Awesome GitHub RepositoriesNatural Language Code Generators

Qwen2.5-Coder is a code-centric large language model designed to generate, complete, and analyze source code. It serves as a polyglot programming model capable of producing functional code across hundreds of different programming languages. The model is optimized for reasoning over extensive software repositories, utilizing a context window that supports up to one million tokens. It also functions as an agentic coding framework, executing multi-step workflows and browser tasks through specialized function call formats. Its capabilities include large-scale codebase analysis, intelligent parti

Code Llama is a large language model based on Llama 2 trained specifically for programming tasks and software development. It provides specialized model types optimized for general code generation, instruction following, and context-aware infilling. The project includes an instruction-tuned programming model for executing technical tasks via natural language prompts and a code infilling model that predicts missing sections based on surrounding source context. A large context code model is also provided to analyze extensive blocks of source code for improved coherence. The system covers capab

This project is an AI software engineering tool and framework for building autonomous coding agents. It provides a system for automating program synthesis and bug fixing by integrating large language models with codebase analysis and iterative refinement loops. The framework features an agentic development server that exposes task execution interfaces to remote agents through a structured protocol. This allows for the remote execution of development tasks and the embedding of autonomous program synthesis capabilities into external software projects. The toolset covers AI-driven project scaff

Gop est un langage de programmation à usage général et un compilateur inter-langages conçu pour unifier les assets et bibliothèques de multiples écosystèmes de programmation dans un environnement partagé unique. Il traduit le code source de haut niveau en binaires exécutables en utilisant des backends spécialisés adaptés aux différents environnements cibles. Le projet dispose d'un système pour la programmation en langage naturel, transformant des instructions lisibles par l'humain écrites en anglais simple en code exécutable. Il fonctionne également comme un outil inter-langages qui importe et intègre des bibliothèques et assets externes provenant de différents écosystèmes de langage pendant le processus de compilation. Sa surface de capacités inclut un framework web basé sur les fichiers qui mappe les noms de fichiers aux endpoints API, un analyseur HTML basé sur le DOM pour l'extraction de données, et un moteur de jeu 2D basé sur les acteurs utilisant des systèmes de dialogue pilotés par événements. De plus, il fournit une syntaxe simplifiée pour exécuter des commandes shell et des scripts administratifs pour l'automatisation des tâches DevOps.

Evolver is a self-evolving AI agent framework that uses gene expression programming to autonomously improve agent behaviors through a continuous five-step loop of scanning, selecting, mutating, validating, and solidifying. It functions as an auditable evolution system that records every mutation and selection step, and can translate natural-language problems into executable Python code for automated grading and evaluation. The framework distinguishes itself through a distributed architecture that enables multiple agents to collaborate and share learned experiences across a network. It operate

curlconverter is a browser-based tool and JavaScript library that transforms curl commands into equivalent source code across more than 30 programming languages and HTTP client libraries. It parses curl command arguments into an abstract syntax tree and generates idiomatic code by applying per-language templates, making it a curl command transpiler rather than a simple converter. The tool operates entirely client-side without any server round-trips, ensuring all conversion happens privately in the browser without transmitting data externally. It can also function as a drop-in curl replacement

TrumpScript is a Python-based domain specific language and compiler extension that wraps the Python runtime to enforce custom grammar and vocabulary rules. It transforms a specialized, case-insensitive vocabulary and natural speech patterns into executable Python instructions. The implementation distinguishes itself through strict constraints on source code, including a variable name system that restricts identifiers to a predefined whitelist and a numeric parser that rejects any integer not exceeding one million. It further utilizes a token-filtering preprocessor to remove filler words and n

CodeGeeX2 is a large language model and AI programming assistant designed to generate, translate, and document source code across multiple programming languages. It functions as a multilingual code model that converts natural language prompts into executable code and technical documentation. The project provides a self-hosted AI inference endpoint, allowing the model to be exposed as a web-accessible service. This enables external development tools to integrate automated programming tasks via network calls. Its core capabilities cover multilingual code generation, automated source code docum

sqlboiler is a database-first ORM generator for Go that analyzes an existing database schema to produce strongly typed structures and query helpers. It functions as a schema-driven code generator, transforming database tables and relationships into executable Go source code. The project distinguishes itself through a type-safe query builder that uses chainable modifiers to construct SQL statements, eliminating the need for raw string concatenation. It utilizes customizable text templates to generate source code, allowing for the aliasing of schema entities and the creation of custom templates

Llamacoder is an AI-powered web application generator that transforms natural language prompts into functional application prototypes. It uses large language models to synthesize code and layouts, enabling the creation of small-scale software and interactive user interfaces from text descriptions. The project specifically leverages the Llama 3.1 405B model to produce executable React components. It provides a self-hosted environment for generating and previewing interactive code artifacts, featuring a real-time preview loop and sandboxed component rendering to safely display generated interfa

