Beliebte Open-Source-KI-Projekte auf GitHub, Oktober 2026

Die monatliche Trending-Seite von GitHub funktioniert für eine bestimmte Programmiersprache, weil ein Sprachfilter die zugrunde liegende Menge bereits definiert. Open-Source-KI stellt eine andere Frage: Die Projekte erstrecken sich über fünf Sprachen, und der nützliche Abschnitt ist die Aufgabe, die ein Repository erledigt.

Dieses Snapshot wurde am 16. Oktober 2026 von der öffentlichen GitHub-API abgefragt, und innerhalb jeder Gruppe sind die Repositories nach Anzahl der Sterne sortiert. Sterne messen Aufmerksamkeit, und ein Ordner mit Fähigkeiten (Skills) kann diese Aufmerksamkeit schneller auf sich ziehen als eine Serving-Engine, daher steht die Gruppe vor der Sortierung. Die Lizenzzum ist Teil des Rankings, denn mehrere der am meisten gestarteten Projekte sind Fair-Code, markenbeschränkt oder auf zwei Lizenzen aufgeteilt.

Die Zusammenfassungen zu Rust und Go auf dieser Seite wurden aus derselben Seite erstellt, wobei ein Sprachfilter die Gruppierung vornahm. Hier ersetzen die acht Aufgabengruppen unten den Filter, und jeder Abschnitt beschreibt den Kompromiss, der die eng beieinander liegenden Optionen trennt. Die abschließenden Abschnitte verwandeln die Tabellen in eine kurze Liste, die Sie ausführen können, und in eine wiederholbare Methode für das nächste Snapshot.

Wie man Open-Source-KI-Projekte rankt

Suchen Sie nach Themen und weisen Sie dann eine Aufgabe zu

GitHub-Themen sind der praxistaugliche Ersatz für einen Sprachfilter. Sortieren Sie ein Thema wie ai-agents, llm, rag, local-llm oder agent-memory nach Sternen und behalten Sie Repositories bei, die in den letzten Monaten gepusht wurden. Eine Volltextsuche nach „KI“ ist zu breit, und die unfilterte Trending-Seite vermischt Agenten weiterhin mit unbeteiligten Tools.

Drei öffentliche Eingaben genügen, um die Liste neu aufzubauen. Verwenden Sie die Themensuche für den Pool, ein Szenario-Katalog wie Top Open Source AI für die Aufgabenlabels und die LICENSE-Datei des Repositories für die letzte Spalte. Dieser Katalog veröffentlicht einen eigenen Composite-Wert: Sterne zu 70 Prozent, Beitragsautoren zu 10 Prozent und Aktualität der Updates zu 20 Prozent. Dieser Artikel behält die einfachere Regel bei, sodass die Zahl in der Tabelle die Zahl auf GitHub ist.

Nützliche Ausgangsabfragen:

• Thema ai-agents, nach Sternen
• Thema llm, nach Sternen
• Thema rag, nach Sternen
• Thema agent-memory mit mehr als 5.000 Sternen
• GitHub Trending, monatlich

Behalten Sie Software bei und stellen Sie Listen beiseite

Ein Repository verdient eine Zeile, wenn jemand es installieren kann, oder wenn es ein gewartetes Gerüst (Harness) ist, das ändert, wie ein Agent läuft. Awesome-Listen, Prompt-Verzeichnisse und Sammlungen von System-Prompts von Anbietern sammeln Sterne und hinterlassen dennoch nichts zum Deployen. Sie gehören in eine Lese- und bleiben außerhalb der Tabellen unten.

Fügen Sie eine Trending-Spalte nur aus Ihren eigenen Snapshots hinzu

Die Sprachzusammenfassungen konnten die im Monat gewonnenen Sterne anzeigen, weil GitHub diese Differenz bereits innerhalb einer Sprache berechnet. Zwischen diesen Gruppen erfordert eine monatliche Differenz zwei eigene Snapshots. Speichern Sie full_name und stargazers_count am ersten des Monats und ziehen Sie dann ab. Bis diese Reihe existiert, sind die Gesamtsterne der ehrliche Ranking-Schlüssel. „Trending“ im Titel bedeutet aktiv gewartete Projekte mit entsprechender Aufmerksamkeit, Stand dieses Datums.

