Progetti Open Source di AI in tendenza su GitHub, ottobre 2026

La pagina mensile dei trending di GitHub funziona per un linguaggio, perché un filtro linguistico definisce già l’insieme. L’IA open source pone una domanda diversa: il lavoro si estende su cinque linguaggi e il taglio utile è il ruolo che un repository svolge.

Questo snapshot è stato letto dall’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 skill può raccogliere quell’attenzione più velocemente di un motore di serving, quindi il gruppo viene prima dell’ordinamento. La colonna delle licenze fa parte anche della classifica, perché diversi dei progetti con più stelle sono fair-code, con restrizioni di marca o divisi in due licenze.

Le classifiche su Rust e Go su questo sito sono state costruite da quella stessa pagina, con un filtro linguistico che fa il raggruppamento. Qui gli otto gruppi di ruolo sotto sostituiscono il filtro e ogni sezione espone il compromesso che separa le opzioni vicine. Le sezioni finali trasformano le tabelle in una shortlist che puoi eseguire e in un metodo ripetibile per lo snapshot successivo.

Come classificare i progetti open source IA

Cerca per argomenti, poi assegna un ruolo

Gli argomenti di GitHub sono la sostituita praticabile di un filtro linguistico. Ordina un argomento come ai-agents, llm, rag, local-llm o agent-memory per stelle e conserva i repository che sono stati aggiornati negli ultimi mesi. La ricerca libera per “AI” è troppo ampia e la pagina dei trending non filtrata mescola ancora agenti con strumenti non correlati.

Tre ingressi pubblici sono sufficienti per ricostruire la lista. Usa la ricerca per argomenti 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 composito proprio: stelle al 70 percento, contributori al 10 percento e recentezza degli aggiornamenti al 20 percento. Questo articolo mantiene la regola più semplice, quindi il numero nella tabella è il numero su GitHub.

Query iniziali utili:

• argomento ai-agents, per stelle
• argomento llm, per stelle
• argomento rag, per stelle
• argomento agent-memory con più di 5.000 stelle
• Trending GitHub, mensile

Conserva il software, metti da parte le liste

Un repository merita una riga quando qualcuno può installarlo, oppure quando è un’infrastruttura mantenuta che modifica il modo in cui un agente opera. Le liste awesome, i cataloghi di prompt e i dump di system prompt dei vendor raccolgono stelle e lasciano comunque nulla da deployare. Appartengono a una lista di lettura e restano fuori dalle tabelle qui sotto.

Aggiungi una colonna trending solo dai tuoi snapshot

Le classifiche linguistiche potevano mostrare le stelle guadagnate in un mese perché GitHub calcola già quel delta all’interno di un unico linguaggio. Attraverso questi gruppi, un delta mensile richiede due snapshot tuoi. Salva full_name e stargazers_count il primo del mese, poi sottrai. Fino a quando quella serie non esiste, le stelle totali sono la chiave di classifica onesta. “Trending” nel titolo significa progetti attivamente mantenuti con l’attenzione corrispondente, alla data odierna.

Dove si trovano i progetti

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

Assistenti IA personali

Questo gruppo è per agenti che compiono azioni su una macchina o tra strumenti, oltre a una singola sessione di codifica. OpenClaw guida con ampio margine. Hermes è l’altro agente generale su questa scala e AutoGPT è il nome più datato che sta ancora accumulando stelle mentre la sua licenza si è divisa. Una classifica più profonda solo per questa coppia, con download, quota di token e storico CVE, è il confronto OpenClaw vs Hermes Agent.

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

OpenClaw

OpenClaw è un agente personale pensato per girare sul tuo sistema operativo e portare a termine compiti, che è la lettura semplice di un progetto che si chiama un’IA che fa cose su qualsiasi piattaforma. Il numero di stelle è il più alto 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 definisci cosa è autorizzato a toccare prima di lasciarlo in esecuzione.

Hermes Agent

Hermes Agent, di Nous Research, è un agente generale progettato per accumulare skill e contesto mentre viene usato. Si trova nello stesso ruolo di OpenClaw, con una base di codice Python e le stesse condizioni MIT. Sceglielo quando vuoi quel ciclo di crescita e sei già a tuo agio operando un agente Python. Far girare sia Hermes che OpenClaw significa due modelli di permessi da auditare.

AutoGPT

AutoGPT è il progetto che ha reso gli agenti autonomi una categoria mainstream su GitHub ed è ancora uno dei nomi con più stelle nell’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 consente l’uso ma riserva il valore commerciale del codice al produttore. Leggi quella divisione prima di costruire un prodotto sulla directory della piattaforma.

