Najpopularniejsze projekty AI open source na GitHub – październik 2026

Miesięczna strona tendencji na GitHubie działa dla danego języka, ponieważ filtr językowy z góry definiuje zbiór projektów. Otwartoźródłowa sztuczna inteligencja stawia inne pytanie: praca obejmuje pięć języków, a przydatny podział dotyczy funkcji, jaką realizuje dany repozytorium.

Ten zrzut danych odczytano z publicznego API GitHuba 16 października 2026 roku, a wewnątrz każdej grupy repozytoria są posortowane według liczby gwiazdek. Gwiazdki mierzą uwagę, a folder z umiejętnościami może przyciągnąć tę uwagę szybciej niż silnik serwujący, dlatego grupa pojawia się przed sortowaniem. Kolumna z licencją również stanowi część rankingu, ponieważ kilka najbardziej popularnych projektów jest objętych licencją fair-code, ograniczoną znakiem towarowym lub podzieloną na dwie licencje.

Podsumowania na temat Rusta i Go na tej stronie zostały zbudowane na bazie tej samej strony, z filtrem językowym pełniącym funkcję grupowania. Tutaj osiem grup zadaniowych poniżej zastępuje filtr, a każda sekcja opisuje kompromis, który odróżnia bliskie opcje. Zamykające sekcje zamieniają tabele w krótką listę do wdrożenia oraz w powtarzalną metodę na kolejny zrzut danych.

Jak rankować projekty otwartoźródłowej AI

Szukaj tematów, a następnie przypisz zadanie

Tematy na GitHubie są użytecznym substytutem filtra językowego. Posortuj temat, taki jak ai-agents, llm, rag, local-llm lub agent-memory, według gwiazdek i zachowaj repozytoria, do których ostatni push nastąpił w ciągu ostatnich kilku miesięcy. Wyszukiwanie pełnotekstowe hasła „AI” jest zbyt szerokie, a niesortowana strona tendencji nadal miesza agentów z niepowiązanymi narzędziami.

Trzy publiczne źródła wystarczają do odtworzenia listy. Użyj wyszukiwania tematowego jako puli, katalogu scenariuszy, takiego jak Top Open Source AI, jako etykiet zadań oraz pliku LICENSE w repozytorium jako ostatniej kolumny. Ten katalog publikuje własną miarę złożoną: 70 procent gwiazdek, 10 procent współtwórców i 20 procent świeżości aktualizacji. Ten artykuł zachowuje prostszą regułę, więc liczba w tabeli to liczba widoczna na GitHubie.

Użyteczne zapytania startowe:

• temat ai-agents, wg gwiazdek
• temat llm, wg gwiazdek
• temat rag, wg gwiazdek
• temat agent-memory powyżej 5 000 gwiazdek
• tendencje GitHuba, miesięcznie

Zachowaj oprogramowanie, a listy zestawów odsuń na bok

Repozytorium zasługuje na wiersz w tabeli, gdy ktoś może je zainstalować, lub gdy jest to utrzymywany szkielet (harness), który zmienia sposób działania agenta. Listy „Awesome”, katalogi promptów i zrzuty systemowych promptów od dostawców zbierają gwiazdki, ale nadal nie pozostawiają nic do wdrożenia. Należą one na listę lektur i pozostają poza tabelami poniżej.

Dodawaj kolumnę tendencji wyłącznie z własnych zrzutów danych

Podsumowania językowe mogłyby pokazywać przyrost gwiazdek w miesiącu, ponieważ GitHub już oblicza tę deltę wewnątrz jednego języka. W przypadku tych grup, miesięczna delta wymaga dwóch własnych zrzutów danych. Zapisz full_name i stargazers_count w pierwszego dnia miesiąca, a następnie odjmij. Dopóki ta seria danych nie istnieje, całkowita liczba gwiazdek to uczciwy klucz do rankingu. „Trendujący” w tytule oznacza aktywnie utrzymywane projekty z odpowiednią liczbą gwiazdek, według stanu na ten dzień.

