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

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

Esta instantánea se extrajo de la API pública de GitHub el 16 de octubre de 2026, y dentro de cada grupo los repositorios están ordenados por el número de estrellas. Las estrellas miden la atención, y una carpeta de habilidades puede atraer esa atención más rápido que un motor de servicio, por lo que el grupo precede al orden. La columna de licencia también forma parte del ranking, porque varios de los proyectos con más estrellas son de código justo (fair-code), están restringidos por marca o se dividen entre dos licencias.

Las recopilaciones de Rust y Go de este sitio se construyeron a partir de esa misma página, utilizando un filtro de lenguaje para agrupar. Aquí, los ocho grupos de funciones de abajo reemplazan al filtro, y cada sección establece el intercambio que separa las opciones cercanas. Las secciones de cierre convierten las tablas en una lista corta que puede 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. Ordene un tema como ai-agents, llm, rag, local-llm o agent-memory por estrellas, y conserve los repositorios que fueron actualizados en los últimos meses. La búsqueda de texto libre por “IA” es demasiado amplia, y la página de tendencias sin filtrar sigue mezclando agentes con herramientas no relacionadas.

Tres entradas públicas son suficientes para reconstruir la lista. Use 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 su propio compuesto: 70 % en estrellas, 10 % en contribuyentes y 20 % en recencia de actualización. Este artículo mantiene la regla más simple, por lo que el número en la tabla es el número en GitHub.

Consultas útiles para comenzar:

• 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

Conservar software y dejar listas a un lado

Un repositorio gana una fila cuando alguien puede instalarlo, o cuando es un arnés (harness) mantenido que cambia cómo funciona un agente. Las listas geniales (awesome-lists), directorios de indicaciones (prompts) y volcados de indicaciones de sistemas de proveedores recopilan estrellas y, sin embargo, no dejan nada para desplegar. Pertenecen a una lista de lectura y se mantienen fuera de las tablas de abajo.

Añadir una columna de tendencias solo desde sus propias instantáneas

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

Dónde se sitúan los proyectos

Estos grupos son capas que puede apilar. Un asistente de codificación 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 suelen ser una segunda opinión, y rara vez son una mejor arquitectura.

Asistentes de IA personales

Este grupo es para agentes que toman acciones en una máquina o a través de 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 para solo esta pareja, con descargas, cuota de tokens e historial de CVE, es la comparación entre OpenClaw y Hermes Agent.

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

OpenClaw

OpenClaw es un agente personal diseñado para funcionar en su propio sistema operativo y llevar a cabo tareas, que es la lectura llana de un proyecto que se llama a sí mismo una IA que hace cosas en cualquier plataforma. El recuento de estrellas es el más grande de este artículo, y la licencia MIT es el extremo permisivo del conjunto. Trate la instalación como un tiempo de ejecución de automatización local con acceso amplio a la máquina, y delimite lo que se le permite tocar antes de dejarlo funcionando.

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 Python y los mismos términos MIT. Elija esto cuando quiera ese bucle de crecimiento y ya esté cómodo operando un agente Python. Ejecutar tanto Hermes como OpenClaw significa dos modelos de permisos para auditar.

AutoGPT

AutoGPT es el proyecto que convirtió a los agentes autónomos en una categoría principal de GitHub, y aún es uno de los nombres más marcados del conjunto. La licencia ya no es una concesión única. Todo lo que está fuera de la carpeta autogpt_platform es MIT, y todo lo que está dentro de esa carpeta está bajo la Licencia Polyform Shield, que permite el uso pero reserva el valor comercial del código al productor. Lea 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 cual dice mucho sobre lo que la gente está cableando en 2026. AGPL-3.0 importa si lo modifica y ofrece el resultado como un servicio. Para un agente personal que solo llama a un punto de final local o de proveedor, la licencia es una restricción menor.

Asistentes de codificación con IA

Los agentes de codificación son la parte más densa de la lista de 2026. OpenCode lidera los agentes de terminal y editor totalmente abiertos, con Codex y Gemini CLI muy cerca detrás, como las CLIs de proveedores que resultan ser de código abierto. OpenHands, Cline y Goose son los otros programas que realmente puede 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 plan escrito en el archivo. Un agente de codificación es suficiente. Un segundo es para una semana de comparación, y después de eso es una configuración que debe mantener sincronizada.

