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

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

Esta instantánea se leyó 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 se sitúa antes del orden. La columna de licencias también forma parte de la clasificación, porque varios de los proyectos con más estrellas son de código justo, restringidos por marca o divididos en dos licencias.

Las recopilaciones de Rust y Go en este sitio se construyeron a partir de esa misma página, con un filtro de lenguaje realizando el agrupamiento. Aquí, los ocho grupos de funciones a continuación reemplazan al filtro y cada sección establece el intercambio que separa las opciones cercanas. Las secciones finales convierten las tablas en una lista corta que puedes 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 viable para un filtro de lenguaje. Ordena un tema como ai-agents, llm, rag, local-llm o agent-memory por estrellas y conserva los repositorios que se actualizaron 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. Usa 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 un compuesto propio: estrellas al 70 por ciento, colaboradores al 10 por ciento y recencia de actualización al 20 por ciento. Este artículo mantiene la regla más simple, por lo que el número en la tabla es el número en GitHub.

Consultas iniciales útiles:

• 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 el software y dejar las listas a un lado

Un repositorio gana una fila cuando alguien puede instalarlo o cuando es un armazón mantenido que cambia cómo se ejecuta un agente. Las listas “Awesome”, los directorios de indicaciones y los volcados de indicaciones de sistema de proveedores recogen estrellas y aun así no dejan nada para desplegar. Pertenecen a una lista de lectura y quedan fuera de las tablas a continuación.

Añadir una columna de tendencias solo desde tus propias instantáneas

Las recopilaciones por lenguaje podrían mostrar las estrellas ganadas en un mes porque GitHub ya calcula esa diferencia dentro de un lenguaje. A través de estos grupos, una diferencia mensual necesita dos instantáneas propias. Guarda full_name y stargazers_count el primero de cada mes y luego resta. Hasta que esa serie exista, las estrellas totales son la clave de clasificación honesta. “Tendencias” en el título significa proyectos activamente mantenidos con la atención acorde, a fecha de hoy.

Dónde se sitúan los proyectos

Estos grupos son capas que puedes apilar. Un asistente de programación puede llamar a una pasarela, una pasarela puede llamar a Ollama o vLLM, y un servicio de memoria puede colocarse junto a cualquiera de ellos. Dos productos de la misma capa suelen ser una segunda opinión y rara vez son una arquitectura mejor.

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 programación. OpenClaw lidera por un amplio margen. Hermes es el otro agente general a esta escala y AutoGPT es el nombre más antiguo que sigue acumulando estrellas mientras su licencia se ha dividido. Un clasificador más profundo para solo esta pareja, con descargas, cuota de tokens e historial de CVE, es la comparación OpenClaw vs Hermes Agent.

Firecrawl se incluye aquí porque los agentes necesitan páginas y es el proyecto de datos web que los lectores realmente marcan con estrella. Es una herramienta y los asistentes lo llaman.

OpenClaw

OpenClaw es un agente personal destinado a ejecutarse en tu propio sistema operativo y llevar a cabo tareas, que es la lectura directa de un proyecto que se autodenomina una IA que hace cosas en cualquier plataforma. El número de estrellas es el más grande de este artículo y la licencia MIT es el extremo permisivo del conjunto. Trata la instalación como un runtime de automatización local con amplio acceso a la máquina y delimita 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 mientras se usa. Se sitúa en la misma función que OpenClaw, con una base de código en Python y los mismos términos MIT. Elige este cuando quieras ese ciclo de crecimiento y ya te sientes cómodo operando un agente Python. Ejecutar tanto Hermes como OpenClaw significa dos modelos de permisos que auditar.

AutoGPT

AutoGPT es el proyecto que hizo de los agentes autónomos una categoría mainstream en GitHub y sigue siendo uno de los nombres más destacados del conjunto. La licencia ya no es una concesión única. Todo fuera de la carpeta autogpt_platform es MIT y todo dentro de esa carpeta está bajo la Licencia Polyform Shield, que permite el uso pero reserva el valor comercial del código al productor. Lee 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 número 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 modificas y ofreces el resultado como servicio. Para un agente personal que solo llama a un punto final local o de proveedor, la licencia es una restricción menor.

