Progetti open source di IA in tendenza su GitHub, ottobre 2026

La pagina mensile dei contenuti in tendenza di GitHub funziona per una lingua, perché un filtro per lingua definisce già l’insieme. L’IA open source pone una domanda diversa: il lavoro si estende su cinque lingue e la suddivisione utile è il ruolo che un repository svolge.

Questo snapshot è stato letto dalla API pubblica di GitHub il 16 ottobre 2026, e all’interno di ogni gruppo i repository sono ordinati per numero di stelle. Le stelle misurano l’attenzione e una cartella di competenze può raccogliere quell’attenzione più rapidamente di un motore di distribuzione, quindi il gruppo precede l’ordinamento. La colonna della licenza fa parte della classifica, perché diversi dei progetti più stellati sono fair-code, con restrizioni di marchio o divisi in due licenze.

I ricapitolazioni su Rust e Go su questo sito sono state costruite da quella stessa pagina, con un filtro per lingua a occuparsi del raggruppamento. Qui i otto gruppi di lavoro sotto sostituiscono il filtro e ogni sezione espone lo scambio che separa le opzioni vicine. Le sezioni conclusive trasformano le tabelle in una lista di preferiti che puoi eseguire e in un metodo riproducibile per il prossimo snapshot.

Come classificare i progetti open source di IA

Cerca nei topic, quindi assegna un ruolo

I topic di GitHub sono il surrrogato praticabile per un filtro per lingua. Ordina un topic come ai-agents, llm, rag, local-llm o agent-memory per stelle e conserva i repository che sono stati spinti negli ultimi pochi mesi. La ricerca testuale libera per “AI” è troppo ampia e la pagina in tendenza non filtrata mescola ancora gli agenti con strumenti non correlati.

Tre ingressi pubblici bastano per ricostruire la lista. Usa la ricerca per topic per il pool, un catalogo di scenari come Top Open Source AI per le etichette di ruolo e il file LICENSE del repository per l’ultima colonna. Quel catalogo pubblica un suo composito: stelle al 70 per cento, contributori al 10 per cento e recenza degli aggiornamenti al 20 per cento. Questo articolo mantiene la regola più semplice, quindi il numero nella tabella è il numero su GitHub.

Query di partenza utili:

• topic ai-agents, per stelle
• topic llm, per stelle
• topic rag, per stelle
• topic agent-memory sopra le 5.000 stelle
• Tendenze GitHub, mensile

Mantieni il software e metti da parte le liste

Un repository guadagna una riga quando qualcuno può installarlo o quando è un’imbracatura mantenuta che cambia il modo in cui un agente viene eseguito. Le liste Awesome, i directory di prompt e i dump di prompt di sistema dei vendor raccolcono stelle e lasciano comunque nulla da distribuire. Appartengono a una lista di lettura e restano fuori dalle tabelle sotto.

Aggiungi una colonna in tendenza solo dai tuoi snapshot

Le ricapitolazioni per lingua avrebbero potuto mostrare le stelle guadagnate in un mese perché GitHub calcola già quel delta all’interno di una lingua. Tra questi gruppi, un delta mensile ha bisogno di due snapshot tuoi. Salva full_name e stargazers_count il primo del mese, poi sottrai. Fino a quando quella serie esiste, le stelle totali sono la chiave di classifica onesta. “In tendenza” nel titolo significa progetti attivamente mantenuti con l’attenzione per corrispondere, alla data odierna.

Dove si trovano i progetti

Questi gruppi sono strati che puoi impilare. Un assistente per la codifica può chiamare un gateway, un gateway può chiamare Ollama o vLLM e un servizio di memoria può stare accanto a entrambi. Due prodotti dello stesso strato sono di solito un secondo parere e raramente un’architettura migliore.

Assistenti personali di IA

Questo gruppo è per agenti che intraprendono azioni su una macchina o tra strumenti, oltre una singola sessione di codifica. OpenClaw guida con un ampio margine. Hermes è l’altro agente generale a questa scala e AutoGPT è il nome più vecchio che continua ad accumulare stelle mentre la sua licenza si è divisa. Una classifica più profonda per questa coppia da sola, con download, quota di token e storia CVE, è il confronto tra OpenClaw e Hermes Agent.