OpenCode

OpenCode es un agente de codificación de código abierto con un flujo de trabajo de terminal y una amplia superficie de plugins. Se ha convertido en el nombre predeterminado que la gente cita cuando quiere un agente de codificación que pueda inspeccionar, y la licencia MIT coincide con ese uso. El repositorio es anomalyco/opencode. Elija esto cuando el agente mismo deba ser algo que pueda parchear.

Codex

Codex es el agente de codificación ligero de OpenAI para la terminal, escrito en Rust y licenciado bajo Apache-2.0. Es el cliente abierto para una familia de modelos alojados, que es un trato diferente de un agente local primario. Úselo cuando su equipo ya estandarice en modelos de OpenAI y quiera una CLI que pueda automatizar. Que el cliente sea abierto no mueve los pesos del modelo a su 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 TypeScript es más fácil de integrar en herramientas Node existentes. Elija esto cuando Gemini sea el modelo por el que ya paga. Ejecutarlo junto a Codex es razonable solo si cada repositorio tiene un agente predeterminado único.

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 más alto lo convierten en una elección de plataforma, más cercano a un entorno de desarrollo alojado que puede autoalojar que a un binario único. Úselo cuando quiera problemas, cajas de arena y una interfaz de usuario alrededor del agente. Para un flujo de trabajo de terminal para una sola persona, OpenCode, Codex o Goose es la instalación más pequeña.

Cline

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

Goose

Goose es un agente local extensible que instala, edita, ejecuta y prueba código con el modelo que usted elija. El repositorio ahora vive en aaif-goose/goose, y la implementación Rust junto con Apache-2.0 lo hacen un agente de estación de trabajo sólido. Elija Goose cuando el proveedor de modelo debe ser intercambiable y el agente debe funcionar en la máquina que contiene el código. Tiene un recuento de estrellas más discreto que OpenCode, y es un ajuste más directo para un modelo local.

Habilidades y arneses de agentes

La búsqueda de temas colocará este grupo por encima de varios productos reales. Superpowers y ECC son instrucciones, ganchos (hooks) y flujos de trabajo para agentes que ya ejecuta. Spec Kit es el propio kit de herramientas de procesos de GitHub para el desarrollo dirigido por especificaciones. Cambian el comportamiento del agente, y aún son software que compone con un asistente de codificación 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 obtiene cuando un método se extiende entre usuarios de agentes de codificación en pocos meses. Instálelo sobre un agente en el que ya confíe, y espere editar las habilidades para que coincidan con el repositorio. El marco seguirá los permisos que ese agente ya tenga.

ECC

ECC es un arnés para Claude Code, Codex, OpenCode, Cursor y agentes similares, que cubre habilidades, memoria y revisiones alrededor de cómo funciona el agente. Es la forma correcta si quiere el mismo bucle en más de un agente de codificación. También es otra capa móvil entre usted y el modelo. Adóptelo cuando el equipo ya haya elegido los agentes y quiera una forma compartida de darles instrucciones.

Spec Kit

Spec Kit es el kit de herramientas de GitHub para el desarrollo dirigido por especificaciones y el proceso alrededor de él. El mantenedor es la plataforma sobre la que viven la mayoría de estos repositorios, y la licencia MIT es sencilla. Úselo cuando quiera una especificación escrita antes de que el agente edite código. Permanecerá silencioso si el equipo trata la especificación como documentación opcional.

Memoria de IA

La memoria es la capa que permite que un agente retome. Los proyectos marcados con estrellas se dividen en dos estilos. claude-mem, Beads y gran parte de Hindsight adjuntan memoria a sesiones de codificación. Mem0, Cognee y Letta son servicios que llama desde agentes de aplicación. La política de captura, dependencias y compensaciones de autoalojo para estos backend 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 un almacén de archivo único y Zep como una API de memoria con muchas integraciones. Un sistema de memoria por agente es la configuración que aún puede 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 (sidecar) que quizás quiera modificar. Úselo cuando lo que sigue olvidando sea la sesión de codificación misma.