Wo die Projekte stehen

Diese Gruppen sind Ebenen, die Sie stapeln können. Ein Coding-Assistent kann ein Gateway aufrufen, ein Gateway kann Ollama oder vLLM aufrufen, und ein Memory-Dienst kann neben einem von beiden sitzen. Zwei Produkte aus derselben Ebene sind meist eine zweite Meinung und selten eine bessere Architektur.

Persönliche KI-Assistenten

Diese Gruppe ist für Agenten gedacht, die Aktionen auf einem Rechner oder über Tools hinweg ausführen, über eine einzelne Coding-Sitzung hinaus. OpenClaw führt mit einem deutlichen Vorsprung. Hermes ist der andere allgemeine Agent in dieser Größenordnung, und AutoGPT ist der ältere Name, der weiterhin Sterne sammelt, während sich seine Lizenz aufgeteilt hat. Ein tieferes Leaderboard nur für dieses Paar, mit Downloads, Token-Anteil und CVE-Historie, ist der Vergleich OpenClaw vs Hermes Agent.

Firecrawl ist hier aufgeführt, weil Agenten Seiten benötigen, und es ist das Web-Daten-Projekt, das Leser tatsächlich mit Sternen versehen. Es ist ein Tool, und die Assistenten rufen es auf.

OpenClaw

OpenClaw ist ein persönlicher Agent, der darauf ausgelegt ist, auf Ihrem eigenen Betriebssystem zu laufen und Aufgaben auszuführen, was die schlichte Lesart eines Projekts ist, das sich als KI bezeichnet, die auf jeder Plattform Dinge erledigt. Die Sternenzahl ist die größte in diesem Artikel, und die MIT-Lizenz ist das nachgiebige Ende des Spektrums. Behandeln Sie die Installation als lokale Automatisierungs-Runtime mit breitem Zugriff auf den Rechner, und beschränken Sie, was sie berühren darf, bevor Sie sie laufen lassen.

Hermes Agent

Hermes Agent, von Nous Research, ist ein allgemeiner Agent, der entwickelt wurde, um während der Nutzung Fähigkeiten und Kontext anzusammeln. Er sitzt in derselben Aufgabe wie OpenClaw, mit einem Python-Codebase und denselben MIT-Bedingungen. Wählen Sie ihn, wenn Sie diesen Wachstumsschleife wollen und bereits Erfahrung im Betrieb eines Python-Agenten haben. Wenn Sie sowohl Hermes als auch OpenClaw laufen lassen, bedeutet das zwei Berechtigungsmodelle, die Sie audizieren müssen.

AutoGPT

AutoGPT ist das Projekt, das autonome Agenten zu einer Mainstream-GitHub-Kategorie machte, und es ist immer noch einer der am meisten gestarteten Namen im Set. Die Lizenz ist keine einzelne Gewährung mehr. Alles außerhalb des autogpt_platform-Ordners ist MIT, und alles innerhalb dieses Ordners unterliegt der Polyform Shield License, die die Nutzung erlaubt, aber den kommerziellen Wert des Codes dem Erzeuger vorbehalten lässt. Lesen Sie diese Aufteilung, bevor Sie ein Produkt auf dem Plattformverzeichnis aufbauen.

Firecrawl

Firecrawl verwandelt Websites in Daten, auf die Agenten zugreifen können. Die Sternenzahl platziert es unter den Assistenten, obwohl die Aufgabe die Akquise ist, was viel darüber aussagt, was die Leute 2026 aufbauen. AGPL-3.0 wird wichtig, wenn Sie es modifizieren und das Ergebnis als Dienst anbieten. Für einen persönlichen Agenten, der nur einen lokalen oder Anbieter-Endpunkt aufruft, ist die Lizenz eine kleinere Einschränkung.

KI-Coding-Assistenten

Coding-Agenten sind der dichteste Teil der 2026-Liste. OpenCode führt die vollständig offenen Terminal- und Editor-Agenten an, mit Codex und Gemini CLI dicht dahinter als die Anbieter-CLIs, die zufällig Open Source sind. OpenHands, Cline und Goose sind die anderen Programme, die Sie tatsächlich ausführen können.

Aider (49.567 Sterne, Apache-2.0), Continue (36.228, Apache-2.0) und Crush (28.669, FSL-1.1-MIT) sind echte Coding-Tools in der nächsten Bandbreite. Die Lizenz von Crush ist eine Functional Source License, die sich laut dem in der Datei festgelegten Zeitplan in MIT umwandelt. Ein Coding-Agent ist genug. Ein zweiter dient einer Vergleichswoche, und danach ist es Konfiguration, die Sie synchron halten müssen.