Gdzie znajdują się projekty

Te grupy to warstwy, które można nakładać na siebie. Asystent kodujący może wywoływać bramkę (gateway), bramka może wywoływać Ollama lub vLLM, a serwis pamięci może funkcjonować obok jednej z nich. Dwa produkty z tej samej warstwy to zazwyczaj druga opinia, a rzadko lepsza architektura.

Osobiste asystenty AI

Ta grupa obejmuje agentów wykonujących akcje na maszynie lub między narzędziami, wykraczające poza pojedynczą sesję kodowania. OpenClaw prowadzi z dużym przewagą. Hermes to drugi ogólny agent w tej skali, a AutoGPT to starsza nazwa, która nadal zbiera gwiazdki, podczas gdy jej licencja uległa podziałowi. Bardziej szczegółowa tablica liderów dla tej pary, z liczbą pobrań, udziałem tokenów i historią CVE, to porównanie OpenClaw vs Hermes Agent.

Firecrawl znajduje się tutaj, ponieważ agenci potrzebują stron, a jest to projekt danych internetowych, który czytelnicy faktycznie oznaczają gwiazdkami. To narzędzie, które asystenci wywołują.

OpenClaw

OpenClaw to osobisty agent przeznaczony do działania na własnym systemie operacyjnym i wykonywania zadań, co jest prostym odczytem projektu nazywającego się AI wykonującą czynności na dowolnej platformie. Liczba gwiazdek jest największa w tym artykule, a licencja MIT to najbardziej liberalny koniec zestawu. Traktuj instalację jako lokalny runtime automatyzacji o szerokim dostępie do maszyny i zdefiniuj zakres tego, co mu wolno dotknąć, zanim pozostawisz go działającego.

Hermes Agent

Hermes Agent od firmy Nous Research to ogólny agent zaprojektowany tak, aby gromadził umiejętności i kontekst wraz z użytkowaniem. Zajmuje to samo miejsce w hierarchii zadań co OpenClaw, z bazą kodu w Pythonie i tym samym licencjonowaniem MIT. Wybierz go, gdy chcesz pętli wzrostu i jesteś już komfortowy w obsłudze agenta w Pythonie. Uruchamianie zarówno Hermaesa, jak i OpenClaw oznacza dwa modele uprawnienia do audytu.

AutoGPT

AutoGPT to projekt, który uczynił autonomicznych agentów głównym nurtem kategorii na GitHubie i nadal jest jedną z najbardziej gwiazdkowanych nazw w zestawie. Licencja nie jest już pojedynczym upoważnieniem. Wszystko poza folderem autogpt_platform jest objęte licencją MIT, a wszystko wewnątrz tego folderu podlega Licencji Polyform Shield, która zezwala na użycie, ale rezerwuje wartość handlową kodu dla producenta. Przeczytaj ten podział, zanim zbudujesz produkt w oparciu o katalog platformy.

Firecrawl

Firecrawl zamienia strony w dane, które mogą wywoływać agenci. Liczba gwiazdek plasuje go wśród asystentów, choć zadaniem jest pozyskiwanie, co wiele mówi o tym, co ludzie wdrażają w 2026 roku. Licencja AGPL-3.0 ma znaczenie, jeśli ją modyfikujesz i oferujesz wynik jako usługę. Dla osobistego agenta, który tylko wywołuje lokalny lub dostawczy endpoint, licencja jest mniejszym ograniczeniem.

Asystenci AI do kodowania

Agenci kodujący to najgęstsza część listy z 2026 roku. OpenCode prowadzi w pełni otwarte agenty terminalowe i edytorowe, za nim z bliską przewagą idą Codex i Gemini CLI jako otwartoźródłowe CLI dostawców. OpenHands, Cline i Goose to inne programy, których można faktycznie użyć.

