Proyectos de IA de código abierto en tendencia en GitHub, octubre de 2026

La página de tendencias mensuales de GitHub funciona para un lenguaje, porque un filtro de lenguaje ya define el conjunto. La IA de código abierto plantea una pregunta diferente: el trabajo abarca cinco lenguajes y el corte útil es la función que realiza un repositorio.

Esta instantánea se leyó de la API pública de GitHub el 16 de octubre de 2026, y dentro de cada grupo los repositorios están ordenados por recuento de estrellas. Las estrellas miden la atención, y una carpeta de habilidades puede reunir esa atención más rápido que un motor de servicio, por lo que el grupo precede al orden. La columna de licencia también forma parte de la clasificación, porque varios de los proyectos con más estrellas son de código justo, con restricciones de marca o divididos en dos licencias.

Las recopilaciones de Rust y Go de este sitio se construyeron desde esa misma página, con un filtro de lenguaje realizando el agrupamiento. Aquí los ocho grupos de funciones a continuación reemplazan al filtro, y cada sección detalla el intercambio que separa a las opciones cercanas. Las secciones de cierre convierten las tablas en una lista corta que puedes ejecutar, y en un método repetible para la próxima instantánea.

Cómo clasificar proyectos de IA de código abierto

Buscar temas y luego asignar una función

Los temas de GitHub son el sustituto funcional para un filtro de lenguaje. Ordena un tema como ai-agents, llm, rag, local-llm o agent-memory por estrellas, y mantén los repositorios que fueron actualizados en los últimos meses. La búsqueda de texto libre para “AI” es demasiado amplia, y la página de tendencias no filtrada aún mezcla agentes con herramientas no relacionadas.

Tres entradas públicas son suficientes para reconstruir la lista. Usa la búsqueda por temas para el conjunto, un catálogo de escenarios como Top Open Source AI para las etiquetas de función, y el archivo LICENSE del repositorio para la última columna. Ese catálogo publica un compuesto propio: estrellas al 70 por ciento, contribuidores al 10 por ciento y reciente de actualización al 20 por ciento. Este artículo mantiene la regla más simple, por lo que el número en la tabla es el número en GitHub.

Consultas iniciales útiles:

• Tema ai-agents, por estrellas
• Tema llm, por estrellas
• Tema rag, por estrellas
• Tema agent-memory con más de 5,000 estrellas
• Tendencias de GitHub, mensual

Mantener el software y dejar las listas aparte

Un repositorio gana una fila cuando alguien puede instalarlo, o cuando es un arnés mantenido que cambia cómo se ejecuta un agente. Las listas de excelentes, directorios de indicaciones y volcados de indicaciones de sistema de proveedores recogen estrellas y aún dejan nada para desplegar. Pertenecen a una lista de lectura y se mantienen fuera de las tablas a continuación.

Añadir una columna de tendencias solo desde tus propias instantáneas

Las recopilaciones por lenguaje podrían mostrar estrellas ganadas en un mes porque GitHub ya calcula esa diferencia dentro de un lenguaje. En estos grupos, una diferencia mensual necesita dos instantáneas propias. Guarda full_name y stargazers_count el primero del mes, y luego resta. Hasta que esa serie exista, las estrellas totales son la clave de clasificación honesta. “Tendencias” en el título significa proyectos mantenidos activamente con la atención correspondiente, a fecha de hoy.

Dónde se ubican los proyectos

Estos grupos son capas que puedes apilar. Un asistente de código puede llamar a una pasarela, una pasarela puede llamar a Ollama o vLLM, y un servicio de memoria puede situarse junto a cualquiera de ellos. Dos productos de la misma capa son generalmente una segunda opinión, y rara vez una arquitectura mejor.

Asistentes de IA personales

Este grupo es para agentes que toman acciones en una máquina o entre herramientas, más allá de una sola sesión de codificación. OpenClaw lidera por un amplio margen. Hermes es el otro agente general a esta escala, y AutoGPT es el nombre más antiguo que aún acumula estrellas mientras su licencia se ha dividido. Un tablero de clasificación más profundo solo para esta pareja, con descargas, cuota de tokens e historial de CVE, es la comparación OpenClaw vs Hermes Agent.