OpenCode

OpenCode ist ein Open-Source-Coding-Agent mit einem Terminal-Workflow und einer großen Plugin-Oberfläche. Er ist zum Standardnamen geworden, den die Leute zitieren, wenn sie einen Coding-Agenten wollen, den sie untersuchen können, und die MIT-Lizenz passt zu dieser Nutzung. Das Repository ist anomalyco/opencode. Wählen Sie ihn, wenn der Agent selbst etwas sein sollte, das Sie patchen können.

Codex

Codex ist OpenAIs leichtgewichtiger Coding-Agent für das Terminal, geschrieben in Rust und lizenziert unter Apache-2.0. Es ist der offene Client für eine gehostete Modellfamilie, was ein anderer Deal ist als ein lokal-zentrierter Agent. Verwenden Sie es, wenn Ihr Team bereits OpenAI-Modelle standardisiert und Sie eine CLI möchten, die Sie automatisieren können. Dass der Client offen ist, bringt die Modellgewichte nicht auf Ihre Festplatte.

Gemini CLI

Gemini CLI bringt Gemini als Agenten ins Terminal, unter Apache-2.0. Es spielt dieselbe Rolle wie Codex für einen anderen Anbieter, und die TypeScript-Codebase ist einfacher in bestehende Node-Tools einzubetten. Wählen Sie es, wenn Gemini das Modell ist, für das Sie bereits bezahlen. Es neben Codex laufen zu lassen, ist nur sinnvoll, wenn jedes Repository einen Standard-Agenten hat.

OpenHands

OpenHands ist ein Softwareentwicklungs-Agent mit einer vollständigen Aufgaben-Schleife, jetzt veröffentlicht von der OpenHands-Organisation. Die MIT-Lizenz und das höhere Produktniveau machen es zu einer Plattform-Wahl, näher an einer gehosteten Entwicklungsumgebung, die Sie selbst hosten können, als an einem einzelnen Binary. Verwenden Sie es, wenn Sie Issues, Sandboxes und eine UI um den Agenten herum wollen. Für einen Ein-Personen-Terminal-Workflow ist OpenCode, Codex oder Goose die kleinere Installation.

Cline

Cline ist ein autonomer Coding-Agent, der als SDK, IDE-Erweiterung oder CLI ausgeliefert wird. Apache-2.0 und die Editor-Integration machen es zur praktischen Wahl für Leute, die in VS Code leben und dennoch eine Bibliothek wollen, die sie aufrufen können. Es überlappt OpenCode mehr als es mit einer Chat-UI überlappt. Standardisieren Sie auf einen von ihnen pro Repository, damit Reviews lesbar bleiben.

Goose

Goose ist ein erweiterbarer lokaler Agent, der Code installiert, bearbeitet, ausführt und testet, mit welchem Modell Sie ihn auch beauftragen. Das Repository lebt jetzt unter aaif-goose/goose, und die Rust-Implementierung plus Apache-2.0 machen es zu einem starken Workstation-Agenten. Wählen Sie Goose, wenn der Modell-Anbieter austauschbar sein soll und der Agent auf dem Rechner laufen soll, der den Code hält. Es ist eine ruhigere Sternenzahl als OpenCode, und es ist eine direktere Passform für ein lokales Modell.

Agent-Fähigkeiten und Gerüste

Die Themensuche wird diese Gruppe über einige echte Produkte heben. Superpowers und ECC sind Anweisungen, Hooks und Workflows für Agenten, die Sie bereits laufen lassen. Spec Kit ist Githubs eigenes Prozess-Toolkit für speich-getriebene Entwicklung. Sie ändern das Verhalten von Agenten, und sie sind immer noch Software, die Sie mit einem Coding-Assistenten aus dem vorherigen Abschnitt kombinieren.

Superpowers

Superpowers ist ein Agent-Fähigkeits-Framework und eine Softwareentwicklungs-Methode, die hauptsächlich als Shell- und Anweisungsdateien unter MIT verteilt wird. Die Sternenzahl ist das Ergebnis, wenn eine Methode in wenigen Monaten durch Coding-Agenten-Nutzer verbreitet wird. Installieren Sie es auf einen Agenten, dem Sie bereits vertrauen, und erwarten Sie, die Fähigkeiten zu bearbeiten, damit sie zum Repository passen. Das Framework folgt den Berechtigungen, die dieser Agent bereits hat.