Aider (49 567 gwiazdek, Apache-2.0), Continue (36 228, Apache-2.0) i Crush (28 669, FSL-1.1-MIT) to prawdziwe narzędzia do kodowania w następnej klasie. Licencja Crush to Funkcyjna Licencja Źródłowa, która przekształca się w MIT zgodnie z harmonogramem zapisanym w pliku. Jeden agent kodujący wystarcza. Drugi służy tygodniowi porównawczemu, a po nim staje się konfiguracją, którą trzeba synchronizować.

OpenCode

OpenCode to otwartoźródłowy agent kodujący z workflow w terminalu i dużą powierzchnią pluginów. Stał się domyślną nazwą, którą ludzie cytują, gdy chcą agenta kodowego, który mogą badać, a licencja MIT pasuje do tego zastosowania. Repozytorium to anomalyco/opencode. Wybierz go, gdy sam agent powinien być czymś, co możesz łatać.

Codex

Codex to lekki agent kodowy OpenAI dla terminala, napisany w Rust i objęty licencją Apache-2.0. To otwarty klient dla rodziny modeli hostowanych, co jest innym układem handlowym niż agent lokalny. Użyj go, gdy Twoja drużyna już standaryzuje modele OpenAI i chcesz CLI, którego można automatyzować. Otwartość klienta nie przenosi wag modelu na Twój dysk.

Gemini CLI

Gemini CLI wprowadza Geminiego do terminala jako agenta, pod licencją Apache-2.0. Odgrywa tę samą rolę co Codex dla innego dostawcy, a baza kodu w TypeScriptie łatwiej osadza się w istniejących narzędziach Node. Wybierz go, gdy Gemini to model, za który już płacisz. Uruchamianie go obok Codexu ma sens tylko wtedy, gdy każde repozytorium ma jednego domyślnego agenta.

OpenHands

OpenHands to agent do rozwoju oprogramowania z pełną pętlą zadań, obecnie publikowany z organizacji OpenHands. Licencja MIT i wyższego poziomu produkt czynią go wyborem platformowym, bliższym hostowanemu środowisku deweloperskiemu, które można self-hosować, niż pojedynczemu binarnemu plikowi. Użyj go, gdy chcesz problemy, sandboxy i interfejs użytkownika wokół agenta. Dla jednoosobowego workflow w terminalu, OpenCode, Codex lub Goose to mniejsza instalacja.

Cline

Cline to autonomiczny agent kodujący, który dociera jako SDK, rozszerzenie IDE lub CLI. Licencja Apache-2.0 i integracja z edytorem czynią go praktycznym wyborem dla osób, które żyją w VS Code, ale chcą biblioteki, którą mogą wywoływać. Nakłada się bardziej na OpenCode niż na interfejs czatu. Standaryzuj na jednym z nich na repozytorium, aby przeglądy pozostały czytelne.

Goose

Goose to rozbudowywalny lokalny agent, który instaluje, edytuje, uruchamia i testuje kod z dowolnym modelem, którego użyjesz. Repozytorium znajduje się teraz pod adresem aaif-goose/goose, a implementacja w Rust i licencja Apache-2.0 czynią go silnym agentem stacjonarnym. Wybierz Goose, gdy dostawca modeli powinien być wymienny, a agent powinien działać na maszynie, która przechowuje kod. Ma cichszą liczbę gwiazdek niż OpenCode, ale to bardziej bezpośrednie dopasowanie dla lokalnego modelu.

Umiejętności agentów i szkielety

Wyszukiwanie tematów umieści tę grupę powyżej kilku prawdziwych produktów. Superpowers i ECC to instrukcje, hooki i workflowy dla agentów, które już uruchamiasz. Spec Kit to własny zestaw narzędzi procesowych GitHuba dla rozwoju opartego na specyfikacji. Zmieniają zachowanie agenta, ale nadal to oprogramowanie, które składasz z asystentem kodowym z poprzedniej sekcji.