Firecrawl se lista aquí porque los agentes necesitan páginas, y es el proyecto de datos web que los lectores realmente marcan con una estrella. Es una herramienta, y los asistentes lo llaman.

OpenClaw

OpenClaw es un agente personal diseñado para ejecutarse en tu propio sistema operativo y llevar a cabo tareas, que es la lectura simple de un proyecto que se denomina a sí mismo como una IA que hace cosas en cualquier plataforma. El recuento de estrellas es el más grande en este artículo, y la licencia MIT es el extremo permisivo del conjunto. Trata la instalación como un tiempo de ejecución de automatización local con acceso amplio a la máquina, y delimita qué le está permitido tocar antes de dejarlo corriendo.

Hermes Agent

Hermes Agent, de Nous Research, es un agente general diseñado para acumular habilidades y contexto a medida que se usa. Se sitúa en la misma función que OpenClaw, con una base de código en Python y los mismos términos MIT. Elígelo cuando quieres ese bucle de crecimiento y ya estás acostumbrado a operar un agente Python. Ejecutar tanto Hermes como OpenClaw significa dos modelos de permisos para auditar.

AutoGPT

AutoGPT es el proyecto que hizo de los agentes autónomos una categoría principal de GitHub, y aún es uno de los nombres más marcados con estrellas del conjunto. La licencia ya no es una concesión única. Todo fuera de la carpeta autogpt_platform es MIT, y todo dentro de esa carpeta está bajo la Licencia Polyform Shield, que permite el uso pero reserva el valor comercial del código al productor. Lee esa división antes de construir un producto sobre el directorio de la plataforma.

Firecrawl

Firecrawl convierte sitios en datos que los agentes pueden llamar. El recuento de estrellas lo sitúa entre los asistentes aunque la función sea adquisición, lo que dice mucho sobre lo que la gente está cableando en 2026. AGPL-3.0 importa si lo modificas y ofreces el resultado como servicio. Para un agente personal que solo llama a un extremo local o de proveedor, la licencia es una restricción menor.

Asistentes de código de IA

Los agentes de codificación son la parte más densa de la lista de 2026. OpenCode lidera los agentes de terminal y editor completamente abiertos, con Codex y Gemini CLI cerca detrás como las CLIs de proveedores que resulta ser de código abierto. OpenHands, Cline y Goose son los otros programas que realmente puedes ejecutar.

Aider (49,567 estrellas, Apache-2.0), Continue (36,228, Apache-2.0) y Crush (28,669, FSL-1.1-MIT) son herramientas de codificación reales en la siguiente banda. La licencia de Crush es una Licencia de Código Funcional que se convierte en MIT según el horario escrito en el archivo. Un agente de codificación es suficiente. Un segundo es para una semana de comparación, y después es configuración que tienes que mantener en sincronía.

OpenCode

OpenCode es un agente de codificación de código abierto con un flujo de trabajo de terminal y una gran superficie de plugins. Se ha convertido en el nombre por defecto que la gente cita cuando quiere un agente de codificación que puede inspeccionar, y la licencia MIT coincide con ese uso. El repositorio es anomalyco/opencode. Elígelo cuando el propio agente debería ser algo que puedas parchear.

Codex

Codex es el agente de codificación ligero de OpenAI para la terminal, escrito en Rust y licenciado Apache-2.0. Es el cliente abierto para una familia de modelos alojados, que es un trato diferente de un agente primero-local. Úsalo cuando tu equipo ya estandariza modelos de OpenAI y quieres una CLI que puedas automatizar. Que el cliente sea abierto no mueve los pesos del modelo a tu disco.

Gemini CLI

Gemini CLI lleva Gemini a la terminal como un agente, bajo Apache-2.0. Juega el mismo rol que Codex para un proveedor diferente, y la base de código en TypeScript es más fácil de incrustar en herramientas Node existentes. Elígela cuando Gemini es el modelo que ya pagas. Ejecutarlo junto a Codex es razonable solo si cada repositorio tiene un agente por defecto.