ECC

ECC ist ein Gerüst für Claude Code, Codex, OpenCode, Cursor und ähnliche Agenten, das Fähigkeiten, Memory und Prüfungen abdeckt, wie der Agent arbeitet. Es ist die richtige Form, wenn Sie die gleiche Schleife auf mehr als einem Coding-Agenten wollen. Es ist auch eine weitere sich bewegende Ebene zwischen Ihnen und dem Modell. Adoptieren Sie es, wenn das Team die Agenten bereits ausgewählt hat und einen gemeinsamen Weg will, sie zu briefen.

Spec Kit

Spec Kit ist Githubs Toolkit für speich-getriebene Entwicklung und den Prozess darum herum. Der Maintainer ist die Plattform, auf der die meisten dieser Repositories bereits leben, und die MIT-Lizenz ist geradlinig. Verwenden Sie es, wenn Sie eine geschriebene Spezifikation wollen, bevor der Agent Code bearbeitet. Es wird still bleiben, wenn das Team die Spezifikation als optionales Papierwerkzeug behandelt.

KI-Memory

Memory ist die Ebene, die es einem Agenten ermöglicht, fortzufahren. Die gestarteten Projekte teilen sich in zwei Stile auf. claude-mem, Beads und ein Großteil von Hindsight binden Memory an Coding-Sitzungen. Mem0, Cognee und Letta sind Dienste, die Sie aus Anwendungs-Agenten heraus aufrufen. Erfassungspolitik, Abhängigkeiten und Selbsthosting-Kompromisse für diese Backends werden in Agent Memory Providers verglichen.

Memvid (16.600 Sterne, Apache-2.0) und Zep (4.961 Sterne, Apache-2.0) sind kleinere Optionen in derselben Aufgabe, Memvid als Single-File-Store und Zep als integrationslastiges Memory-API. Ein Memory-System pro Agent ist das Setup, das Sie später noch erklären können.

claude-mem

claude-mem protokolliert, was ein Coding-Agent tut, komprimiert diese Historie und injiziert den relevanten Teil in spätere Sitzungen. Es spricht mit Claude Code, OpenClaw, Codex, Gemini CLI, Hermes, Copilot und OpenCode, was der Grund ist, warum es diese Gruppe anführt. Apache-2.0 passt zu einem Sidecar, das Sie vielleicht modifizieren wollen. Verwenden Sie es, wenn die Sache, die Sie immer wieder vergessen, die Coding-Sitzung selbst ist.

Mem0

Mem0 ist eine Memory-Ebene für Agenten und Anwendungen, mit Benutzer-, Sitzungs- und Agenten-Zustand hinter einer API. Es ist der Standardname, wenn das Produkt ein Support-Bot oder ein persönlicher Assistent ist, und Sie dieses Memory außerhalb eines einzelnen Coding-Tools wollen. Apache-2.0 und eine gehostete Option sitzen nebeneinander, sodass Selbsthosting eine Entscheidung ist, die Sie später treffen können. Bevorzugen Sie es gegenüber einem Coding-Sitzungs-Hook, wenn viele Agenten die selben Fakten über einen Benutzer teilen sollen.

Hindsight

Hindsight ist Vectorizes Agent-Memory-Projekt, gerichtet auf Agenten, die lernen, was sie bereits getan haben, und es integriert sich sowohl mit Coding-Agenten als auch mit Anwendungsframeworks. Die MIT-Lizenz ist die nachgiebigste in dieser Gruppe. Das Projekt veröffentlicht starke Benchmark-Ansprüche, und diese Ansprüche sollten auf Ihren eigenen Transkripten neu ausgeführt werden, bevor Sie ein Produkt darauf wetten. Wählen Sie Hindsight, wenn Sie einen dedizierten Memory-Dienst wollen und bereit sind, es mit Mem0 an Ihren Daten zu vergleichen. Die Installation für OpenCode, die Cursor-CLI und die anderen Gerüste – pro-Repo-Banken, Git-Seeding und Cloud versus lokaler Daemon – ist in Hindsight Memory für OpenCode, Cursor und andere Coding-Agenten.