Superpowers

Superpowers to ramowy framework umiejętności agentic i metodologia rozwoju oprogramowania, dystrybuowany głównie jako pliki shellowe i instrukcyjne pod licencją MIT. Liczba gwiazdek to rezultat rozprzestrzeniania się metody wśród użytkowników agentów kodujących w ciągu kilku miesięcy. Zainstaluj go na wierzchu agenta, któremu już ufasz, i spodziewaj się edycji umiejętności pod kątem repozytorium. Framework będzie śledził uprawnienia, które ten agent już posiada.

ECC

ECC to szkielet (harness) dla Claude Code, Codexa, OpenCode, Cursora i podobnych agentów, obejmujący umiejętności, pamięć i kontrole wokół działania agenta. Ma właściwy kształt, jeśli chcesz tej samej pętli dla więcej niż jednego agenta kodowego. To też kolejna ruchoma warstwa między Tobą a modelem. Przyjmij go, gdy drużyna już wybrała agentów i chce jednego wspólnego sposobu briefingowania ich.

Spec Kit

Spec Kit to zestaw narzędzi GitHuba do rozwoju opartego na specyfikacji i procesu wokół niego. Utrzymywany jest przez platformę, na której żyje większość tych repozytoriów, a licencja MIT jest bezproblemowa. Użyj go, gdy chcesz zapisanej specyfikacji, zanim agent edytuje kod. Pozostanie w cieniu, jeśli drużyna traktuje specyfikację jako opcjonalną dokumentację.

Pamięć AI

Pamięć to warstwa, która pozwala agentowi wznówić pracę. Projekty z gwiazdkami dzielą się na dwa style. claude-mem, Beads i większość Hindsight przywiązują pamięć do sesji kodowania. Mem0, Cognee i Letta to usługi, które wywołujesz z agentów aplikacji. Polityka przechwytywania, zależności i kompromisy self-hostingu dla tych backendów porównano w Dostawcach Pamięci Agentów.

Memvid (16 600 gwiazdek, Apache-2.0) i Zep (4 961 gwiazdek, Apache-2.0) to mniejsze opcje w tym samym zadaniu: Memvid jako magazyn w jednym pliku, a Zep jako pamięciowe API o dużej liczbie integracji. Jedna pamięć na agenta to konfiguracja, którą wciąż możesz wyjaśnić później.

claude-mem

claude-mem rejestruje, co robi agent kodujący, kompresuje tę historię i wstrzykuje relevantną część do późniejszych sesji. Komunikuje się z Claude Code, OpenClaw, Codexem, Gemini CLI, Hermesem, Copilotem i OpenCode, dlatego prowadzi w tej grupie. Licencja Apache-2.0 pasuje do sidecara, którego być może będziesz chcieć modyfikować. Użyj go, gdy rzeczą, którą najczęściej zapominasz, jest sama sesja kodowania.

Mem0

Mem0 to warstwa pamięci dla agentów i aplikacji, z stanem użytkownika, sesji i agenta za interfejsem API. To domyślna nazwa, gdy produktem jest bot pomocniczy lub osobisty asystent, a ta pamięć ma pozostać poza dowolnym jednym narzędziem do kodowania. Licencja Apache-2.0 i opcja hostowana stoją obok siebie, więc self-hosting to wybór, który możesz podjąć później. Preferuj ją nad hookiem sesji kodowej, gdy wielu agentów powinno współdzielić te same fakty o użytkowniku.

Hindsight

Hindsight to projekt pamięci agentic od firmy Vectorize, skierowany do agentów uczących się z tego, co już zrobili, i integrujący się zarówno z agentami kodowymi, jak i frameworkami aplikacyjnymi. Licencja MIT jest najbardziej liberalna w tej grupie. Projekt publikuje silne twierdzenia benchmarkowe, które należy ponownie przetestować na własnych transkryptach, zanim zaryzykujesz na nich produkt. Wybierz Hindsight, gdy chcesz dedykowanego serwisu pamięci i jesteś gotów porównać go z Mem0 na własnych danych.