Asistentes de IA para programación

Los agentes de programación son la parte más densa de la lista de 2026. OpenCode lidera los agentes de terminal y editor completamente abiertos, con Codex y Gemini CLI cerca detrás como las CLIs de proveedor que resultan ser de código abierto. OpenHands, Cline y Goose son los otros programas que realmente puedes ejecutar.

Aider (49.567 estrellas, Apache-2.0), Continue (36.228, Apache-2.0) y Crush (28.669, FSL-1.1-MIT) son herramientas reales de programación en la siguiente banda. La licencia de Crush es una Licencia de Código Funcional que se convierte en MIT según el horario escrito en el archivo. Un agente de programación es suficiente. Un segundo es para una semana de comparación y, después de eso, es una configuración que tienes que mantener en sincronía.

OpenCode

OpenCode es un agente de programación de código abierto con un flujo de trabajo de terminal y una amplia superficie de complementos. Se ha convertido en el nombre predeterminado que la gente cita cuando quiere un agente de programación que pueda inspeccionar y la licencia MIT encaja con ese uso. El repositorio es anomalyco/opencode. Elígelo cuando el agente en sí debería ser algo que puedas parchear.

Codex

Codex es el agente de programación 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 de primera local. Úsalo cuando tu equipo ya estandarice los modelos de OpenAI y quieras una CLI que puedas automatizar. Que el cliente sea abierto no mueve los pesos del modelo a tu disco.

Gemini CLI

Gemini CLI lleva Gemini a la terminal como un agente, bajo Apache-2.0. Juega el mismo papel que Codex para un proveedor diferente y la base de código en TypeScript es más fácil de incrustar en herramientas Node existentes. Elígelo cuando Gemini sea el modelo por el que ya pagas. Ejecutarlo junto a Codex es razonable solo si cada repositorio tiene un agente predeterminado.

OpenHands

OpenHands es un agente de desarrollo de software con un ciclo de tareas completo, ahora publicado desde la organización OpenHands. La licencia MIT y el producto de nivel superior lo convierten en una elección de plataforma, más cercana a un entorno de desarrollo alojado que puedes autoalojar que a un binario único. Úsalo cuando quieras problemas, entornos aislados y una interfaz de usuario alrededor del agente. Para un flujo de trabajo de terminal de una persona, OpenCode, Codex o Goose es la instalación más pequeña.

Cline

Cline es un agente de programación autónomo que se distribuye como un SDK, una extensión de IDE o una CLI. Apache-2.0 y la integración del editor lo convierten en la elección práctica para las personas que viven en VS Code y aun así quieren una biblioteca que puedan llamar. Se solapa más con OpenCode que con una interfaz de chat. Estandariza uno de ellos por repositorio para que las revisiones sigan siendo legibles.

Goose

Goose es un agente local extensible que instala, edita, ejecuta y prueba código con el modelo al que lo apuntes. El repositorio ahora vive en aaif-goose/goose y la implementación en Rust junto con Apache-2.0 lo convierten en un sólido agente de estación de trabajo. Elige Goose cuando el proveedor de modelos debe ser intercambiable y el agente debe ejecutarse en la máquina que contiene el código. Tiene un número de estrellas más modesto que OpenCode y es un ajuste más directo para un modelo local.

Habilidades de agentes y armazones

La búsqueda por temas pondrá este grupo por encima de varios productos reales. Superpowers y ECC son instrucciones, ganchos y flujos de trabajo para agentes que ya ejecutas. Spec Kit es el propio juego de herramientas de procesos de GitHub para el desarrollo basado en especificaciones. Cambian el comportamiento del agente y siguen siendo software que compones con un asistente de programación de la sección anterior.

Superpowers

Superpowers es un marco de habilidades agéntico y una metodología de desarrollo de software, distribuido mayormente como archivos de shell e instrucciones bajo MIT. El número de estrellas es lo que obtienes cuando un método se expande entre los usuarios de agentes de programación en pocos meses. Instálalo sobre un agente en el que ya confíes y espera editar las habilidades para que coincidan con el repositorio. El marco seguirá los permisos que ese agente ya tenga.