Cognee

Cognee baut ein Memory- und Wissensgraph, auf den Agenten zugreifen können, mit dem Schwerpunkt, diese Ebene auf kleineren Modellen auszuführen. Es überlappt Mem0 und auch die untenstehenden RAG-Tools, weil ein Graph Ihrer Dokumente wie beide – Memory und Retrieval – funktioniert. Apache-2.0 hält den Embedding-Pfad austauschbar. Wählen Sie es, wenn die Fakten, die Sie interessieren, Entitäten und Beziehungen sind, und ein flacher Vektorindex sich bereits zu verlustbehaftet angefühlt hat.

Beads

Beads speichert Coding-Agenten-Aufgaben, Pläne und Abhängigkeiten als Dateien, die mit dem Git-Branch reisen. Das Repository ist jetzt gastownhall/beads, und es ist dasselbe Projekt, das im Go-Roundup von Januar unter seinem früheren Pfad aufgelistet war. MIT und ein git-gestützter Store machen es zum Memory-Tool, das Ihr bestehender Review-Prozess sehen kann. Verwenden Sie es, wenn der Kontext mit dem Branch forken soll. Verwenden Sie claude-mem oder Mem0, wenn das Memory länger leben muss als ein einzelnes Repository.

Letta

Letta ist die zustandsbehaftete Agenten-Plattform, die aus MemGPT hervorging. Memory ist hier Teil der Agenten-Runtime, sodass der Agent seinen eigenen Kontext als Merkmal der Plattform verwaltet. Das ist eine tiefere Verpflichtung als Mem0 unter einen Agenten zu hängen, den Sie bereits laufen lassen. Apache-2.0 gilt für die offene Plattform. Wählen Sie Letta, wenn Sie die Runtime und das Memory zusammen entworfen haben wollen, und wählen Sie Mem0, wenn Sie Memory unter Agenten wollen, die Sie nicht ersetzen wollen.

RAG und Wissensbasen

RAG-Projekte verwandeln Dokumente in eine Kontexterbe. RAGFlow ist die End-to-End-Engine, die Leute mit Sternen versehen. LlamaIndex ist das Dokumenten-Framework, GraphRAG ist Microsofts Graph-Ansatz, und WeKnora ist Tencents Wissensplattform, die auch im Go-Roundup von Januar erschien und weiter gewachsen ist.

RAGFlow

RAGFlow ist eine selbstgehostete RAG-Engine, die unordentliche Dokumente analysiert und Retrieval für Agenten freilegt, mit Zitaten als Teil des Produkts. Apache-2.0 und eine UI, die Sie einem Team geben können, sind der Grund, warum es diese Gruppe mit einem klaren Abstand anführt. Verwenden Sie es, wenn die Aufgabe „Unsere Dateien hinter einem Antwortfeld stellen“ ist und Sie den Parser, den Index und die API aus einem Projekt wollen. Greifen Sie zu LlamaIndex, wenn Sie Retrieval in eine Anwendung einbetten, die Sie bereits kontrollieren.

LlamaIndex

LlamaIndex ist ein Dokumentenverarbeitungs-Framework für Agenten und RAG-Pipelines. Es ist eine Bibliothek mit vielen Connectors, und die MIT-Lizenz passt zu dieser Rolle. Sie assemblieren den Index, den Store und den Agenten selbst, was der Preis der Flexibilität ist. Wählen Sie es für Produktcode. Wählen Sie RAGFlow, wenn Sie dieselbe Aufgabe als auslieferbaren Dienst wollen.

GraphRAG

GraphRAG baut einen Graph über einen Korpus und beantwortet Fragen, indem dieser Graph durchlaufen wird, als Microsoft Researchs offene Implementierung der Idee. Die Technik selbst wird in Advanced RAG: LongRAG, Self-RAG and GraphRAG erklärt. Die MIT-Lizenzierung macht es einfach, sie neben einer Vektor-Pipeline auszuprobieren. Der Graph-Aufbau kostet mehr im Voraus als ein Chunk-and-Embed-Index, und er zahlt diese Kosten bei Fragen zurück, die sich über viele Dokumente erstrecken. Verwenden Sie es, wenn der Korpus eine Struktur hat, die Sie derzeit in Chunks pressen.