Firecrawl

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

Assistenti di codifica IA

Gli agenti di codifica sono la parte più fitta della lista del 2026. OpenCode guida gli agenti di terminale ed editor completamente aperti, con Codex e Gemini CLI subito dietro come i CLI dei vendor che sono open source per caso. OpenHands, Cline e Goose sono gli altri programmi che puoi realmente 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 reali nella fascia successiva. La licenza di Crush è una Functional Source License che si converte in MIT secondo lo schema scritto nel file. Un agente di codifica è sufficiente. Un secondo è per una settimana di confronto e dopo è una configurazione che devi tenere in sincronia.

OpenCode

OpenCode è un agente di codifica open source con un flusso di lavoro in terminale e un’ampia 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, che è un affare diverso da un agente local-first. Usalo quando il tuo team si è già standardizzato sui modelli OpenAI e vuoi un 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 un 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 integrare negli strumenti Node esistenti. Scegliilo quando Gemini è il modello per cui già paghi. Farlo girare accanto a Codex è ragionevole solo se ogni repository ha un unico agente predefinito.

OpenHands

OpenHands è un agente di sviluppo software con un ciclo di compiti completo, ora pubblicato dall’organizzazione OpenHands. La licenza MIT e il prodotto di livello superiore lo rendono una scelta di piattaforma, più vicino a un ambiente di sviluppo ospitato che puoi auto-ospitare che a un singolo binario. Usalo quando vuoi issue, sandbox e un’interfaccia grafica attorno all’agente. Per un flusso di lavoro in terminale per una persona, OpenCode, Codex o Goose è l’installazione più piccola.

Cline

Cline è un agente di codifica autonomo che viene rilasciato come SDK, estensione IDE o CLI. Apache-2.0 e l’integrazione con l’editore lo rendono la scelta pratica per le persone che vivono in VS Code e vogliono comunque una libreria che possono chiamare. Sovrappone OpenCode più di quanto sovrappone un’interfaccia di chat. Standardizza su uno dei due 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 gli punti. Il repository ora si trova in aaif-goose/goose e l’implementazione in Rust più Apache-2.0 lo rendono un forte agente da workstation. Scegli Goose quando il provider di modello dovrebbe essere scambiabile e l’agente dovrebbe girare sulla macchina che tiene il codice. Ha un numero di stelle più silenzioso di OpenCode ed è una corrispondenza più diretta per un modello locale.

Skill degli agenti e infrastrutture

La ricerca per argomenti metterà questo gruppo sopra diversi prodotti reali. Superpowers ed ECC sono istruzioni, ganci e workflow per agenti che già esegui. Spec Kit è il toolkit di processo di GitHub per lo sviluppo guidato da specifiche. Modificano il comportamento dell’agente e sono ancora software che componi con un assistente di codifica dalla sezione precedente.

Superpowers

Superpowers è un framework di skill per agenti e una metodologia di sviluppo software, distribuito in gran parte 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 che già ti fidi e aspettati di modificare le skill per adattarle al repository. Il framework seguirà quali permessi quell’agente ha già.

ECC

ECC è un’infrastruttura per Claude Code, Codex, OpenCode, Cursor e agenti simili, che copre skill, memoria e controlli attorno al modo in cui l’agente opera. È la forma giusta se vuoi lo stesso ciclo su più di un agente di codifica. È anche un altro strato in movimento tra te e il modello. Adottalo quando il team ha già scelto gli agenti e vuole un modo condiviso per briefingarli.

Spec Kit

Spec Kit è il toolkit di GitHub per lo sviluppo guidato da specifiche e il processo attorno. 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 il team tratta la specifica come burocrazia opzionale.

Memoria IA

La memoria è lo strato che permette a un agente di riprendere. I progetti con più stelle si dividono in due stili. claude-mem, Beads e gran parte di Hindsight attaccano la memoria alle sessioni di codifica. Mem0, Cognee e Letta sono servizi che chiami da agenti di applicazione. Le policy di acquisizione, le dipendenze e i compromessi di auto-ospitalità per questi backend sono confrontate in Provider di Memoria per Agenti.

Memvid (16.600 stelle, Apache-2.0) e Zep (4.961 stelle, Apache-2.0) sono opzioni più piccole nello stesso ruolo, Memvid come archivio a file singolo e Zep come API di memoria pesante su integrazioni. Un sistema di memoria per agente è la configurazione che puoi ancora spiegare in seguito.