ECC

ECC es un armazón 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 quieres el mismo ciclo en más de un agente de programación. También es otra capa móvil entre tú y el modelo. Adóptalo cuando el equipo ya haya elegido los agentes y quiera una forma compartida de darles instrucciones.

Spec Kit

Spec Kit es el juego de herramientas de GitHub para el desarrollo basado en especificaciones y el proceso alrededor de él. El mantenedor es la plataforma donde la mayoría de estos repositorios ya viven y la licencia MIT es directa. Úsalo cuando quieras una especificación escrita antes de que el agente edite código. Se mantendrá en silencio si el equipo trata la especificación como papel opcional.

Memoria de IA

La memoria es la capa que permite a un agente reanudar. Los proyectos con estrellas se dividen en dos estilos. claude-mem, Beads y gran parte de Hindsight adjuntan memoria a sesiones de programación. Mem0, Cognee y Letta son servicios que llamas desde agentes de aplicación. La política de captura, las dependencias y los intercambios de autoalojo para estos backend se comparan en Proveedores de memoria para agentes.

Memvid (16.600 estrellas, Apache-2.0) y Zep (4.961 estrellas, Apache-2.0) son opciones más pequeñas 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 puedes explicar después.

claude-mem

claude-mem registra lo que un agente de programación hace, 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 vehículo lateral que quizás quieras modificar. Úsalo cuando lo que sigas olvidando sea la propia sesión de programación.

Mem0

Mem0 es una capa de memoria para agentes y aplicaciones, con el 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 quieres esa memoria fuera de cualquier herramienta de programación. Apache-2.0 y una opción alojada se sitúan lado a lado, por lo que el autoalojo es una elección que puedes hacer después. Prefiérelo a un gancho de sesión de programación 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 agentes de programación y marcos de aplicación. La licencia MIT es la más permisiva de este grupo. El proyecto publica fuertes afirmaciones de referencia y esas afirmaciones deberían volver a ejecutarse en tus propios transcripciones antes de apostar un producto por ellas. Elige Hindsight cuando quieras un servicio de memoria dedicado y estés dispuesto a compararlo con Mem0 en tus datos.

Cognee

Cognee construye una memoria y un grafo de conocimiento que los agentes pueden consultar, con un énfasis en ejecutar esa capa en modelos más pequeños. Se solapa con Mem0 y también se solapa con las herramientas RAG a continuación, porque un grafo de tus documentos se comporta como memoria y recuperación. Apache-2.0 mantiene la ruta de integración reemplazable. Elígelo cuando los hechos que te importan sean entidades y relaciones y un índice vectorial plano ya se haya sentido demasiado lossy (perdedor).

Beads

Beads almacena tareas, planes y dependencias de agentes de programación como archivos que viajan con la rama git. El repositorio ahora es 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 convierten en la herramienta de memoria que tu proceso de revisión existente puede ver. Úsalo cuando el contexto deba bifurcarse con la rama. Usa claude-mem o Mem0 cuando la memoria tenga que sobrevivir a un solo repositorio.

Letta

Letta es la plataforma de agentes con estado que creció a partir de MemGPT. La memoria aquí es parte del runtime 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 ejecutas. Apache-2.0 se aplica a la plataforma abierta. Elige Letta cuando quieras el runtime y la memoria diseñados juntos y elige Mem0 cuando quieras memoria bajo agentes que no pretendas reemplazar.

RAG y bases de conocimiento

Los proyectos RAG convierten documentos en una capa de contexto. RAGFlow es el motor de principio a fin al que la gente está marcando con estrella. 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 agentes, con citas como parte del producto. Apache-2.0 y una interfaz de usuario que puedes entregar a un equipo son las razones por las que lidera este grupo por una clara diferencia. Úsalo cuando la tarea sea “poner nuestros archivos detrás de un cuadro de respuestas” y quieras el analizador, el índice y la API de un solo proyecto. Recurre a LlamaIndex cuando estés integrando la recuperación dentro de una aplicación que ya controlas.