WeKnora

WeKnora ist Tencents Wissensplattform, um Dokumente in einen RAG-Index, einen Agenten und eine Wiki zu verwandeln, die das Projekt als selbstwartend beschreibt. Die Projektlizenz ist MIT, mit Drittanbieter-Komponenten unter deren eigenen Bedingungen. GitHub berichtet diese Lizenz als „Andere“, weil die MIT-Gewährung unter einem Tencent-Vorwort sitzt. Es ist der nächste Cousin von RAGFlow in dieser Tabelle, mit einem Go-Kern. Bevorzugen Sie es, wenn Sie die Wiki und den Agenten in derselben Box wollen, und vergleichen Sie die Parser an einer Stichprobe Ihrer eigenen PDFs, bevor Sie eine Bibliothek migrieren.

Workflow- und Agent-Builder

Builder sind der Ort, an dem ein Team den Flow zeichnet, oder an dem ein Entwickler das Framework importiert, das es für sie zeichnet. n8n ist das größte nach Sternen und das engste nach Lizenz. Dify und Langflow sind die KI-nativen Studios. LangChain ist die Bibliothek unter vielen der anderen.

CrewAI (59.745 Sterne, MIT) und AutoGen (61.429 Sterne, CC-BY-4.0) gehören in dasselbe Gespräch wie code-first Multi-Agent-Frameworks. AutoGens Creative-Commons-Attributionslizenz ist ungewöhlich für ein Code-Repository, und es lohnt sich, sie zu lesen, bevor Sie sie vended. LangChain bleibt die Integrationsfläche, auf der diese Frameworks immer noch treffen.

n8n

n8n ist eine Workflow-Plattform mit Hunderten von Integrationen und nativen KI-Schritten, und es ist das Projekt, das die Leute meinen, wenn sie Zapier-ähnliche Automatisierung wollen, die sie hosten können. Die Sustainable Use License erlaubt interne Geschäftsnutzung, persönliche Nutzung und nicht-kommerzielle Nutzung. Die Verteilung ist auf kostenlose, nicht-kommerzielle Kopien begrenzt, und Dateien, die .ee markiert sind, benötigen eine separate Enterprise-Lizenz. Es ist Source-Verfügbar-Fair-Code, und es ist immer noch das richtige Tool für interne Automatisierung, wenn diese Grenzen dazu passen, wie Sie es betreiben.

Dify

Dify ist ein Arbeitsbereich für Agenten-Workflows und RAG-Pipelines, mit Modell-Anbietern und Tools in einem auslieferbaren Stack. Die Lizenz beginnt bei Apache-2.0 und fügt Bedingungen hinzu: Der Betrieb eines Multi-Tenant-Dienstes, was mehrere Arbeitsbereiche bedeutet, erfordert eine kommerzielle Lizenz, und das Konsolen-Logo und der Urheberrechtsvermerk bleiben auf der Frontend. Single-Tenant-interne Nutzung ist der Fall, den die zusätzlichen Klauseln offen lassen. Wählen Sie Dify, wenn ein Team eine UI vom Prototyp bis zur Produktion braucht, und wählen Sie Langflow, wenn die Lizenz bei einfachem MIT bleiben muss.

Langflow

Langflow ist ein visueller Builder für Agenten und RAG-Flows, mit einer MIT-Lizenz und einer Sternenzahl, die im Wesentlichen mit Dify gleich steht. Die Leinwand ist das Produkt, und die generierten Flows sind etwas, das ein Entwickler immer noch besitzen kann. Verwenden Sie es, wenn Sie ein Diagramm der Pipeline und eine Lizenz wollen, die eine Einkaufscheckliste bereits versteht. Der Kompromiss ist eine jüngere Anwendungsoberfläche als Difys Arbeitsbereichsfunktionen.

LangChain

LangChain ist die Agenten-Ingenieurs-Bibliothek, die die meisten Integrationsdokumente immer noch voraussetzen. MIT und die Breite der Connectors halten es auf jeder Kurzwahl, und die Abstraktionskosten sind real, sobald die Kette etwas Einfaches tut. Verwenden Sie es, wenn Sie Anwendungskode schreiben und die Adapter bereits geschrieben haben wollen. Verwenden Sie Dify oder Langflow, wenn das Liefarum ein Arbeitsbereich ist, und verwenden Sie ein direktes Anbieter-SDK, wenn der Flow eine Handvoll Aufrufe ist.