Cognee

Cognee buduje pamięć i graf wiedzy, który agenci mogą zapytywać, ze naciskiem na uruchamianie tej warstwy na mniejszych modelach. Nakłada się na Mem0 i również na narzędzia RAG poniżej, ponieważ graf dokumentów zachowuje się jak pamięć i jak wyszukiwanie. Licencja Apache-2.0 pozwala na wymianę ścieżki osadzania. Wybierz go, gdy interesujące Cię fakty to encje i relacje, a płaska indeksacja wektorowa wydała się już zbyt utracienna.

Beads

Beads przechowuje zadania, plany i zależności agentów kodujących jako pliki, które podróżują z gałęzią git. Repozytorium znajduje się teraz pod adresem gastownhall/beads, a to ten sam projekt, który podsumowanie Go z stycznia wymieniło pod jego wcześniejszą ścieżką. Licencja MIT i magazyn oparty o git czynią go narzędziem pamięci, które widzi Twój istniejący proces przeglądania. Użyj go, gdy kontekst powinien rozgałęziać się z gałęzią. Użyj claude-mem lub Mem0, gdy pamięć musi przeżyć pojedyncze repozytorium.

Letta

Letta to platforma dla agentów stanowych, wyrosła z MemGPT. Pamięć tutaj jest częścią runtime’u agenta, więc agent zarządza własnym kontekstem jako funkcją platformy. To głębszy zobowiązanie niż wdrożenie Mem0 pod agentem, którego już uruchamiasz. Licencja Apache-2.0 dotyczy otwartej platformy. Wybierz Letta, gdy chcesz, aby runtime i pamięć były zaprojektowane razem, a wybierz Mem0, gdy chcesz pamięci pod agentami, których nie zamierzasz zastępować.

RAG i bazy wiedzy

Projekty RAG zamieniają dokumenty na warstwę kontekstu. RAGFlow to silnik end-to-end, który ludzie gwiazdkują. LlamaIndex to framework dokumentów, GraphRAG to podejście grafowe Microsoftu, a WeKnora to platforma wiedzy od Tencent, która pojawiła się również w podsumowaniu Go z stycznia i nadal rośnie.

RAGFlow

RAGFlow to self-hostowany silnik RAG, który analizuje nieuporządkowane dokumenty i udostępnia wyszukiwanie agentom, z cytacjami jako częścią produktu. Licencja Apache-2.0 i interfejs użytkownika, który można przekazać drużynie, powodują, że prowadzi w tej grupie z wyraźną przewagą. Użyj go, gdy zadaniem jest „położyć nasze pliki za pole odpowiedzi” i chcesz parsera, indeksu i API z jednego projektu. Sięgnij po LlamaIndex, gdy osadzasz wyszukiwanie w aplikacji, którą już kontrolujesz.

LlamaIndex

LlamaIndex to framework przetwarzania dokumentów dla agentów i pipeline’ów RAG. To biblioteka z wieloma konektorami, a licencja MIT pasuje do tej roli. Sam składasz indeks, magazyn i agenta, co jest ceną elastyczności. Wybierz go dla kodu produktowego. Wybierz RAGFlow, gdy chcesz to samo zadanie jako usługę do wdrożenia.

GraphRAG

GraphRAG buduje graf nad korpusem i odpowiada na pytania, przechodząc po tym grafie, jako otwarta implementacja idei przez Microsoft Research. Samą technikę wyjaśniono w Zaawansowany RAG: LongRAG, Self-RAG i GraphRAG. Licencjonowanie MIT ułatwia wypróbowanie obok pipeline’u wektorowego. Budowanie grafu kosztuje więcej na starcie niż indeksacja chunków i osadzania, a zwraca ten koszt w pytaniach, które obejmują wiele dokumentów. Użyj go, gdy korpus ma strukturę, którą obecnie wymuśasz na chunki.