LlamaIndex

LlamaIndex es un marco de procesamiento de documentos para agentes y tuberías RAG. Es una biblioteca con muchos conectores y la licencia MIT encaja con ese rol. Tú ensambles el índice, el almacén y el agente, que es el costo de la flexibilidad. Elígelo para código de producto. Elige RAGFlow cuando quieras el mismo trabajo como un servicio que despliegas.

GraphRAG

GraphRAG construye un grafo sobre un corpus y responde preguntas recorriendo ese grafo, como la implementación abierta de la idea de Microsoft Research. La técnica misma se explica en RAG avanzado: LongRAG, Self-RAG y GraphRAG. La licencia MIT lo hace fácil de probar junto a una tubería vectorial. La construcción del grafo cuesta más por adelantado que un índice de fragmentación e integración y recupera ese costo en preguntas que abarcan muchos documentos. Úsalo cuando el corpus tenga una estructura que actualmente estés 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 informa esa licencia como Otra, 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. Prefiérelo cuando quieras la wiki y el agente en la misma caja y compara los analizadores en una muestra de tus propios PDFs antes de migrar una biblioteca.

Flujos de trabajo y constructores de 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 estricto 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 de agentes múltiples basados en código. La licencia de atribución de Creative Commons de AutoGen es inusual para un repositorio de código y vale la pena leerla antes de adquirirla como proveedor. LangChain sigue siendo 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 de estilo Zapier que pueda 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 con .ee necesitan una licencia empresarial separada. Es un código justo disponible en fuente y sigue siendo la herramienta correcta para la automatización interna si esos límites coinciden con cómo lo ejecutas.

Dify

Dify es un espacio de trabajo para flujos de trabajo de agentes y tuberías RAG, con proveedores de modelos y herramientas en una pila desplegable. La licencia comienza desde Apache-2.0 y añade condiciones: operar un servicio multiinquinino, que significa múltiples espacios de trabajo, necesita una licencia comercial y el logotipo de la consola y el aviso de copyright se quedan en el frontend. El uso interno de un solo inquilino es el caso que las cláusulas adicionales dejan abierto. Elige Dify cuando un equipo necesite una interfaz de usuario desde el prototipo hasta la producción y elige Langflow cuando la licencia tenga que seguir siendo MIT sin más.

Langflow

Langflow es un constructor visual para agentes y flujos RAG, con una licencia MIT y un número de estrellas esencialmente empatado con Dify. El lienzo es el producto y los flujos generados son algo que un desarrollador aún puede poseer. Úsalo cuando quieras un diagrama de la tubería 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 la documentación de integración aún asume. MIT y la amplitud de conectores lo mantienen en todas las listas cortas y el costo de la abstracción es real una vez que la cadena está haciendo algo simple. Úsalo cuando estés escribiendo código de aplicación y quieras los adaptadores ya escritos. Usa Dify o Langflow cuando el entregable sea un espacio de trabajo y usa un SDK de proveedor directo cuando el flujo sea un puñado de llamadas.

Inferencia local e interfaces de chat

Esta es la capa bajo todo lo demás. Ollama es el ejecutor de estación de trabajo, Transformers es la biblioteca de definición de modelos, Open WebUI es la interfaz de chat frontal, llama.cpp es el motor portable C++ y vLLM es el motor de servidor. Hugging Face Transformers está incluido porque muchos de los otros proyectos lo importan, aunque no lo “ejecutas” de la forma en que ejecutas Ollama. La madurez de la API, el soporte de hardware y la preparación para producción a través de los runtimes 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, sigue siendo el runtime de estación de trabajo predeterminado. MIT y un solo demonio son las razones. Úsalo en una máquina de desarrollador y en servidores pequeños. Muve los mismos pesos a vLLM cuando la concurrencia, el lote 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 multimodales. Apache-2.0 y el centro de modelos a su alrededor hacen de esta la biblioteca que el resto de la pila importa. La sientes cuando estás entrenando, convirtiendo o depurando un modelo. Puedes ignorarla durante mucho tiempo si Ollama o vLLM ya sirven el punto de control que necesitas.