Firecrawl è elencato qui perché gli agenti hanno bisogno di pagine ed è il progetto di dati web che i lettori stellano effettivamente. È uno strumento e gli assistenti lo chiamano.

OpenClaw

OpenClaw è un agente personale destinato a funzionare sul tuo sistema operativo e a svolgere attività, che è la lettura piana di un progetto che si chiama un’IA che fa cose su qualsiasi piattaforma. Il numero di stelle è il più grande in questo articolo e la licenza MIT è l’estremità permissiva dell’insieme. Tratta l’installazione come un runtime di automazione locale con ampio accesso alla macchina e limita ciò che le è permesso toccare prima di lasciarlo funzionare.

Hermes Agent

Hermes Agent, di Nous Research, è un agente generale progettato per accumulare competenze e contesto man mano che viene utilizzato. Si trova nello stesso ruolo di OpenClaw, con una base di codice Python e le stesse condizioni MIT. Scegliilo quando vuoi quel ciclo di crescita e sei già a tuo agio a operare un agente Python. Eseguire sia Hermes che OpenClaw significa due modelli di autorizzazioni da auditare.

AutoGPT

AutoGPT è il progetto che ha reso gli agenti autonomi una categoria GitHub mainstream e continua a essere uno dei nomi più stellati dell’insieme. La licenza non è più un singolo permesso. Tutto al di fuori della cartella autogpt_platform è MIT e tutto all’interno di quella cartella è sotto la Polyform Shield License, che permette l’uso ma riserva il valore commerciale del codice al produttore. Leggi quella divisione prima di costruire un prodotto sul directory della piattaforma.

Firecrawl

Firecrawl trasforma i siti in dati che gli agenti possono chiamare. Il numero di stelle lo colloca tra gli assistenti anche se il ruolo è l’acquisizione, il che dice molto su ciò che le persone stanno cablando nel 2026. L’AGPL-3.0 conta se la modifici e offri il risultato come servizio. Per un agente personale che chiama solo un endpoint locale o del vendor, la licenza è un vincolo minore.

Assistenti di IA per la codifica

Gli agenti di codifica sono la parte più densa della lista del 2026. OpenCode guida gli agenti di terminale e editor completamente aperti, con Codex e Gemini CLI subito dietro come CLI di vendor che risultano essere open source. OpenHands, Cline e Goose sono gli altri programmi che puoi effettivamente eseguire.

Aider (49.567 stelle, Apache-2.0), Continue (36.228, Apache-2.0) e Crush (28.669, FSL-1.1-MIT) sono strumenti di codifica veri nella fascia successiva. La licenza di Crush è una Functional Source License che si converte in MIT secondo il calendario scritto nel file. Un agente di codifica è sufficiente. Un secondo è per una settimana di confronto e dopo è una configurazione che devi mantenere in sync.

OpenCode

OpenCode è un agente di codifica open source con un flusso di lavoro a terminale e una grande superficie di plugin. È diventato il nome predefinito che le persone citano quando vogliono un agente di codifica che possono ispezionare e la licenza MIT corrisponde a quell’uso. Il repository è anomalyco/opencode. Scegliilo quando l’agente stesso dovrebbe essere qualcosa che puoi patchare.

Codex

Codex è l’agente di codifica leggero di OpenAI per il terminale, scritto in Rust e con licenza Apache-2.0. È il client aperto per una famiglia di modelli ospitati, il che è un patto diverso da un agente locale-first. Usalo quando la tua squadra standardizza già sui modelli OpenAI e vuoi una CLI che puoi automatizzare. Il fatto che il client sia aperto non sposta i pesi del modello sul tuo disco.

