Lingua
HomeLinguaggi
Sezioni
OpenDroid è un agente AI autonomo open-source per Android che trasforma il tuo smartphone in un ambiente di esecuzione LLM con supporto per 12 provider AI e oltre 60 azioni pronte all'uso.
PR-FA è uno strumento open-source per il code auditing approfondito che costruisce grafi dinamici di agenti, estrae alberi AST e verifica ogni risultato per la falsificabilità.
Ponytail è un set di regole e hook per agenti LLM che costringe i modelli a scrivere codice minimo, usare funzionalità native e saltare l'overengineering. I benchmark mostrano il 54% di codice in meno e costi ridotti del 20%.
Boris Cherni di Anthropic non scrive più prompt manualmente—cicli automatici lo fanno al suo posto. Ecco come Loop Engineering cambia le regole del gioco.
txtai is an all-in-one Python library combining vector database, hybrid search with SQL, graph analytics, and LLM orchestration for RAG pipelines.
Kun combina codice, testo, design e automazione in un unico spazio di lavoro AI locale con un runtime condiviso per TUI e GUI, cinque spazi di lavoro specializzati e supporto flessibile per i modelli.
Costruisci agenti AI con LLM locali? SIE (Superlinked Inference Engine) consolida più server di inferenza in uno solo, riducendo i costi GPU e semplificando la configurazione dei container.
I database vettoriali e il RAG standard non possono rispondere alle domande degli auditor sulle decisioni dell'IA. Semantica aggiunge grafi deterministici, regole e tracce di audit.
Vitaliy ha creato code-graph-rag per sostituire la ricerca vettoriale con grafi di conoscenza nei monorepo. Usa Tree-sitter, Memgraph e Qdrant.
Aether integra una VM Alpine Linux in un agente AI mobile, permettendo ai modelli linguistici di eseguire codice localmente sugli smartphone senza server esterni.
I motori di inferenza standard faticano con gli agenti AI autonomi. TokenSpeed offre una soluzione specializzata che combina la velocità di TensorRT-LLM con un'interfaccia Python-friendly.
LitGPT di Lightning AI riscrive 20+ architetture LLM popolari in PyTorch puro, offrendo fine-tuning, deployment e benchmarking senza overhead di framework pesanti.
jCodeMunch MCP indicizza il tuo codebase con tree-sitter e fornisce agli agenti AI solo gli snippet di codice rilevanti, riducendo i costi dei token del 95-99%.
Il team di Firebase ha reso open-source Genkit, un framework per la creazione di funzionalità AI. Aiuta a combinare Gemini, OpenAI e Ollama senza codice spaghetti?
Smetti di scrivere adapter per ogni modello AI. LLM Gateway unifica le chiamate API verso OpenAI, Anthropic, Vertex AI e altri attraverso un'unica interfaccia compatibile con OpenAI e tracciamento integrato dei costi.
Trasforma prompt vaghi dell'AI in documenti professionali con oltre 700 istruzioni Markdown pronte per ingegneri, avvocati e marketer.
Una guida all'uso di avoid-ai-writing, uno strumento open-source che rimuove i cliché generati dall'IA dal testo prodotto dai modelli linguistici.
Una guida pratica per costruire agenti AI che funzionano davvero. Il repository ai- agent- book di Bojie Li copre tutto, dalla context engineering all'auto-evoluzione senza fine-tuning.
Decepticon è un agente Red Team autonomo che esegue catene di attacco come un vero penetration tester. Ha ottenuto il 98% sul benchmark XBOW usando 16 agenti specializzati per diverse fasi di attacco.
nanobot è un motore open-source per agenti AI che gira in locale, supporta l'integrazione con Telegram/Discord, strumenti MCP e memoria a lungo termine senza inviare dati al cloud.
Bonsai-27B usa la quantizzazione a 1 bit e ternaria per comprimere un modello da 27B parametri in soli 3,5 GB di RAM, eseguibile su iPhone e laptop senza GPU dedicata.
Come integrare l'AI negli occhiali smart senza impazzire dal ritardo. Conosci Needle — un modello da 26M parametri per chiamate di funzione istantanee.
GraphRAG costruisce grafi di conoscenza dai dati non strutturati, permettendo agli LLM di comprendere le connessioni e rispondere a domande globali su archivi massicci.
Ho provato Memtrace — uno strumento che trasforma il tuo codebase in un knowledge graph per agent AI, indicizzando 15.000 file in 1,5 secondi senza chiamate LLM.