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 predeterminado cuando el producto es un bot de soporte o un asistente personal, y quiere esa memoria fuera de cualquier herramienta de codificación. Apache-2.0 y una opción alojada se sitúan lado a lado, por lo que el autoalojo es una elección que puede hacer después. Prefiéralo sobre un gancho de sesión de codificación cuando muchos agentes deban compartir los mismos hechos sobre un usuario.

Hindsight

Hindsight es el proyecto de memoria de agentes de Vectorize, orientado a agentes que aprenden de lo que ya han hecho, y se integra con tanto agentes de codificación como marcos de aplicación. La licencia MIT es la más permisiva de este grupo. El proyecto publica reclamos de benchmark fuertes, y esos reclamos deberían reejecutarse en sus propios transcritos antes de apostar un producto por ellos. Elija Hindsight cuando quiera un servicio de memoria dedicado y esté dispuesto a compararlo con Mem0 en sus datos.

Cognee

Cognee construye un grafo de memoria y conocimiento que los agentes pueden consultar, con énfasis en ejecutar esa capa en modelos más pequeños. Se superpone con Mem0 y también con las herramientas RAG de abajo, porque un grafo de sus documentos se comporta como memoria y recuperación. Apache-2.0 mantiene el camino de incrustación (embedding) reemplazable. Elija esto cuando los hechos que importan sean entidades y relaciones, y un índice vectorial plano ya se haya sentido demasiado pérdida de información.

Beads

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

Letta

Letta es la plataforma de agentes con estado que surgió 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 ejecuta. Apache-2.0 se aplica a la plataforma abierta. Elija Letta cuando quiera el tiempo de ejecución y la memoria diseñados juntos, y elija Mem0 cuando quiera memoria bajo agentes que no tiene intención de reemplazar.

RAG y bases de conocimiento

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

RAGFlow

RAGFlow es un motor RAG autoalojado 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 puede entregar a un equipo son las razones por las que lidera este grupo por una clara diferencia. Úselo cuando la función sea “poner nuestros archivos detrás de una caja de respuestas” y quiera el analizador, el índice y la API de un solo proyecto. Recurra a LlamaIndex cuando esté incrustando recuperación dentro de una aplicación que ya controla.

LlamaIndex

LlamaIndex es un marco de procesamiento de documentos para agentes y pipelines RAG. Es una biblioteca con muchos conectores, y la licencia MIT encaja con ese rol. Usted ensambla el índice, el almacén y el agente, que es el costo de la flexibilidad. Elija esto para código de producto. Elija RAGFlow cuando quiera la misma función como un servicio que despliega.

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 un pipeline vectorial. La construcción del grafo cuesta más por adelantado que un índice de fragmentar e incrustar, y recupera ese costo en preguntas que abarcan muchos documentos. Úselo cuando el corpus tenga estructura que actualmente esté 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 “Other” (Otros), porque la concesión MIT se sitúa bajo un preámbulo de Tencent. Es el primo más cercano de RAGFlow en esta tabla, con un núcleo Go. Prefiéralo cuando quiera la wiki y el agente en la misma caja, y compare los analizadores en una muestra de sus 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 él. 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 priorizados por código. La licencia Creative Commons de atribución de AutoGen es inusual para un repositorio de código, y vale la pena leerla antes de incorporarla. LangChain permanece como la superficie de integración con la que esos marcos aún se 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 puede alojar. La Licencia de Uso Sostenible permite el uso interno de empresa, el uso personal y el uso no comercial. La distribución está limitada a copias gratuitas y no comerciales, y los archivos marcados como .ee necesitan una licencia empresarial separada. Es código justo disponible en origen, y aún es la herramienta correcta para automatización interna si esas limitaciones coinciden con cómo la ejecuta.

Dify

Dify es un espacio de trabajo para flujos de trabajo de agentes y pipelines RAG, con proveedores de modelos y herramientas en una pila desplegable. La licencia comienza desde Apache-2.0 y añade condiciones: operar un servicio multiinquilino, que significa múltiples espacios de trabajo, necesita una licencia comercial, y el logotipo de la consola y el aviso de derechos de autor permanecen en el frontend. El uso interno de un solo inquilino es el caso que las cláusulas adicionales dejan abierto. Elija Dify cuando un equipo necesite una interfaz de usuario desde el prototipo hasta la producción, y elija Langflow cuando la licencia tenga que permanecer como MIT plano.