Gemini CLI

Gemini CLI porta Gemini nel terminale come agente, sotto Apache-2.0. Svolge lo stesso ruolo di Codex per un provider diverso e la base di codice TypeScript è più facile da incorporare negli strumenti Node esistenti. Scegliilo quando Gemini è il modello che già paghi. Eseguirlo accanto a Codex è ragionevole solo se ogni repository ha un agente predefinito.

OpenHands

OpenHands è un agente di sviluppo del software con un ciclo di attività completo, ora pubblicato dall’organizzazione OpenHands. La licenza MIT e il prodotto di livello più alto lo rendono una scelta di piattaforma, più vicina a un ambiente di sviluppo ospitato che puoi self-host che a un singolo binario. Usalo quando vuoi problemi, sandbox e un’interfaccia utente attorno all’agente. Per un flusso di lavoro a terminale per una persona, OpenCode, Codex o Goose è l’installazione più piccola.

Cline

Cline è un agente di codifica autonomo che viene fornito come SDK, estensione IDE o CLI. Apache-2.0 e l’integrazione con l’editor lo rendono la scelta pratica per le persone che vivono in VS Code e vogliono comunque una libreria che possono chiamare. Si sovrappone più a OpenCode che a un’interfaccia di chat. Standardizza su uno di essi per repository in modo che le revisioni restino leggibili.

Goose

Goose è un agente locale estendibile che installa, modifica, esegue e testa codice con qualsiasi modello a cui lo indichi. Il repository ora vive in aaif-goose/goose e l’implementazione Rust più Apache-2.0 lo rendono un potente agente da workstation. Scegli Goose quando il provider del modello dovrebbe essere intercambiabile e l’agente dovrebbe funzionare sulla macchina che tiene il codice. È un numero di stelle più silenzioso di OpenCode ed è un adattamento più diretto per un modello locale.

Competenze e imbracature per agenti

La ricerca per topic metterà questo gruppo sopra diversi prodotti reali. Superpowers ed ECC sono istruzioni, hook e workflow per agenti che già esegui. Spec Kit è il kit di strumenti di processo di GitHub per lo sviluppo guidato da specifiche. Cambiano il comportamento degli agenti e sono comunque software che compongono con un assistente di codifica dalla sezione precedente.

Superpowers

Superpowers è un framework di competenze agentiche e una metodologia di sviluppo del software, distribuito per lo più come file shell e istruzioni sotto MIT. Il numero di stelle è ciò che ottieni quando un metodo si diffonde tra gli utenti di agenti di codifica in pochi mesi. Installalo sopra un agente di cui già ti fidi e aspettati di modificare le competenze per adattarle al repository. Il framework seguirà qualsiasi autorizzazione che quell’agente ha già.

ECC

ECC è un’imbracatura per Claude Code, Codex, OpenCode, Cursor e agenti simili, che copre competenze, memoria e controlli su come lavora l’agente. È la forma giusta se vuoi lo stesso ciclo su più di un agente di codifica. È anche un altro strato mobile tra te e il modello. Adottalo quando la squadra ha già scelto gli agenti e vuole un modo condiviso per istruirli.

Spec Kit

Spec Kit è il kit di strumenti di GitHub per lo sviluppo guidato da specifiche e il processo circostante. Il manutentore è la piattaforma su cui vivono già la maggior parte di questi repository e la licenza MIT è diretta. Usalo quando vuoi una specifica scritta prima che l’agente modifichi il codice. Resterà silenzioso se la squadra tratta la specifica come burocrazia facoltativa.

Memoria per l’IA

La memoria è lo strato che permette a un agente di riprendere. I progetti stellati si dividono in due stili. claude-mem, Beads e gran parte di Hindsight allegano la memoria alle sessioni di codifica. Mem0, Cognee e Letta sono servizi che chiami dagli agenti di applicazione. La politica di acquisizione, le dipendenze e gli scambi di self-hosting per questi backend sono confrontati in Provider di Memoria per Agenti.