OpenHands

OpenHands es un agente de desarrollo de software con un bucle de tareas completo, ahora publicado desde la organización OpenHands. La licencia MIT y el producto de nivel superior lo hacen una elección de plataforma, más cerca de un entorno de desarrollo alojado que puedes auto-alojar que de un binario único. Úsalo cuando quieres problemas, cajas de arena y una interfaz de usuario alrededor del agente. Para un flujo de trabajo de terminal de una sola persona, OpenCode, Codex o Goose es la instalación más pequeña.

Cline

Cline es un agente de codificación autónomo que se empaqueta como un SDK, una extensión de IDE o una CLI. Apache-2.0 y la integración del editor lo hacen la elección práctica para personas que viven en VS Code y aún quieren una biblioteca que pueden llamar. Se superpone más con OpenCode que con una interfaz de chat. Estandariza uno de ellos por repositorio para que las revisiones sigan siendo legibles.

Goose

Goose es un agente local extensible que instala, edita, ejecuta y prueba código con el modelo que le apuntes. El repositorio ahora vive en aaif-goose/goose, y la implementación en Rust más Apache-2.0 lo hacen un fuerte agente de estación de trabajo. Elige Goose cuando el proveedor de modelos debería ser intercambiable y el agente debería ejecutarse en la máquina que sostiene el código. Es un recuento de estrellas más silencioso que OpenCode, y es un ajuste más directo para un modelo local.

Habilidades y arneses de agentes

La búsqueda por temas situará este grupo por encima de varios productos reales. Superpowers y ECC son instrucciones, ganchos y flujos de trabajo para agentes que ya ejecutas. Spec Kit es la propia caja de herramientas de procesos de GitHub para el desarrollo guiado por especificaciones. Cambian el comportamiento del agente, y aún son software que compones con un asistente de código de la sección anterior.

Superpowers

Superpowers es un marco de habilidades agénticas y una metodología de desarrollo de software, distribuido principalmente como archivos de shell e instrucciones bajo MIT. El recuento de estrellas es lo que obtienes cuando un método se extiende entre usuarios de agentes de codificación en pocos meses. Instálalo sobre un agente que ya confías, y espera editar las habilidades para que coincidan con el repositorio. El marco seguirá lo que sea que el agente ya tenga de permisos.

ECC

ECC es un arnés para Claude Code, Codex, OpenCode, Cursor y agentes similares, que cubre habilidades, memoria y comprobaciones alrededor de cómo trabaja el agente. Es la forma correcta si quieres el mismo bucle en más de un agente de codificación. También es otra capa móvil entre tú y el modelo. Adóptalo cuando el equipo ya haya elegido los agentes y quiera una forma compartida para instruccionarlos.

Spec Kit

Spec Kit es la caja de herramientas de GitHub para el desarrollo guiado por especificaciones y el proceso alrededor de ello. El mantenedor es la plataforma donde ya viven la mayoría de estos repositorios, y la licencia MIT es directa. Úsalo cuando quieres una especificación escrita antes de que el agente edite el código. Permanecerá silencioso si el equipo trata la especificación como papeleo opcional.

Memoria de IA

La memoria es la capa que permite a un agente reanudar. Los proyectos con más estrellas se dividen en dos estilos. claude-mem, Beads y gran parte de Hindsight adjuntan la memoria a sesiones de codificación. Mem0, Cognee y Letta son servicios que llamas desde agentes de aplicación. La política de captura, las dependencias y los intercambios de auto-alojamiento para estos motores se comparan en Proveedores de Memoria de Agentes.