DevOpsGPT est une plateforme d'automatisation DevOps pilotée par LLM et un agent de développement logiciel IA. Il transforme les exigences en langage naturel en code fonctionnel et en déploiements automatisés en coordonnant l'analyse de la base de code, la génération de code et les pipelines de livraison. Le système dispose d'un moteur de génération de code automatisé et d'un moteur de décomposition basé sur les tâches qui analysent les structures de projet pour produire des extensions de code sensibles au contexte. Il utilise un système d'intégration de modèles enfichables pour se connecter à des déploiements de modèles de langage privés ou professionnels pour des tâches de développement spécifiques au domaine. La plateforme gère l'intégralité du cycle de vie de livraison logicielle via un orchestrateur de pipeline CI/CD qui lie la synthèse de code aux outils de test et de déploiement automatisés. Cela inclut des capacités pour la publication de versions logicielles et l'intégration avec diverses plateformes DevOps externes.

Hygen is a code generator CLI and interactive template engine that scaffolds new files and injects code into existing ones using project-local templates. It operates as a Node.js code generator library that can be embedded inside custom binaries for tailored workflows, and also functions as a project scaffolding tool for bootstrapping new projects or folders from remote template repositories. The tool discovers templates by scanning a project's _templates directory at runtime, mapping folder and file names directly to generator commands and actions. It collects user input through interactiv

Ce projet propose des méthodologies et des guides pour le prompt engineering structuré, les workflows génératifs et les stratégies spécialisées de génération d'images. Il sert de framework pour optimiser les entrées destinées aux grands modèles de langage (LLM) pour des tâches de codage, d'écriture et d'analyse, ainsi que de bibliothèque de techniques pour contrôler les modèles de diffusion. Le projet se distingue par un framework de conception logicielle piloté par l'IA qui convertit les besoins métier en architectures techniques et en code via du prompting orienté domaine. Il implémente également des modèles de workflow d'IA générative utilisant des pipelines de prompts séquentiels et des frameworks cognitifs pour garantir des sorties de modèle prévisibles. La surface de capacités couvre l'architecture logicielle via la modélisation d'API orientée domaine et la génération de langages dédiés (DSL). Elle s'étend à la génération d'images, incluant la liaison structurelle d'images, l'entraînement de modèles personnalisés et le raffinement itératif par inpainting pour corriger les artefacts visuels. Le projet est implémenté sous forme d'une série de Jupyter Notebooks.

Vision-agent est un système d'IA et un framework d'extraction de données visuelles qui traduit des requêtes en langage naturel en scripts Python exécutables pour analyser des images et des vidéos. Il fonctionne comme un orchestrateur de vision multi-modèle, utilisant des grands modèles de langage (LLM) pour planifier et générer du code exécutable pour des tâches telles que la détection d'objets, le comptage et le suivi vidéo. Le système emploie un cycle de planification et d'exécution qui génère et teste le code de manière itérative, utilisant une boucle de correction d'erreurs pour affiner l'implémentation jusqu'à ce qu'une solution soit validée. Il est piloté par la configuration, permettant aux backends de modèles de langage sous-jacents d'être routés via des variables d'environnement et des fichiers de configuration. Au-delà de la génération automatique de code, le framework intègre des outils de vision par ordinateur spécialisés pour effectuer une analyse visuelle d'objets et extraire des données structurées à partir de médias. Cela permet l'exécution de fonctions de vision indépendamment ou dans le cadre d'un workflow automatisé plus large.

CodeGen est un grand modèle de langage entraîné et un modèle de synthèse de programme conçu pour générer du code source fonctionnel. Il utilise une architecture de réseau neuronal pour synthétiser du code exécutable à partir de descriptions en langage naturel ou d'extraits de code partiels. Le modèle permet la synthèse de programme automatisée et le codage assisté par IA en prédisant et en remplissant les sections manquantes de code au sein d'un programme. Il transforme les descriptions en langage naturel en logique de programmation fonctionnelle pour automatiser la création de code standard et de logique.

Integuru est un système d'agents et de frameworks pilotés par l'IA, conçu pour documenter les API non documentées et convertir le trafic réseau en scripts d'automatisation. Il fonctionne comme un framework d'automatisation d'API headless qui remplace les outils basés sur navigateur par des requêtes HTTP directes pour augmenter le débit et la fiabilité. Le projet propose un agent de rétro-ingénierie basé sur LLM qui analyse le trafic réseau pour découvrir les API internes, ainsi qu'un moteur d'intégration en langage naturel qui transforme les descriptions textuelles de workflows en séquences d'appels API valides. Il inclut des outils pour extraire les formats de requête et de réponse afin de créer des spécifications techniques précises, et pour convertir les cookies de session capturés en scripts d'automatisation prêts pour la production. Le framework couvre un large éventail de capacités, notamment l'ingénierie de schéma, la cartographie des dépendances de requêtes et la modélisation logique basée sur l'état pour gérer des workflows d'application complexes. Il fournit également une gestion automatisée de l'authentification pour les cookies de session et la vérification multi-facteurs afin de maintenir l'accès aux portails protégés.