Memvid (16.600 stelle, Apache-2.0) e Zep (4.961 stelle, Apache-2.0) sono opzioni minori nello stesso ruolo, Memvid come un archivio a file singolo e Zep come un’API di memoria intensiva in integrazioni. Un sistema di memoria per agente è l’impostazione che puoi ancora spiegare dopo.

claude-mem

claude-mem registra ciò che fa un agente di codifica, comprime quella storia e inietta la parte rilevante nelle sessioni successive. Parla con Claude Code, OpenClaw, Codex, Gemini CLI, Hermes, Copilot e OpenCode, ed è per questo che guida questo gruppo. Apache-2.0 si adatta a un sidecar che potresti voler modificare. Usalo quando la cosa che continui a dimenticare è la sessione di codifica stessa.

Mem0

Mem0 è uno strato di memoria per agenti e applicazioni, con stato di utente, sessione e agente dietro un’API. È il nome predefinito quando il prodotto è un bot di supporto o un assistente personale e vuoi quella memoria al di fuori di un singolo strumento di codifica. Apache-2.0 e un’opzione ospitata stanno l’una accanto all’altra, quindi il self-hosting è una scelta che puoi fare dopo. Preferiscilo a un aggancio di sessione di codifica quando molti agenti dovrebbero condividere gli stessi fatti su un utente.

Hindsight

Hindsight è il progetto di memoria per agenti di Vectorize, rivolto ad agenti che imparano da ciò che hanno già fatto e si integra sia con agenti di codifica che con framework di applicazione. La licenza MIT è la più permissiva in questo gruppo. Il progetto pubblica claim di benchmark forti e quei claim dovrebbero essere rieseguiti sui tuoi trascrizioni prima di scommetterci un prodotto. Scegli Hindsight quando vuoi un servizio di memoria dedicato e sei disposto a confrontarlo con Mem0 sui tuoi dati. L’installazione per OpenCode, la CLI Cursor e le altre imbracature — banchi per repository, semina git e cloud rispetto a un demone locale — è Memoria Hindsight per OpenCode, Cursor e altri agenti di codifica.

Cognee

Cognee costruisce un grafico di memoria e di conoscenza che gli agenti possono interrogare, con un’enfasi sull’esecuzione di quello strato su modelli più piccoli. Si sovrappone a Mem0 e si sovrappone anche agli strumenti RAG sotto, perché un grafico dei tuoi documenti si comporta sia come memoria che come ricerca. Apache-2.0 mantiene il percorso di incorporamento sostituibile. Scegliilo quando i fatti che ti interessano sono entità e relazioni e un indice vettoriale piatto è già sembrato troppo dispersivo.

Beads

Beads archivia attività, piani e dipendenze di agenti di codifica come file che viaggiano con il ramo git. Il repository ora è gastownhall/beads ed è lo stesso progetto che la ricapitolazione Go di gennaio ha elencato sotto il suo percorso precedente. MIT e un archivio basato su git lo rendono lo strumento di memoria che il tuo processo di revisione esistente può vedere. Usalo quando il contesto dovrebbe forcare con il ramo. Usa claude-mem o Mem0 quando la memoria deve superare la vita di un singolo repository.

Letta

Letta è la piattaforma di agenti statali nata da MemGPT. La memoria qui è parte del runtime dell’agente, quindi l’agente gestisce il proprio contesto come una funzione della piattaforma. È un impegno più profondo rispetto a far cadere Mem0 sotto un agente che già esegui. Apache-2.0 si applica alla piattaforma aperta. Scegli Letta quando vuoi il runtime e la memoria progettati insieme e scegli Mem0 quando vuoi la memoria sotto agenti che non intendi sostituire.

RAG e basi di conoscenza

I progetti RAG trasformano i documenti in uno strato di contesto. RAGFlow è il motore end-to-end che le persone stanno stellando. LlamaIndex è il framework dei documenti, GraphRAG è l’approccio a grafico di Microsoft e WeKnora è la piattaforma di conoscenza di Tencent, che è apparsa anche nella ricapitolazione Go di gennaio e ha continuato a crescere.