Lokale Inferenz und Chat-Oberflächen

Dies ist die Ebene unter allem anderen. Ollama ist der Workstation-Läufer, Transformers ist die Modelldefinitions-Bibliothek, Open WebUI ist das Chat-Frontend, llama.cpp ist die portierbare C++-Engine, und vLLM ist die Server-Engine. Hugging Face Transformers ist enthalten, weil so viele der anderen Projekte es importieren, auch wenn Sie es nicht „ausführen“ wie Ollama. API-Reifung, Hardwareunterstützung und Produktionsbereitschaft über die Runtimes hinweg werden in Ollama vs vLLM vs LM Studio verglichen.

Ollama

Ollama führt aktuelle offene Modelle lokal hinter einer einfachen CLI und einer OpenAI-kompatiblen API aus. Es war bereits ein Leader im Go-Roundup von Januar, und mit 183.334 Sternen ist es immer noch die Standard-Workstation-Runtime. MIT und ein einzelner Daemon sind die Gründe. Verwenden Sie es auf einem Entwicklerrechner und auf kleinen Servern. Verschieben Sie dieselben Gewichte zu vLLM, wenn Konkurrieren, Batching und GPU-Auslastung zum Problem werden.

Transformers

Transformers ist Hugging Faces Bibliothek zum Definieren, Laden und Ausführen von Modellen über Text, Vision, Audio und multimodale Checkpoints hinweg. Apache-2.0 und das Modell-Hub darum machen diese Bibliothek zu der, die der Rest des Stacks importiert. Sie spüren es, wenn Sie trainieren, konvertieren oder einen Modelld debuggen. Sie können es lange ignorieren, wenn Ollama oder vLLM bereits den Checkpoint bedient, den Sie brauchen.

Open WebUI

Open WebUI ist die Chat-Oberfläche, die die meisten Leute vor Ollama und OpenAI-kompatible APIs stellen. Die Open WebUI License erlaubt die Weiterverbreitung und beschränkt dann das Branding. Über 50 Endbenutzern an jedem laufenden 30-Tage-Zeitraum dürfen Sie den Namen und die Markierungen von Open WebUI nicht ändern, entfernen oder ersetzen, ohne schriftliche Erlaubnis oder eine Enterprise-Lizenz. Für eine persönliche oder kleine Team-Installation, die den Namen behält, ist es das polierte Frontend. Für ein Produkt, das Sie neu branden, veranschlagen Sie das Enterprise-Gespräch zuerst. Die Docker-Deployment und die Einrichtungsoptionen werden im Open WebUI Guide durchgegangen.

llama.cpp

llama.cpp ist die C- und C++-Inferenz-Engine, die lokale Modelle auf gewöhnlicher Hardware praktikabel machte. MIT-Lizenzierung und das GGUF-Ökosystem sind der Grund, warum Ollama und eine Menge kleinerer Apps darauf sitzen. Verwenden Sie das Projekt direkt, wenn Sie die Engine, die Quantisierungstools oder ein Binary mit wenigen Abhängigkeiten wollen. Verwenden Sie Ollama, wenn Sie diese Engine mit bereits eingewickelter Modellverwaltung wollen.

vLLM

vLLM ist eine Hochdurchsatz-Serving-Engine für GPUs, mit kontinuierlichem Batching und einer OpenAI-kompatiblen API. Apache-2.0 und der Deployment-Fokus machen es zum Server-Pendant zu Ollama. Die Sternenzahl ist niedriger, weil das Publikum Leute sind, die GPUs laufen lassen, und dieses Publikum ist das, das den Unterschied spürt. Wählen Sie vLLM, wenn mehr als einige parallele Sitzungen einen Rechner teilen.

LLM-Gateways

Ein Gateway ist die OpenAI-kompatible Fronttür vor vielen Anbietern. LiteLLM ist die allgemeine Wahl, New API ist der selbstgehostete Distributor, und Bifrost ist das kleinere Hochdurchsatz-Gateway. Stellen Sie ein Gateway in den Stack, wenn Sie mehr als einen Anbieter, ein Budget pro Schlüssel oder ein Failover-Bedarf haben. Ein einzelner lokaler Ollama-Daemon braucht keines.