Memvid (16,600 estrellas, Apache-2.0) y Zep (4,961 estrellas, Apache-2.0) son opciones menores en la misma función, Memvid como una tienda de un solo archivo y Zep como una API de memoria con muchas integraciones. Un sistema de memoria por agente es la configuración que aún puedes explicar después.

claude-mem

claude-mem registra lo que hace un agente de codificación, comprime ese historial e inyecta la parte relevante en sesiones posteriores. Habla con Claude Code, OpenClaw, Codex, Gemini CLI, Hermes, Copilot y OpenCode, que es por qué lidera este grupo. Apache-2.0 encaja con un acompañante que quizás quieras modificar. Úsalo cuando la cosa que sigues olvidando es la propia sesión de codificación.

Mem0

Mem0 es una capa de memoria para agentes y aplicaciones, con estado de usuario, sesión y agente detrás de una API. Es el nombre por defecto cuando el producto es un bot de soporte o un asistente personal, y quieres esa memoria fuera de cualquier herramienta de codificación. Apache-2.0 y una opción alojada se sitúan lado a lado, por lo que el auto-alojamiento es una elección que puedes hacer después. Prefiérelo sobre un gancho de sesión de codificación cuando muchos agentes deberían compartir los mismos hechos sobre un usuario.

Hindsight

Hindsight es el proyecto de memoria de agentes de Vectorize, dirigido a agentes que aprenden de lo que ya han hecho, y se integra tanto con agentes de codificación como con marcos de aplicación. La licencia MIT es la más permisiva en este grupo. El proyecto publica reclamos de marcaje fuertes, y esos reclamos deberían volver a ejecutarse en tus propios transcripciones antes de apostar un producto por ellos. Elige Hindsight cuando quieres un servicio de memoria dedicado y estás dispuesto a compararlo con Mem0 en tus datos. La instalación para OpenCode, la CLI de Cursor y los otros arneses — bancos por repositorio, siembra git y nube contra un demonio local — es Hindsight Memory para OpenCode, Cursor y Otros Agentes de Código.

Cognee

Cognee construye una memoria y un grafo de conocimiento que los agentes pueden consultar, con un énfasis en ejecutar esa capa en modelos más pequeños. Se superpone con Mem0 y también se superpone con las herramientas RAG a continuación, porque un grafo de tus documentos se comporta como memoria y recuperación. Apache-2.0 mantiene el camino de incrustación intercambiable. Elígelo cuando los hechos que te importan son entidades y relaciones, y un índice vectorial plano ya se sintió demasiado lossy.

Beads

Beads almacena tareas, planes y dependencias de agentes de codificación como archivos que viajan con la rama git. El repositorio ahora es gastownhall/beads, y es el mismo proyecto que la recopilación Go de enero listó bajo su ruta anterior. MIT y una tienda basada en git lo hacen la herramienta de memoria que tu proceso de revisión existente puede ver. Úsalo cuando el contexto debería bifurcarse con la rama. Usa claude-mem o Mem0 cuando la memoria tenga que sobrevivir a un solo repositorio.

Letta

Letta es la plataforma de agentes con estado que creció a partir de MemGPT. La memoria aquí es parte del tiempo de ejecución del agente, por lo que el agente gestiona su propio contexto como una función de la plataforma. Eso es un compromiso más profundo que soltar Mem0 bajo un agente que ya ejecutas. Apache-2.0 se aplica a la plataforma abierta. Elige Letta cuando quieres el tiempo de ejecución y la memoria diseñados juntos, y elige Mem0 cuando quieres memoria bajo agentes que no intentas reemplazar.

RAG y bases de conocimiento

Los proyectos RAG convierten documentos en una capa de contexto. RAGFlow es el motor de extremo a extremo que la gente está marcando con estrellas. LlamaIndex es el marco de documentos, GraphRAG es el enfoque de grafos de Microsoft, y WeKnora es la plataforma de conocimiento de Tencent, que también apareció en la recopilación Go de enero y ha seguido creciendo.

RAGFlow

RAGFlow es un motor RAG auto-alojado que analiza documentos desordenados y expone la recuperación a los agentes, con citas como parte del producto. Apache-2.0 y una interfaz de usuario que puedes entregar a un equipo son por qué lidera este grupo por una clara brecha. Úsalo cuando la función es “poner nuestros archivos detrás de una caja de respuestas” y quieres el analizador, el índice y la API de un solo proyecto. Busca LlamaIndex cuando estás incrustando la recuperación dentro de una aplicación que ya controlas.