RAGFlow

RAGFlow è un motore RAG self-hosted che analizza documenti disordinati ed espone la ricerca agli agenti, con citazioni come parte del prodotto. Apache-2.0 e un’interfaccia utente che puoi passare a una squadra sono le ragioni per cui guida questo gruppo con un chiaro divario. Usalo quando il lavoro è “metti i nostri file dietro una casella di risposta” e vuoi l’analizzatore, l’indice e l’API da un singolo progetto. Ricorri a LlamaIndex quando stai incorporando la ricerca in un’applicazione che controlli già.

LlamaIndex

LlamaIndex è un framework di elaborazione dei documenti per agenti e pipeline RAG. È una libreria con molti connettori e la licenza MIT si adatta a quel ruolo. Assembli tu l’indice, l’archivio e l’agente, il che è il costo della flessibilità. Scegliilo per il codice di prodotto. Scegli RAGFlow quando vuoi lo stesso lavoro come un servizio che distribuisci.

GraphRAG

GraphRAG costruisce un grafico su un corpus e risponde alle domande percorrendo quel grafico, come implementazione aperta di Microsoft Research dell’idea. La tecnica stessa è spiegata in RAG Avanzato: LongRAG, Self-RAG e GraphRAG. La licenza MIT lo rende facile da provare accanto a una pipeline vettoriale. La costruzione del grafico costa di più in anticipo rispetto a un indice chunk-and-embed e ripaga quel costo su domande che attraversano molti documenti. Usalo quando il corpus ha una struttura che stai attualmente forzando nei chunk.

WeKnora

WeKnora è la piattaforma di conoscenza di Tencent per trasformare i documenti in un indice RAG, un agente e una wiki che il progetto descrive come auto-manutentante. La licenza del progetto è MIT, con componenti di terze parti sotto i loro termini. GitHub riferisce quella licenza come Altro, perché il permesso MIT sta sotto un preambolo Tencent. È il cugino più vicino a RAGFlow in questa tabella, con un nucleo Go. Preferiscilo quando vuoi la wiki e l’agente nella stessa scatola e confronta gli analizzatori su un campione dei tuoi PDF prima di migrare una libreria.

Costruttori di workflow e agenti

I costruttori sono dove una squadra disegna il flusso o dove uno sviluppatore importa il framework che lo disegna per lui. n8n è il più grande per stelle e il più stretto per licenza. Dify e Langflow sono gli studi nativi IA. LangChain è la libreria sotto un gran numero degli altri.

CrewAI (59.745 stelle, MIT) e AutoGen (61.429 stelle, CC-BY-4.0) appartengono alla stessa conversazione come framework multi-agente code-first. La licenza Creative Commons di attribuzione di AutoGen è insolita per un repository di codice ed è degna di lettura prima di vendorizzarla. LangChain rimane la superficie di integrazione che quei framework incontrano ancora.

n8n

n8n è una piattaforma di workflow con centinaia di integrazioni e step IA nativi ed è il progetto che le persone intendono quando vogliono un’automazione di tipo Zapier che possono ospitare. La Licenza di Uso Sostenibile consente l’uso interno aziendale, l’uso personale e l’uso non commerciale. La distribuzione è limitata a copie gratuite e non commerciali e i file contrassegnati .ee hanno bisogno di una licenza aziendale separata. È fair-code a fonte disponibile ed è comunque lo strumento giusto per l’automazione interna se quei limiti corrispondono a come la esegui.

Dify

Dify è uno spazio di lavoro per workflow di agenti e pipeline RAG, con provider di modelli e strumenti in uno stack distribuibile. La licenza parte da Apache-2.0 e aggiunge condizioni: operare un servizio multi-tenant, che significa più spazi di lavoro, ha bisogno di una licenza commerciale e il logo della console e l’avviso di copyright restano sul frontend. L’uso interno single-tenant è il caso che le clausole extra lasciano aperto. Scegli Dify quando una squadra ha bisogno di un’interfaccia utente unica dal prototipo alla produzione e scegli Langflow quando la licenza deve restare MIT puro.

