dans les relations d'appel et les flux de données à travers de grands dépôts. Il emploie un flux de travail de débogage persistant qui indexe un historique des commits et des journaux pour reconnaître les modèles et éviter de répéter les erreurs précédentes à travers des cycles de débogage itératifs. Le système couvre l'analyse des causes profondes via la localisation de traces causales et le traçage de bugs basé sur la logique à travers plusieurs fichiers. Il fournit en outre une réparation de code autonome en synthétisant des correctifs et en les validant au sein d'un environnement sandbox itératif. L'intelligence du dépôt est gérée via une récupération contextuelle multi-sauts et l'ingestion multi-sources des journaux et des traces. Le système fournit une transparence sur les étapes de raisonnement et génère une documentation de débogage automatisée, incluant des évaluations des risques et des justifications pour chaque correctif appliqué.

OpenSquilla est un framework d'orchestration d'agents LLM conçu pour coordonner des workflows IA multi-étapes et l'exécution d'outils via des graphes orientés acycliques (DAG). Il fonctionne comme un système centralisé pour gérer des packages de compétences spécialisés et exécuter des séquences de raisonnement complexes. Le projet se distingue par une passerelle de routage qui dirige les tâches vers différents fournisseurs d'IA en fonction de la complexité, du coût et de la performance. Il utilise un système de mémoire IA à plusieurs niveaux qui organise les connaissances de travail, épisodiques et sémantiques à l'aide d'embeddings locaux et de SQLite, ainsi qu'un bac à sable d'exécution sécurisé qui isole le code généré par l'agent via des profils de permission basés sur les risques. La plateforme couvre un large éventail de capacités, incluant le déploiement multicanal vers le web et les plateformes de messagerie, la planification automatisée des tâches via cron, et un pont Model Context Protocol pour se connecter à des outils externes. Elle fournit également des outils complets de surveillance et d'observabilité pour suivre les coûts en jetons, auditer les décisions d'exécution et gérer un catalogue de compétences réutilisables. Le système inclut des utilitaires en ligne de commande pour l'initialisation de l'espace de travail et la gestion du cycle de vie des compétences.

Ce projet est un framework d'agent IA et de chatbot multicanal qui permet à une seule intelligence IA d'être déployée à travers diverses plateformes de messagerie, interfaces web et comptes email. Il fonctionne comme une passerelle IA multi-modèles, fournissant une interface unifiée pour router les requêtes entre différents fournisseurs de modèles de langage. Le système se distingue par ses capacités de planification autonome des tâches et de gestion des connaissances. Il peut décomposer des objectifs complexes en étapes d'exécution séquentielles en utilisant des outils externes et un navigateur headless, tout en extrayant simultanément des informations des conversations pour construire une base de connaissances structurée avec des graphes de relations visuels. La plateforme inclut un système de mémoire à plusieurs niveaux pour la récupération de contexte à long terme, un moteur de plugin de compétences dynamique pour étendre les fonctionnalités, et la capacité d'exécuter des commandes système à distance. Elle prend également en charge les workflows multimodaux, permettant l'échange d'images, de messages vocaux et de fichiers à travers différents canaux de communication. L'instance peut être gérée via une console web, une interface de commande basée sur le terminal, ou via des commandes slash dans le chat.