LlamaIndex

LlamaIndex es un marco de procesamiento de documentos para agentes y tuberías RAG. Es una biblioteca con muchos conectores, y la licencia MIT encaja con ese rol. Tú ensamblas el índice, la tienda y el agente tú mismo, que es el costo de la flexibilidad. Elígela para código de producto. Elige RAGFlow cuando quieres la misma función como un servicio que desplegues.

GraphRAG

GraphRAG construye un grafo sobre un corpus y responde preguntas recorriendo ese grafo, como la implementación abierta de Microsoft Research de la idea. La técnica misma se explica en RAG Avanzado: LongRAG, Self-RAG y GraphRAG. La licencia MIT lo hace fácil de probar junto a una tubería vectorial. La construcción del grafo cuesta más al inicio que un índice de fragmentación e incrustación, y paga ese costo en preguntas que abarcan muchos documentos. Úsalo cuando el corpus tiene estructura que actualmente estás forzando en fragmentos.

WeKnora

WeKnora es la plataforma de conocimiento de Tencent para convertir documentos en un índice RAG, un agente y una wiki que el proyecto describe como auto-mantenida. La licencia del proyecto es MIT, con componentes de terceros bajo sus propios términos. GitHub reporta esa licencia como Otra, porque la concesión MIT se sitúa bajo un preámbulo de Tencent. Es el primo más cercano a RAGFlow en esta tabla, con un núcleo Go. Prefiérelo cuando quieres la wiki y el agente en la misma caja, y compara los analizadores en una muestra de tus propios PDFs antes de migrar una biblioteca.

Constructores de flujos de trabajo y agentes

Los constructores son donde un equipo dibuja el flujo, o donde un desarrollador importa el marco que lo dibuja por ellos. n8n es el más grande por estrellas y el más estrecho por licencia. Dify y Langflow son los estudios nativos de IA. LangChain es la biblioteca debajo de muchos de los otros.

CrewAI (59,745 estrellas, MIT) y AutoGen (61,429 estrellas, CC-BY-4.0) pertenecen a la misma conversación como marcos multi-agente primero-código. La licencia de atribución de Creative Commons de AutoGen es inusual para un repositorio de código, y vale la pena leerla antes de vendarla. LangChain permanece la superficie de integración que esos marcos aún encuentran.

n8n

n8n es una plataforma de flujos de trabajo con cientos de integraciones y pasos de IA nativos, y es el proyecto al que la gente se refiere cuando quiere automatización estilo Zapier que pueden alojar. La Licencia de Uso Sostenible permite el uso empresarial interno, el uso personal y el uso no comercial. La distribución está limitada a copias gratuitas y no comerciales, y los archivos marcados .ee necesitan una licencia empresarial separada. Es código justo disponible en fuente, y aún es la herramienta correcta para automatización interna si esas limitaciones coinciden con cómo lo ejecutas.

Dify

Dify es un espacio de trabajo para flujos de trabajo de agentes y tuberías RAG, con proveedores de modelos y herramientas en una pila desplegable. La licencia parte de Apache-2.0 y añade condiciones: operar un servicio multi-inquilino, que significa múltiples espacios de trabajo, necesita una licencia comercial, y el logotipo de la consola y el aviso de copyright permanecen en el front-end. El uso interno de un solo inquilino es el caso que las cláusulas extra dejan abierto. Elige Dify cuando un equipo necesita una interfaz de usuario única del prototipo a producción, y elige Langflow cuando la licencia tiene que permanecer MIT simple.

Langflow

Langflow es un constructor visual para agentes y flujos RAG, con una licencia MIT y un recuento de estrellas esencialmente empatado con Dify. El lienzo es el producto, y los flujos generados son algo que un desarrollador aún puede poseer. Úsalo cuando quieres un diagrama de la tubería y una licencia que una lista de verificación de adquisición ya entiende. El intercambio es una superficie de aplicación más joven que las funciones de espacio de trabajo de Dify.