Langflow

Langflow è un costruttore visuale per agenti e flussi RAG, con una licenza MIT e un numero di stelle essenzialmente alla pari con Dify. La tela è il prodotto e i flussi generati sono qualcosa che uno sviluppatore può ancora possedere. Usalo quando vuoi un diagramma della pipeline e una licenza che un elenco di controllo per l’approvvigionamento capisce già. Lo scambio è una superficie di applicazione più giovane delle funzioni di workspace di Dify.

LangChain

LangChain è la libreria di ingegneria degli agenti che la maggior parte dei documenti di integrazione presuppone ancora. MIT e l’ampiezza dei connettori lo mantengono in ogni lista di preferiti e il costo dell’astrazione è reale una volta che la catena sta facendo qualcosa di semplice. Usalo quando stai scrivendo codice di applicazione e vuoi gli adattatori già scritti. Usa Dify o Langflow quando l’artifact è uno spazio di lavoro e usa un SDK del provider diretto quando il flusso è un pugno di chiamate.

Inferenza locale e interfacce di chat

Questo è lo strato sotto tutto il resto. Ollama è l’esecutore di workstation, Transformers è la libreria di definizione dei modelli, Open WebUI è il frontend di chat, llama.cpp è il motore C++ portatile e vLLM è il motore di server. Hugging Face Transformers è incluso perché molti degli altri progetti lo importano, anche se non lo “esegui” nel modo in cui esegui Ollama. La maturità dell’API, il supporto hardware e la prontezza per la produzione tra i runtime sono confrontati in Ollama vs vLLM vs LM Studio.

Ollama

Ollama esegue modelli aperti attuali localmente dietro una semplice CLI e un’API compatibile con OpenAI. Era già un leader nella ricapitolazione Go di gennaio e con 183.334 stelle è ancora il runtime di workstation predefinito. MIT e un singolo demone sono le ragioni. Usalo su una macchina da sviluppatore e su server piccoli. Sposta gli stessi pesi su vLLM quando la concorrenza, il batching e l’utilizzo della GPU diventano il problema.

Transformers

Transformers è la libreria di Hugging Face per definire, caricare ed eseguire modelli attraverso checkpoint di testo, visione, audio e multimodale. Apache-2.0 e l’hub di modelli attorno rendono questa la libreria che il resto dello stack importa. La senti quando stai addestrando, convertendo o debuggando un modello. Puoi ignorarla a lungo se Ollama o vLLM serve già il checkpoint di cui hai bisogno.

Open WebUI

Open WebUI è l’interfaccia di chat che la maggior parte delle persone mette davanti a Ollama e alle API compatibili con OpenAI. La Licenza Open WebUI consente la ridistribuzione e poi restringe il branding. Sopra i 50 utenti finali in qualsiasi periodo di 30 giorni rotante, non puoi alterare, rimuovere o sostituire il nome e i marchi di Open WebUI senza permesso scritto o una licenza aziendale. Per un’installazione personale o di piccola squadra che mantiene il nome, è il frontend rifinito. Per un prodotto che ribranderai, budgetta prima la conversazione aziendale. La distribuzione Docker e le opzioni di setup sono illustrate nella guida Open WebUI.

llama.cpp

llama.cpp è il motore di inferenza in C e C++ che ha reso i modelli locali pratici su hardware comune. La licenza MIT e l’ecosistema GGUF sono le ragioni per cui Ollama e una folla di app più piccole stanno sopra di esso. Usa il progetto direttamente quando vuoi il motore, gli strumenti di quantizzazione o un binario con poche dipendenze. Usa Ollama quando vuoi quel motore con la gestione dei modelli già avvolta.

vLLM

vLLM è un motore di distribuzione ad alta resa per GPU, con batching continuo e un’API compatibile con OpenAI. Apache-2.0 e il focus sulla distribuzione lo rendono il controparte di server di Ollama. Il numero di stelle è più basso perché l’audit è per le persone che eseguono GPU e quell’audit è quello che sente la differenza. Scegli vLLM quando più di poche sessioni concorrenti condividono una macchina.