WeKnora

WeKnora to platforma wiedzy od Tencent, zamieniająca dokumenty na indeks RAG, agenta i wiki, które projekt opisuje jako samonaprawiającą. Licencja projektu to MIT, z komponentami stron trzecich pod ich własnymi warunkami. GitHub raportuje tę licencję jako „Inna”, ponieważ upoważnienie MIT znajduje się pod wstępem od Tencent. To najbliższy krewny RAGFlow w tej tabeli, z rdzeniem w Go. Preferuj go, gdy chcesz wiki i agenta w tym samym boxie, i porównaj parsery na próbce własnych PDF-ów, zanim przenieśesz bibliotekę.

Kreatorzy workflowów i agentów

Kreatory to miejsce, w którym drużyna rysuje przepływ, lub w którym deweloper importuje framework rysujący go za niego. n8n jest największe pod względem gwiazdek i najwęższe pod względem licencji. Dify i Langflow to studia natywne AI. LangChain to biblioteka pod wieloma z pozostałych.

CrewAI (59 745 gwiazdek, MIT) i AutoGen (61 429 gwiazdek, CC-BY-4.0) należą do tej samej rozmowy jako frameworki wieloagentowe oparte na kodzie. Licencja Creative Commons z wymogiem podania autorstwa od AutoGen jest nietypowa dla repozytorium kodu i warto ją przeczytać, zanim zaimportujesz (vendor). LangChain pozostaje powierzchnią integracyjną, z którą spotykają się te frameworki.

n8n

n8n to platforma workflowów z setkami integracji i natywnymi krokami AI, i to ten projekt, o który myślą ludzie, gdy chcą automatyzacji w stylu Zapier, którą mogą hostować. Licencja Sustainable Use License zezwala na wewnętrzne użycie biznesowe, osobiste użycie i użycie niekomercyjne. Dystrybucja jest ograniczona do darmowych, niekomercyjnych kopii, a pliki oznaczone .ee wymagają osobnej licencji korporacyjnej. To źródłowo-dostępny fair-code, ale nadal właściwe narzędzie do wewnętrznej automatyzacji, jeśli te ograniczenia pasują do tego, jak go obsługujesz.

Dify

Dify to warsztat dla workflowów agentów i pipeline’ów RAG, z dostawcami modeli i narzędziami w jednym wdrożalnym stosie. Licencja startuje od Apache-2.0 i dodaje warunki: uruchamianie usługi wielodostępnej (czyli wielu warsztatów) wymaga licencji komercyjnej, a logo konsoli i oznaczenie praw autorskich pozostają na froncie. Wewnętrzne użycie jednostędne to przypadek, który dodatkowe klauzule pozostawiają otwarte. Wybierz Dify, gdy drużyna potrzebuje jednego interfejsu użytkownika od prototypu do produkcji, a wybierz Langflow, gdy licencja musi pozostać zwykłym MIT.

Langflow

Langflow to wizualny kreator dla agentów i przepływów RAG, z licencją MIT i liczbą gwiazdek w zasadzie zremisowaną z Dify. Płótno (canvas) to produkt, a wygenerowane przepływy to coś, co deweloper wciąż może posiadać. Użyj go, gdy chcesz diagramu pipeline’u i licencji, którą lista kontroli zakupowej już rozumie. Kompromisem jest młodsza powierzchnia aplikacji niż funkcje warsztatu Dify.

LangChain

LangChain to biblioteka inżynierii agentów, którą zakładają większość dokumentów integracyjnych. Licencja MIT i szerokość konektorów utrzymują go na każdej krótkiej liście, a koszt abstrakcji jest realny, gdy łańcuch robi coś prostego. Użyj go, gdy piszesz kod aplikacji i chcesz adapterów już napisanych. Użyj Dify lub Langflow, gdy produktem jest warsztat, a użyj bezpośredniego SDK dostawcy, gdy przepływ to kilka wywołań.