LangChain

LangChain es la biblioteca de ingeniería de agentes que la mayoría de los documentos de integración aún asumen. MIT y la amplitud de conectores la mantienen en cada lista corta, y el costo de la abstracción es real una vez que la cadena está haciendo algo simple. Úsala cuando estás escribiendo código de aplicación y quieres los adaptadores ya escritos. Usa Dify o Langflow cuando el entregable es un espacio de trabajo, y usa un SDK de proveedor directo cuando el flujo es un puñado de llamadas.

Inferencia local e interfaces de chat

Esta es la capa debajo de todo lo demás. Ollama es el ejecutor de estación de trabajo, Transformers es la biblioteca de definición de modelos, Open WebUI es el front-end de chat, llama.cpp es el motor portable C++ y vLLM es el motor de servidor. Hugging Face Transformers está incluido porque tantos de los otros proyectos lo importan, aunque no lo “ejecutas” de la forma en que ejecutas Ollama. La madurez de API, el soporte de hardware y la preparación para producción entre los tiempos de ejecución se comparan en Ollama vs vLLM vs LM Studio.

Ollama

Ollama ejecuta modelos abiertos actuales localmente detrás de una CLI simple y una API compatible con OpenAI. Ya era un líder en la recopilación Go de enero, y con 183,334 estrellas aún es el tiempo de ejecución de estación de trabajo por defecto. MIT y un solo demonio son las razones. Úsalo en una máquina de desarrollo y en servidores pequeños. Mueve los mismos pesos a vLLM cuando la concurrencia, el loting y la utilización de GPU se conviertan en el problema.

Transformers

Transformers es la biblioteca de Hugging Face para definir, cargar y ejecutar modelos a través de puntos de control de texto, visión, audio y multimodal. Apache-2.0 y el centro de modelos alrededor de ella hacen de esta la biblioteca que el resto de la pila importa. La sientes cuando estás entrenando, convirtiendo o depurando un modelo. Puedes ignorarla por mucho tiempo si Ollama o vLLM ya sirve el punto de control que necesitas.

Open WebUI

Open WebUI es la interfaz de chat que la mayoría de la gente pone delante de Ollama y APIs compatibles con OpenAI. La Licencia Open WebUI permite la redistribución y luego restringe la marca. Encima de 50 usuarios finales en cualquier 30 días rodantes, no puedes alterar, remover o reemplazar el nombre y marcas de Open WebUI sin permiso escrito o una licencia empresarial. Para una instalación personal o de equipo pequeño que mantiene el nombre, es el front-end pulido. Para un producto que rebrendarás, presupuesta la conversación empresarial primero. El despliegue con Docker y las opciones de configuración se recorren en la guía de Open WebUI.

llama.cpp

llama.cpp es el motor de inferencia C y C++ que hizo prácticos los modelos locales en hardware ordinario. La licencia MIT y el ecosistema GGUF son por qué Ollama y una multitud de aplicaciones más pequeñas se sitúan sobre él. Usa el proyecto directamente cuando quieres el motor, las herramientas de cuantización o un binario con pocas dependencias. Usa Ollama cuando quieres ese motor con la gestión de modelos ya envuelta.

vLLM

vLLM es un motor de servicio de alto rendimiento para GPUs, con loting continuo y una API compatible con OpenAI. Apache-2.0 y el enfoque de despliegue lo hacen el contraparte de servidor para Ollama. El recuento de estrellas es menor porque la audiencia es personas que ejecutan GPUs, y esa audiencia es la que siente la diferencia. Elige vLLM cuando más de unas pocas sesiones concurrentes comparten una máquina.

Pasarelas de LLM

Una pasarela es la puerta delantera compatible con OpenAI delante de muchos proveedores. LiteLLM es la elección común, New API es el distribuidor auto-alojado, y Bifrost es la pasarela de alto rendimiento más pequeña. Pone una pasarela en la pila cuando tienes más de un proveedor, un presupuesto por clave o una necesidad de conmutación. Un solo demonio local Ollama no la necesita.