LiteLLM

LiteLLM legt einen großen Satz an Anbieter-APIs über eine einzige OpenAI-förmige Schnittstelle frei, mit Ausgabenverfolgung, Retries und Guardrails. Code außerhalb des enterprise/-Verzeichnisses ist MIT, und dieses Verzeichnis hat seine eigene Lizenz. Das Python-SDK ist das, was Anwendungskode importiert, und der Proxy ist das, was das Plattform-Team betreibt. Verwenden Sie den Kern, wenn Sie einen Client für viele Händler wollen. Prüfen Sie das Enterprise-Verzeichnis, bevor Sie annehmen, das ganze Repository sei MIT.

New API

New API ist ein Modell-Hub, der Anbieter aggregiert und sie als OpenAI-, Claude- oder Gemini-kompatible Endpunkte neu bereitstellt. Es ist das Gateway, das Leute deployen, wenn sie auch Benutzerkonten, Kontingente und eine Verteilungs-UI wollen. AGPL-3.0 ist der Bedingung, die zählt, wenn Sie den Hub modifizieren und ihn als Dienst anbieten. Für ein internes Gateway mit Upstream-Schlüsseln ist es eine konkrete Alternative zu LiteLLMs Proxy, mit einem Go-Deployment und einer strengeren Lizenz.

Bifrost

Bifrost ist ein Go-Gateway für Modelle und Tools, mit Failover, Budgets und einem MCP-Gateway im selben Prozess. Die Sternenzahl ist weit unter LiteLLM, und das Go-Roundup von Januar hatte es bereits auf der Trending-Liste, sodass das Projekt jünger ist, als es obskur ist. Apache-2.0 vermeidet die Enterprise-Verzeichnis-Aufteilung. Erwägen Sie es, wenn das Gateway auf dem Anfrageweg eines geschäftigen Dienstes ist und Sie ein kleines Go-Binary wollen. Behalten Sie LiteLLM, wenn Sie den langen Schwanz an Anbieter-Adaptern heute brauchen.

Ein Stack, der sich zu laufen lohnt

Die Tabellen sind eine Karte, und eine Workstation braucht immer noch eine Kurzwahl. Für eine lokale Einrichtung im Oktober 2026 deckt Ollama plus ein Coding-Agent den täglichen Loop ab. Fügen Sie Open WebUI hinzu, wenn die Branding-Klausel zur Benutzerzahl passt, Mem0 oder claude-mem je nachdem, ob das Memory zu einer Anwendung oder zu einer Coding-Sitzung gehört, und RAGFlow, wenn die Dokumente das Produkt sind. Fügen Sie LiteLLM oder New API nur hinzu, nachdem ein zweiter Modell-Anbieter auftaucht.

Fähigkeitspakete wie Superpowers und ECC kommen, nachdem der Agent gewählt ist. Sie sind leicht zu starten und leicht anzuhäufen, und drei Gerüste auf einem Repository werden über dieselben Anweisungen streiten.

Das Ranking aktuell halten

Wiederholen Sie die Themenabfragen oben in diesem Artikel, weisen Sie jedes neue Repository einer Aufgabe zu und sortieren Sie diese Aufgabe neu nach Sternen. Dann öffnen Sie die Lizenzdatei. Ein Projekt, das die Tabelle mit einem Fähigkeitenverzeichnis, einer Prompt-Liste oder einem Wochenende der Aufmerksamkeit übersprungen hat, kann auf das nächste Snapshot warten, bevor es ein Tool ersetzt, das Sie laufen lassen.

Speichern Sie das Snapshot. Eine einzelne CSV-Datei mit full_name, stargazers_count, license und pushed_at, monatlich genommen, verwandelt die nächste Ausgabe dieser Seite in eine echte Trending-Spalte, dieselbe Art von Differenz, die die Sprachartikel bereits zeigen. Bis dahin sind die Gruppen der Teil, der gut altert, und die Sternzahlen sind der Teil, der absichtlich alt wird.

Quellen

Sterne, Sprachen und Lizenzidentitäten wurden von der GitHub-Repository-API und den LICENSE-Dateien der Repositories am 16. Oktober 2026 abgefragt. Aufgabenlabels stützen sich auch auf die öffentliche Szenariolisten bei Top Open Source AI, die ihren eigenen Composite-Score separat von der hier verwendeten Sortierung dokumentiert.

• GitHub Themen: ai-agents
• GitHub Themen: llm
• GitHub Themen: rag
• GitHub Trending, monatlich
• Top Open Source AI
• Polyform Shield License
• Functional Source License
• n8n: Sustainable Use License und Pläne
• Open WebUI Lizenzdatei