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 il motivo per cui 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 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 qualsiasi singolo strumento di codifica. Apache-2.0 e un’opzione ospitata stanno fianco a fianco, quindi l’auto-ospitalità è una scelta che puoi fare in seguito. Preferiscilo a un gancio 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, mirato ad agenti che imparano da ciò che hanno già fatto, e si integra sia con agenti di codifica sia con framework di applicazione. La licenza MIT è la più permissiva in questo gruppo. Il progetto pubblica forti affermazioni di benchmark e quelle affermazioni dovrebbero essere rieseguite sui tuoi transcript prima di scommetterci un prodotto. Scegli Hindsight quando vuoi un servizio di memoria dedicato e sei disposto a confrontarlo con Mem0 sui tuoi dati.

Cognee

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

Beads

Beads memorizza compiti, piani e dipendenze degli agenti di codifica come file che viaggiano con la branch git. Il repository è ora gastownhall/beads ed è lo stesso progetto che la classifica 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 la branch. Usa claude-mem o Mem0 quando la memoria deve sopravvivere a un singolo repository.

Letta

Letta è la piattaforma di agenti con stato cresciuta da MemGPT. La memoria qui è parte del runtime dell’agente, quindi l’agente gestisce il proprio contesto come caratteristica della piattaforma. È un impegno più profondo rispetto a mettere 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 hai intenzione di 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 la gente sta mettendo nelle stelle. LlamaIndex è il framework per documenti, GraphRAG è l’approccio a grafo di Microsoft e WeKnora è la piattaforma di conoscenza di Tencent, che è apparsa anche nella classifica Go di gennaio e ha continuato a crescere.

RAGFlow

RAGFlow è un motore RAG auto-ospitato che analizza documenti disordinati ed espone la ricerca agli agenti, con le citazioni come parte del prodotto. Apache-2.0 e un’interfaccia grafica che puoi passare a un team sono il motivo per cui guida questo gruppo con un chiaro margine. Usalo quando il lavoro è “metti i nostri file dietro una casella di risposte” e vuoi l’analizzatore, l’indice e l’API da un unico progetto. Usa LlamaIndex quando stai incorporando la ricerca in un’applicazione che già controlli.

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, che è il costo della flessibilità. Scegliilo per il codice di prodotto. Scegli RAGFlow quando vuoi lo stesso lavoro come un servizio che deployi.

GraphRAG

GraphRAG costruisce un grafico su un corpus e risponde a 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 rimborsa quel costo su domande che attraversano molti documenti. Usalo quando il corpus ha una struttura che stai attualmente forzando in 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-manutenibile. La licenza del progetto è MIT, con componenti di terze parti sotto i loro termini. GitHub riporta quella licenza come Altro, perché il permesso MIT sta sotto un preambolo di Tencent. È il cugino più vicino di 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 un team 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 per l’IA. LangChain è la libreria sotto gran parte degli altri.

CrewAI (59.745 stelle, MIT) e AutoGen (61.429 stelle, CC-BY-4.0) appartengono alla stessa conversazione come framework multi-agente con priorità al codice. La licenza Creative Commons di attribuzione di AutoGen è inusuale per un repository di codice e vale la pena leggerla prima di integrarla. LangChain rimane la superficie di integrazione che quei framework incontrano ancora.

n8n

n8n è una piattaforma di workflow con centinaia di integrazioni e passi IA nativi, ed è il progetto che la gente intende quando vuole automazioni in stile Zapier che può ospitare. La Licenza di Uso Sostenibile consente l’uso aziendale interno, l’uso personale e l’uso non commerciale. La distribuzione è limitata a copie gratuite e non commerciali e i file contrassegnati .ee necessitano di una licenza aziendale separata. È source-available fair-code ed è ancora lo strumento giusto per l’automazione interna se quei limiti corrispondono a come lo esegui.

Dify

Dify è un workspace per workflow di agenti e pipeline RAG, con provider di modelli e strumenti in uno stack deployabile. La licenza parte da Apache-2.0 e aggiunge condizioni: operare un servizio multi-tenant, significando più workspace, richiede 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 aperte. Scegli Dify quando un team ha bisogno di un’interfaccia grafica unica dal prototipo alla produzione e scegli Langflow quando la licenza deve restare MIT semplice.

Langflow

Langflow è un costruttore visivo per agenti e flussi RAG, con licenza MIT e un numero di stelle essenzialmente in parità con Dify. La canvas 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 dell’approvvigionamento comprende già. Il compromesso è una superficie di applicazione più giovane delle caratteristiche di workspace di Dify.

LangChain

LangChain è la libreria di ingegneria degli agenti che la maggior parte dei documenti di integrazione presume ancora. MIT e l’ampiezza dei connettori la tengono in ogni shortlist e il costo dell’astrazione è reale una volta che la catena sta facendo qualcosa di semplice. Usala quando stai scrivendo codice di applicazione e vuoi gli adattatori già scritti. Usa Dify o Langflow quando la consegna è un workspace e usa un SDK di provider diretto quando il flusso è un pugno di chiamate.