LiteLLM

LiteLLM expone un gran conjunto de APIs de proveedores a través de una interfaz con forma de OpenAI, con seguimiento de gastos, reintentos y salvaguardas. El código fuera del directorio enterprise/ es MIT, y ese directorio tiene su propia licencia. El SDK de Python es lo que el código de aplicación importa, y el proxy es lo que el equipo de plataforma ejecuta. Usa el núcleo cuando quieres un cliente único para muchos proveedores. Revisa el directorio empresarial antes de asumir que todo el repositorio es MIT.

New API

New API es un centro de modelos que agrega proveedores y los vuelve a servir como puntos finales compatibles con OpenAI, Claude o Gemini. Es la pasarela que la gente despliega cuando también quiere cuentas de usuario, cuotas y una interfaz de distribución. AGPL-3.0 es el término que importa si modificas el centro y lo ofreces como servicio. Para una pasarela interna con claves de aguas arriba, es una alternativa concreta al proxy de LiteLLM, con un despliegue Go y una licencia más estricta.

Bifrost

Bifrost es una pasarela Go para modelos y herramientas, con conmutación, presupuestos y una pasarela MCP en el mismo proceso. El recuento de estrellas está muy por debajo de LiteLLM, y la recopilación Go de enero ya lo tenía en la lista de tendencias, por lo que el proyecto es más joven de lo que es oscuro. Apache-2.0 evita la división del directorio empresarial. Considera cuando la pasarela está en la ruta de solicitud de un servicio ocupado y quieres un binario Go pequeño. Mantén LiteLLM cuando necesitas la cola larga de adaptadores de proveedores hoy.

Una pila que vale la pena ejecutar

Las tablas son un mapa, y una estación de trabajo aún necesita una lista corta. Para una configuración local en octubre de 2026, Ollama más un agente de código cubre el bucle diario. Añade Open WebUI si la cláusula de marca encaja con el recuento de usuarios, Mem0 o claude-mem dependiendo de si la memoria pertenece a una aplicación o a una sesión de codificación, y RAGFlow cuando los documentos son el producto. Añade LiteLLM o New API solo después de que aparezca un segundo proveedor de modelos.

Los paquetes de habilidades como Superpowers y ECC vienen después de que el agente es elegido. Son fáciles de marcar con estrellas y fáciles de acumular, y tres arneses en un solo repositorio lucharán por las mismas instrucciones.

Mantener la clasificación actualizada

Repite las consultas de temas al inicio de este artículo, asigna cada nuevo repositorio a una función y vuelve a ordenar esa función por estrellas. Luego abre el archivo de licencia. Un proyecto que saltó la tabla sobre un directorio de habilidades, una lista de indicaciones o una semana de atención puede esperar a la próxima instantánea antes de reemplazar una herramienta que ejecutas.

Almacena la instantánea. Un solo CSV de full_name, stargazers_count, license y pushed_at, tomado mensualmente, convierte la próxima edición de esta página en una columna de tendencias real, el mismo tipo de diferencia que los artículos por lenguaje ya muestran. Hasta entonces, los grupos son la parte que envejece bien, y los recuentos de estrellas son la parte que se pone obsoleta a propósito.

Fuentes

Los recuentos de estrellas, lenguajes e identidades de licencias se leyeron de la API de repositorios de GitHub y los archivos LICENSE de los repositorios el 16 de octubre de 2026. Las etiquetas de función también toman del listado de escenarios público en Top Open Source AI, que documenta su puntaje compuesto separado del orden utilizado aquí.

• Temas de GitHub: ai-agents
• Temas de GitHub: llm
• Temas de GitHub: rag
• Tendencias de GitHub, mensual
• Top Open Source AI
• Licencia Polyform Shield
• Licencia de Código Funcional
• n8n: Licencia de Uso Sostenible y planes
• Archivo de licencia de Open WebUI