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. Úselo cuando quiera un diagrama del pipeline y una licencia que una lista de verificación de compras ya entienda. 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 lo mantienen en cada lista corta, y el costo de abstracción es real una vez que la cadena está haciendo algo simple. Úselo cuando esté escribiendo código de aplicación y quiera los adaptadores ya escritos. Use Dify o Langflow cuando el entregable sea un espacio de trabajo, y use un SDK de proveedor directo cuando el flujo sea 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 frontend de chat, llama.cpp es el motor portable C++ y vLLM es el motor de servidor. Transformers de Hugging Face está incluido porque muchos de los otros proyectos lo importan, aunque no lo “ejecuta” de la manera en que ejecuta Ollama. La madurez de la 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 de Go de enero, y con 183.334 estrellas aún es el tiempo de ejecución predeterminado de estación de trabajo. MIT y un solo demonio son las razones. Úselo en una máquina de desarrollador y en servidores pequeños. Mueva los mismos pesos a vLLM cuando la concurrencia, el lote (batching) 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. Lo nota cuando está entrenando, convirtiendo o depurando un modelo. Puede ignorarlo por mucho tiempo si Ollama o vLLM ya sirve el punto de control que necesita.

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. Por encima de 50 usuarios finales en cualquier período móvil de 30 días, no puede alterar, eliminar o reemplazar el nombre y las marcas de Open WebUI sin permiso por escrito o una licencia empresarial. Para una instalación personal o de un equipo pequeño que mantiene el nombre, es el frontend pulido. Para un producto que reemplazará la marca, presupueste 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 en C y C++ que hizo prácticos los modelos locales en hardware ordinario. La licencia MIT y el ecosistema GGUF son las razones por las que Ollama y una multitud de aplicaciones menores se sientan encima de él. Use el proyecto directamente cuando quiera el motor, las herramientas de cuantización o un binario con pocas dependencias. Use Ollama cuando quiera ese motor con la gestión de modelos ya envuelta.

vLLM

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

Pasarelas de LLM

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

LiteLLM

LiteLLM expone un gran conjunto de APIs de proveedores a través de una única 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. Use el núcleo cuando quiera un cliente para muchos proveedores. Revise 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 re-sirve como puntos de final 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 modifica el centro y lo ofrece como servicio. Para una pasarela interna con claves 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 por error, presupuestos y una pasarela MCP en el mismo proceso. El recuento de estrellas es muy inferior al de LiteLLM, y la recopilación de Go de enero ya lo tenía en la lista de tendencias, por lo que el proyecto es más joven de lo que es oscura. Apache-2.0 evita la división del directorio empresarial. Considerelo cuando la pasarela esté en la ruta de solicitud de un servicio ocupado y quiera un binario Go pequeño. Mantenga LiteLLM cuando necesite la larga cola de adaptadores de proveedor 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 codificación cubren el bucle diario. Añada 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 sean el producto. Añada 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 pelearán por las mismas instrucciones.

Mantener la clasificación actualizada

Repetir las consultas de temas al inicio de este artículo, asignar cada nuevo repositorio a una función y reordenar esa función por estrellas. Luego abra el archivo de licencia. Un proyecto que saltó la tabla sobre un directorio de habilidades, una lista de indicaciones o una fin de semana de atención puede esperar a la próxima instantánea antes de que reemplace una herramienta que ejecuta.

Almacene 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 de lenguaje ya muestran. Hasta entonces, los grupos son la parte que envejece bien, y los recuentos de estrellas son la parte que se vuelve obsoleta a propósito.

Fuentes

Los recuentos de estrellas, lenguajes e identidades de licencia se leyeron de la API de repositorio de GitHub y de los archivos LICENSE de los repositorios el 16 de octubre de 2026. Las etiquetas de función también toman del listado público de escenarios en Top Open Source AI, que documenta su propia puntuación compuesta por separado de la clasificación utilizada 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 Open WebUI