Inferenza locale e interfacce di chat

Questo è lo strato sotto ogni altra cosa. Ollama è il runner da 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 così tanti degli altri progetti lo importano, anche se non lo “esegui” nel modo in cui esegui Ollama. La maturità delle 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 correnti localmente dietro un CLI semplice e un’API compatibile con OpenAI. Era già un leader nella classifica Go di gennaio e, a 183.334 stelle, è ancora il runtime predefinito da workstation. MIT e un singolo demone sono le ragioni. Usalo su una macchina di sviluppo e su piccoli server. 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 per testo, visione, audio e multimodale. Apache-2.0 e l’hub di modelli attorno lo rendono la libreria che il resto dello stack importa. Lo senti quando stai addestrando, convertendo o debuggando un modello. Puoi ignorarlo per molto tempo 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. Oltre 50 utenti finali in qualsiasi periodo di 30 giorni consecutivi, 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 piccolo team che mantiene il nome, è il frontend rifinito. Per un prodotto che ri-brandirai, budgeta la conversazione aziendale per prima. Il deployment Docker e le opzioni di configurazione sono passate in rassegna nella guida Open WebUI.

llama.cpp

llama.cpp è il motore di inferenza C e C++ che ha reso pratici i modelli locali sull’hardware ordinario. 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 serving ad alto rendimento per GPU, con batching continuo e un’API compatibile con OpenAI. Apache-2.0 e il focus sul deployment lo rendono il contrappunto di server di Ollama. Il numero di stelle è inferiore perché il pubblico è la gente che fa girare GPU e quel pubblico è quello che sente la differenza. Scegli vLLM quando più di poche sessioni concorrenti condividono una macchina.

Gateway LLM

Un gateway è la porta d’ingresso compatibile con OpenAI davanti a molti provider. LiteLLM è la scelta comune, New API è il distributore auto-ospitato e Bifrost è il gateway più piccolo ad alto rendimento. Metti un gateway nello stack quando hai più di un provider, un budget per chiave o un bisogno di failover. Un singolo demone Ollama locale non ne ha bisogno.

LiteLLM

LiteLLM espone un grande insieme di API di provider attraverso un’interfaccia sagomata su OpenAI, con tracciamento della spesa, retry e guardrail. Il codice al di fuori della directory enterprise/ è MIT e quella directory ha la sua licenza. L’SDK Python è ciò che il codice di applicazione importa e il proxy è ciò che il team di piattaforma esegue. Usa il nucleo quando vuoi un client per molti vendor. Controlla la directory aziendale 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-serve come endpoint compatibili con OpenAI, Claude o Gemini. È il gateway che la gente deploya quando vuole 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 un servizio. Per un gateway interno con chiavi a monte, è un’alternativa concreta al proxy di LiteLLM, con un deployment 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 ben al di sotto di LiteLLM e la classifica Go di gennaio lo aveva già nella lista dei trending, quindi il progetto è più giovane di quanto sia oscuro. Apache-2.0 evita la divisione della directory aziendale. Consideralo quando il gateway è sul percorso della richiesta di un servizio occupato e vuoi un piccolo binario Go. Tieni LiteLLM quando hai bisogno della lunga coda di adattatori di provider oggi.

Uno stack da eseguire

Le tabelle sono una mappa e una workstation ha ancora bisogno di una shortlist. 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 emerso un secondo provider di modelli.

I pacchetti di skill come Superpowers ed ECC vengono dopo che l’agente è scelto. Sono facili da mettere nelle stelle e facili da accumulare e tre infrastrutture su un repository si scontreranno sulle stesse istruzioni.

Mantieni la classifica aggiornata

Ripeti le query per argomenti in cima a questo articolo, assegna ogni nuovo repository a un ruolo e riordina quel ruolo per stelle. Poi apri il file della licenza. Un progetto che è saltato la tabella su una directory di skill, una lista di prompt o un weekend di attenzione può aspettare lo snapshot successivo prima di sostituire uno strumento che esegui.

Memorizza 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 trending, lo stesso tipo di delta che gli articoli linguistici già mostrano. Fino ad allora, i gruppi sono la parte che invecchia bene e i numeri di stelle sono la parte che diventa obsoleta volutamente.

Fonti

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

• Argomenti GitHub: ai-agents
• Argomenti GitHub: llm
• Argomenti GitHub: rag
• Trending GitHub, mensile
• Top Open Source AI
• Licenza Polyform Shield
• Functional Source License
• n8n: Licenza di Uso Sostenibile e piani
• File Licenza Open WebUI