Lokalna inferencja i interfejsy czatu

To warstwa pod wszystkim innym. Ollama to runner stacjonarny, Transformers to biblioteka definicji modeli, Open WebUI to front-end czatu, llama.cpp to przenośny silnik C++, a vLLM to silnik serwerowy. Transformers od Hugging Face jest ujęty, ponieważ tak wiele innych projektów go importuje, choć nie „uruchamiasz” go tak jak Ollama. Dojrzałość API, wsparcie sprzętowe i gotowość produkcyjna między runtime’ami porównano w Ollama vs vLLM vs LM Studio.

Ollama

Ollama uruchamia obecne otwarte modele lokalnie za prostym CLI i zgodnym z OpenAI API. Był już liderem w podsumowaniu Go z stycznia, a przy 183 334 gwiazdkach nadal jest domyślnym runtime’em stacjonarnym. MIT i pojedynczy daemon to przyczyny. Użyj go na maszynie deweloperskiej i małych serwerach. Przenieś te same wagi do vLLM, gdy jednoczesność, pakowanie (batching) i wykorzystanie GPU staną się problemem.

Transformers

Transformers to biblioteka Hugging Face do definiowania, ładowania i uruchamiania modeli dla tekstu, wizji, audio i checkpointów wielomodalnych. Licencja Apache-2.0 i hub modeli wokół niej czynią ją biblioteką, którą importuje reszta stosu. Odczujesz ją, gdy trenujesz, konwertujesz lub debugujesz model. Możesz o niej zapomnieć na długo, jeśli Ollama lub vLLM już serwuje checkpoint, którego potrzebujesz.

Open WebUI

Open WebUI to interfejs czatu, który większość ludzi stawia przed Ollama i API zgodnymi z OpenAI. Licencja Open WebUI pozwala na redystrybucję, a następnie ogranicza znakowanie (branding). Powyżej 50 końcowych użytkowników w dowolnym 30-dniowym oknie nie możesz zmieniać, usuwać ani zastępować nazwy i znaków Open WebUI bez pisemnej zgody lub licencji korporacyjnej. Dla osobistej lub małej drużyny instalacji zachowującej nazwę, to wypolerowany front-end. Dla produktu, który zamierzasz rebrandować, zaplanuj rozmowę korporacyjną wcześniej. Wdrożenie Dockerem i opcje konfiguracji omówiono w przewodniku po Open WebUI.

llama.cpp

llama.cpp to silnik inferencji w C i C++, który uczynił modele lokalne praktycznymi na zwykłym sprzęcie. Licencjonowanie MIT i ekosystem GGUF powodują, że Ollama i rzesza mniejszych aplikacji siedzi na jego wierzchu. Użyj projektu bezpośrednio, gdy chcesz silnik, narzędzia do kwantyzacji lub binarny plik z niewieloma zależnościami. Użyj Ollama, gdy chcesz ten silnik z już owiniętym zarządzaniem modelami.

vLLM

vLLM to silnik serwujący o wysokim przepływie dla GPU, z ciągłym pakowaniem (continuous batching) i zgodnym z OpenAI API. Licencja Apache-2.0 i fokus na wdrożenie czynią go serwerowym odpowiednikiem Ollama. Liczba gwiazdek jest niższa, ponieważ odbiorcami są ludzie uruchamiający GPU, a to właśnie ta grupa odczuwa różnicę. Wybierz vLLM, gdy więcej niż kilka równoległych sesji dzieli jedną maszynę.

Bramki LLM

Bramka (gateway) to zgodna z OpenAI furtka wejściowa przed wieloma dostawcami. LiteLLM to powszechny wybór, New API to self-hostowany dystrybutor, a Bifrost to mniejsza bramka o wysokim przepływie. Wstaw bramkę do stosu, gdy masz więcej niż jednego dostawcę, budżet na klucz lub potrzebę failovera. Pojedynczy lokalny daemon Ollama go nie potrzebuje.