Open WebUI

Open WebUI es la interfaz de chat que la mayoría de la gente pone delante de Ollama y las APIs compatibles con OpenAI. La Licencia Open WebUI permite la redistribución y luego restringe la marca. Con más de 50 usuarios finales en cualquier período de 30 días rodante, no puedes 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 la interfaz frontal pulida. Para un producto que vas a renombrar, presupuesta la conversación empresarial primero. La implementación con Docker y las opciones de configuración se recorren en la guía de Open WebUI.

llama.cpp

llama.cpp es el motor de inferencia C y C++ que hizo que los modelos locales fueran prácticos en hardware ordinario. La licencia MIT y el ecosistema GGUF son las razones por las que Ollama y una multitud de aplicaciones más pequeñas se sitúan sobre él. Usa el proyecto directamente cuando quieras el motor, las herramientas de cuantización o un binario con pocas dependencias. Usa Ollama cuando quieras ese motor con la gestión de modelos ya envuelta.

vLLM

vLLM es un motor de servicio de alto rendimiento para GPUs, con lotes continuos y una API compatible con OpenAI. Apache-2.0 y el enfoque en implementación lo convierten en el contraparte de servidor de Ollama. El número de estrellas es más bajo porque la audiencia es gente que ejecuta GPUs y esa audiencia es la que siente la diferencia. Elige vLLM cuando más de algunas sesiones concurrentes compartan una máquina.

Pasarelas de LLM

Una pasarela es la puerta de entrada 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. Coloca una pasarela en la pila cuando tengas más de un proveedor, un presupuesto por clave o una necesidad de conmutación por error. Un solo demonio local de Ollama no la necesita.

LiteLLM

LiteLLM expone un gran conjunto de APIs de proveedor a través de una interfaz de forma OpenAI, con seguimiento de gasto, 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. Usa el núcleo cuando quieras un cliente para muchos proveedores. Revisa 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 vuelve a servir como puntos finales compatibles con OpenAI, Claude o Gemini. Es la pasarela que la gente despliega cuando también quiere cuentas de usuario, cupos y una interfaz de distribución. AGPL-3.0 es el término que importa si modificas el centro y lo ofreces como servicio. Para una pasarela interna con claves aguas arriba, es una alternativa concreta al proxy de LiteLLM, con una implementación 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 número de estrellas es muy inferior a 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 obscuro. Apache-2.0 evita la división del directorio empresarial. Considera este cuando la pasarela esté en la ruta de solicitud de un servicio ocupado y quieras un pequeño binario Go. Mantén LiteLLM cuando necesites la cola larga 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 programación cubren el ciclo diario. Añade Open WebUI si la cláusula de marca encaja con el número de usuarios, Mem0 o claude-mem dependiendo de si la memoria pertenece a una aplicación o a una sesión de programación, y RAGFlow cuando los documentos sean el producto. Añade LiteLLM o New API solo después de que aparezca un segundo proveedor de modelos.

Los paquetes de habilidades como Superpowers y ECC llegan después de que se elija el agente. Son fáciles de marcar con estrella y fáciles de acumular y tres armazones en un solo repositorio lucharán por las mismas instrucciones.

Mantener la clasificación actualizada

Repite las consultas de temas al principio de este artículo, asigna cada nuevo repositorio a una función y vuelve a ordenar esa función por estrellas. Luego abre el archivo de licencia. Un proyecto que saltó la tabla por un directorio de habilidades, una lista de indicaciones o una semana de atención puede esperar a la próxima instantánea antes de reemplazar una herramienta que ejecutas.

Guarda la instantánea. Un único 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 por lenguaje ya muestran. Hasta entonces, los grupos son la parte que envejece bien y los números de estrellas son la parte que se pone obsoleta intencionadamente.

Fuentes

Los números de estrellas, los lenguajes y las identidades de las licencias se leyeron de la API de repositorios de GitHub y de los archivos LICENSE de los repositorios el 16 de octubre de 2026. Las etiquetas de función también se basan en la lista de escenarios pública en Top Open Source AI, que documenta su propia puntuación compuesta por separado de la clasificación usada 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 de Open WebUI