Briefer est une plateforme de notebook de données interactif et un outil de tableau de bord de business intelligence utilisé pour l'analyse de données collaborative et le reporting. Il fournit un environnement conteneurisé pour construire des rapports qui combinent SQL, Python et Markdown avec des visualisations natives. La plateforme dispose d'un assistant de code intégré qui utilise de grands modèles de langage pour générer des snippets SQL et Python à partir de prompts en langage naturel. Elle est conçue comme une application de données Kubernetes, se déployant via des charts Helm pour gérer des environnements de calcul isolés et assurer des ressources séparées par page via une isolation basée sur des pods. Le système couvre un large éventail de capacités incluant la connectivité aux bases de données externes, la co-édition en temps réel et la livraison automatisée de rapports via la planification. Il s'intègre avec OpenID Connect pour le provisionnement d'identité et fournit un contrôle d'accès basé sur les rôles, une gestion sécurisée des identifiants et la mise en cache des requêtes basée sur les résultats. L'application est déployée et mise à l'échelle à travers des clusters Kubernetes en utilisant des charts Helm gérés.

Ce projet est une extension pour JupyterLab qui intègre des fournisseurs de grands modèles de langage et des agents IA directement dans les notebooks computationnels. Il fonctionne comme une couche d'intégration et un orchestrateur, reliant les backends d'IA générative à un espace de travail de science des données pour permettre l'exécution de prompts IA au sein des cellules de notebook et l'insertion de blocs de code générés dans les documents. Le système dispose d'une interface de chat collaborative où plusieurs utilisateurs peuvent interagir avec des personas IA en temps réel, partageant des fils de conversation et utilisant des pièces jointes par glisser-déposer pour le contexte. Il permet la création de personas IA personnalisés et l'intégration d'outils spécialisés via des serveurs de protocole, tout en maintenant une interface agnostique au fournisseur pour échanger différents backends de grands modèles de langage. Les capacités incluent l'automatisation de workflows tels que la gestion de fichiers, le débogage de code et l'exécution de commandes shell. Pour garantir la sécurité, le framework emploie une exécution protégée par des permissions, nécessitant une approbation explicite de l'utilisateur avant que les agents IA puissent modifier des fichiers ou exécuter des commandes système.

Cheetah est un assistant d'entretien technique LLM composé d'une application native macOS et d'une extension de navigateur. Il fournit des suggestions de codage et de réponses en temps réel pendant les entretiens techniques en combinant la transcription audio en direct avec l'extraction de contexte basée sur le web. Le système fonctionne comme un coach d'entretien en temps réel qui convertit les questions parlées en texte en utilisant un traitement de reconnaissance vocale sur l'appareil. Il utilise un scraper DOM intégré au navigateur pour extraire le code en direct et les logs de console, permettant à l'IA d'analyser l'état actuel du codage et de générer des solutions techniques basées sur l'environnement spécifique de l'entretien. L'outil prend en charge l'affinement itératif des réponses, permettant aux utilisateurs de mettre à jour les réponses suggérées à mesure que les recruteurs fournissent de nouvelles contraintes ou clarifications. Ces capacités couvrent les domaines plus larges de la préparation aux entretiens techniques et de l'assistance au codage par IA en direct.

Costrict est un agent d'ingénierie logicielle IA et un assistant de codage conçu pour le développement en entreprise. Il fonctionne comme un orchestrateur IA multi-modèles qui génère, complète et révise le code, tout en servant d'environnement de développement distant reliant les interfaces navigateur aux répertoires distants pour la gestion de fichiers et l'exécution dans le terminal. La plateforme se distingue par un système de revue de code IA utilisant une vérification multi-modèles et l'indexation de dépôts pour garantir la qualité du code. Elle emploie une approche par agents structurés qui décompose les besoins complexes en langage naturel en flux de travail séquencés d'analyse, de planification et de test pour maintenir le contrôle architectural. Le système couvre de larges domaines de capacités, incluant la gestion d'espaces de travail distants, l'intégration de modèles IA personnalisés et la revue de code automatisée pour les dépôts et les git diffs. Il offre également une extensibilité via un système d'agents basés sur les compétences et une intégration avec des outils externes via un protocole de contexte standardisé. Le projet est implémenté en TypeScript et fournit une intégration éditeur basée sur des plugins pour standardiser les flux de travail dans les éditeurs de code supportés.