LiteLLM

LiteLLM udostępnia duży zestaw API dostawców przez jeden interfejs o kształcie OpenAI, ze śledzeniem wydatków, ponownymi próbami i barierami ochronnymi. Kod poza katalogiem enterprise/ jest objęty licencją MIT, a ten katalog ma własną licencję. SDK w Pythonie to to, co importuje kod aplikacji, a proxy to to, co uruchamia drużyna platformowa. Użyj rdzenia, gdy chcesz jednego klienta dla wielu dostawców. Sprawdź katalog korporacyjny, zanim założysz, że całe repozytorium jest objęte licencją MIT.

New API

New API to hub modeli agregujący dostawców i ponownie serwujący je jako endpointy zgodne z OpenAI, Claude lub Gemini. To bramka, którą ludzie wdrażają, gdy chcą także kont użytkowników, kwot i interfejsu dystrybucji. Licencja AGPL-3.0 to warunek, który ma znaczenie, jeśli modyfikujesz hub i oferujesz go jako usługę. Dla wewnętrznej bramki z kluczami górnozalegowymi, to konkretna alternatywa dla proxy LiteLLM, z wdrożeniem w Go i surowszą licencją.

Bifrost

Bifrost to bramka w Go dla modeli i narzędzi, z failoverem, budżetami i bramką MCP w tym samym procesie. Liczba gwiazdek jest znacznie poniżej LiteLLM, a podsumowanie Go z stycznia miało go już na liście tendencji, więc projekt jest młodszy, niż jest nieznany. Licencja Apache-2.0 omija podział katalogu korporacyjnego. Rozważ go, gdy bramka jest na ścieżce żądań zajętej usługi i chcesz mały binarny plik w Go. Zachowaj LiteLLM, gdy potrzebujesz dziś ogona adapterów dostawców.

Stos wart uruchomienia

Tabele to mapa, a stacja robocza wciąż potrzebuje krótkiej listy. Dla lokalnej konfiguracji w październiku 2026 roku, Ollama plus jeden agent kodujący pokrywają codzienną pętlę. Dodaj Open WebUI, jeśli klauzula znaku towarowego pasuje do liczby użytkowników, Mem0 lub claude-mem w zależności od tego, czy pamięć należy do aplikacji, czy do sesji kodowania, oraz RAGFlow, gdy dokumenty są produktem. Dodaj LiteLLM lub New API dopiero po tym, gdy pojawi się drugi dostawca modeli.

Pakiety umiejętności, takie jak Superpowers i ECC, pojawiają się po wyborze agenta. Łatwo je gwiazdkować i łatwo gromadzić, a trzy szkielety w jednym repozytorium będą walczyć o te same instrukcje.

Utrzymywanie rankingu na bieżąco

Powtórz zapytania tematowe na górze tego artykułu, przypisz każdy nowy repozytorium do jednego zadania i ponownie posortuj to zadanie według gwiazdek. Następnie otwórz plik licencyjny. Projekt, który przeskoczył tabelę dzięki katalogowi umiejętności, liście promptów lub weekendowi uwagi, może poczekać na kolejny zrzut danych, zanim zastąpi narzędzie, którego używasz.

Przechowuj zrzut danych. Pojedynczy CSV z full_name, stargazers_count, license i pushed_at, pobierany co miesiąc, zamienia następną edycję tej strony w prawdziwą kolumnę tendencji, tego samego rodzaju, co delta, którą już pokazują artykuły językowe. Do tego czasu grupy to ta część, która dobrze się starzeje, a liczby gwiazdek to ta część, która celowo się przestarza.

Źródła

Liczby gwiazdek, języki i tożsamości licencji odczytano z API repozytoriów GitHub i plików LICENSE w repozytoriach 16 października 2026 roku. Etykiety zadań czerpią również z publicznej listy scenariuszy w Top Open Source AI, która dokumentuje własny wynik złożony osobno od sortowania użytego tutaj.

• Tematy GitHuba: ai-agents
• Tematy GitHuba: llm
• Tematy GitHuba: rag
• Tendencje GitHuba, miesięcznie
• Top Open Source AI
• Licencja Polyform Shield
• Funkcyjna Licencja Źródłowa
• n8n: Sustainable Use License i plany
• Plik licencyjny Open WebUI