Gateway LLM

Un gateway è l’ingresso compatibile con OpenAI davanti a molti provider. LiteLLM è la scelta comune, New API è il distributore self-hosted e Bifrost è il gateway di alta resa più piccolo. Metti un gateway nello stack quando hai più di un provider, un budget per chiave o un’esigenza di failover. Un singolo demone Ollama locale non ne ha bisogno.

LiteLLM

LiteLLM espone un grande insieme di API di provider attraverso un’interfaccia dalla forma OpenAI, con monitoraggio della spesa, retry e guardrail. Il codice al di fuori del directory enterprise/ è MIT e quel directory ha la sua licenza. Lo SDK Python è ciò che il codice di applicazione importa e il proxy è ciò che la squadra della piattaforma esegue. Usa il nucleo quando vuoi un client per molti vendor. Controlla il directory enterprise prima di assumere che l’intero repository sia MIT.

New API

New API è un hub di modelli che aggrega i provider e li ri-servisce come endpoint compatibili con OpenAI, Claude o Gemini. È il gateway che le persone distribuiscono quando vogliono anche account utente, quote e un’interfaccia di distribuzione. AGPL-3.0 è il termine che conta se modifichi l’hub e lo offri come servizio. Per un gateway interno con chiavi a monte, è un’alternativa concreta al proxy di LiteLLM, con una distribuzione Go e una licenza più stretta.

Bifrost

Bifrost è un gateway Go per modelli e strumenti, con failover, budget e un gateway MCP nello stesso processo. Il numero di stelle è molto inferiore a LiteLLM e la ricapitolazione Go di gennaio l’aveva già sulla lista in tendenza, quindi il progetto è più giovane di quanto sia oscuro. Apache-2.0 evita la divisione del directory enterprise. Consideralo quando il gateway è sul percorso di richiesta di un servizio occupato e vuoi un piccolo binario Go. Mantieni LiteLLM quando hai bisogno della lunga coda di adattatori di provider oggi.

Uno stack che vale la pena eseguire

Le tabelle sono una mappa e una workstation ha ancora bisogno di una lista breve. Per una configurazione locale nell’ottobre 2026, Ollama più un agente di codifica copre il ciclo giornaliero. Aggiungi Open WebUI se la clausola di branding si adatta al numero di utenti, Mem0 o claude-mem a seconda che la memoria appartenga a un’applicazione o a una sessione di codifica e RAGFlow quando i documenti sono il prodotto. Aggiungi LiteLLM o New API solo dopo che è apparso un secondo provider di modelli.

I pacchetti di competenze come Superpowers ed ECC vengono dopo che l’agente è scelto. Sono facili da stellare e facili da accumulare e tre imbracature su un repository lottano per le stesse istruzioni.

Mantenere la classifica aggiornata

Ripeti le query di topic all’inizio di questo articolo, assegna ogni nuovo repository a un ruolo e riordina quel ruolo per stelle. Poi apri il file di licenza. Un progetto che ha saltato la tabella su un directory di competenze, una lista di prompt o un weekend di attenzione può aspettare il prossimo snapshot prima di sostituire uno strumento che esegui.

Archivia lo snapshot. Un singolo CSV di full_name, stargazers_count, license e pushed_at, preso mensilmente, trasforma la prossima edizione di questa pagina in una vera colonna in tendenza, lo stesso tipo di delta che gli articoli per lingua mostrano già. Fino ad allora, i gruppi sono la parte che invecchia bene e i numeri di stelle sono la parte che diventa obsoleta intenzionalmente.

Fonti

I numeri di stelle, le lingue e le identità delle licenze sono state lette dall’API dei repository GitHub e dai file LICENSE dei repository il 16 ottobre 2026. Le etichette di ruolo attingono anche alla lista pubblica di scenari su Top Open Source AI, che documenta il suo punteggio composito separatamente dall’ordinamento usato qui.

• GitHub topics: ai-agents
• GitHub topics: llm
• GitHub topics: rag
• GitHub trending, monthly
• Top Open Source AI
• Polyform Shield License
• Functional Source License
• n8n: Sustainable Use License and plans
• File di licenza di Open WebUI