Wyróżniające się projekty AI w otwartym kodzie źródłowym na GitHubie, październik 2026

Strona miesięcznych trendów GitHub działa dla konkretnego języka programowania, ponieważ filtr językowy już definiuje zbiorowość. W przypadku otwartoźródłowej AI pytanie jest inne: projekt obejmuje pięć języków, a sensowny podział dotyczy roli, jaką pełni dany repozytorium.

Ten przegląd pobrano z publicznego API GitHub 16 października 2026 roku. Wewnątrz każdej grupy repozytoria są posortowane według liczby gwiazdek. Gwiazdki mierzą zainteresowanie, a folder z umiejętnościami (skills) może przyciągnąć je szybciej niż silnik serwerowy, dlatego grupa ma wyższy priorytet niż sortowanie. Kolumna licencji jest również częścią rankingu, ponieważ kilka najbardziej popularnych projektów to oprogramowanie fair-code, marki z ograniczeniami lub projekty podziałowe na dwie licencje.

Recenzje Rust i Go na tej stronie powstały na podstawie tej samej strony, z filtrem językowym pełniąącym funkcję grupowania. Tutaj osiem grup ról poniżej zastępuje ten filtr, a każda sekcja opisuje kompromis, który odróżnia najbliższe opcje. Zamykające sekcje zamieniają tabele w krótką listę gotową do uruchomienia oraz w powtarzalną metodę na kolejne przeglądy.

Jak rankować projekty AI z otwartym kodem źródłowym

Szukaj tematów, a następnie przypisz rolę

Tematy GitHub są praktycznym zamiennikiem filtra językowego. Posortuj temat, taki jak ai-agents, llm, rag, local-llm lub agent-memory, według gwiazdek i zachowaj tylko repozytoria, do których nastąpiło ostatnie pchnięcie w ciągu ostatnich kilku miesięcy. Wyszukiwanie frazy „AI” jest zbyt szerokie, a niesortowana strona trendów wciąż miesza agentów z niezwiązanymi narzędziami.

Trzy publiczne źródła danych wystarczą, aby odtworzyć listę. Użyj wyszukiwania tematów do wyznaczenia puli, katalogu scenariuszy, takiego jak Top Open Source AI, do etykiet ról oraz pliku LICENSE repozytorium dla ostatniej kolumny. Ten katalog publikuje własną syntezę: gwiazdki liczone na 70 procent, kontrybutorzy na 10 procent, a aktualność aktualizacji na 20 procent. Ten artykuł trzyma się prostszej zasady, więc liczba w tabeli to dokładnie ta z GitHuba.

Przydatne zapytania startowe:

• temat ai-agents, wg gwiazdek
• temat llm, wg gwiazdek
• temat rag, wg gwiazdek
• temat agent-memory powyżej 5000 gwiazdek
• Trendy GitHuba, miesięcznie

Zachowaj oprogramowanie, a listy odłóż na bok

Repozytorium zasługuje na wiersz w tabeli, gdy ktoś może je zainstalować lub gdy jest to utrzymywana struktura (harness), która zmienia sposób działania agenta. Listy typu Awesome, katalogi promptów i kopie systemowych promptów dostawców zbierają gwiazdki, ale nie zostawiają nic do wdrożenia. Należą one na listę do czytania i pozostają poza tabelami poniżej.

Dodawaj kolumnę „trendująca” wyłącznie z własnych przeglądów

Recenzje językowe mogłyby pokazać liczbę zdobytych gwiazdek w miesiącu, ponieważ GitHub już oblicza tę różnicę wewnątrz jednego języka. W przypadku tych grup miesięczna różnica wymaga dwóch własnych przeglądów. Zapisz full_name i stargazers_count na początku miesiąca, a następnie odejmij. Do momentu powstania takiej serii całkowita liczba gwiazdek jest uczciwym kluczem rankingu. „Trendująca” w tytule oznacza aktywnie utrzymywane projekty, których popularność jest adekwatna do ich aktualności na datę tego artykułu.

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 być obok któregokolwiek z nich. Dwa produkty z tej samej warstwy są zazwyczaj drugą opinią i rzadko stanowią lepszą architekturę.

Osobiste asystenty AI

Ta grupa jest przeznaczona dla agentów, którzy podejmują działania na maszynie lub w różnych narzędziach, wykraczając poza pojedynczą sesję kodowania. OpenClaw prowadzi z dużym przewagą. Hermes to inny ogólny agent tej skali, a AutoGPT to starsza nazwa, która nadal zbiera gwiazdki, podczas gdy jej licencja uległa podziałowi. Głębsza tablica wyników dla tej właśnie pary, z liczbą pobrań, udziałem tokenów i historią luk bezpieczeństwa (CVE), to Porównanie OpenClaw vs Hermes Agent.

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

OpenClaw

OpenClaw to osobisty agent przeznaczony do pracy na własnym systemie operacyjnym i wykonywania zadań. Jest to dosłowne odczytanie projektu, który nazywa się AI wykonującym rzeczy na dowolnej platformie. Liczba gwiazdek jest najwyższa w tym artykule, a licencja MIT to najbardziej liberalna opcja w zestawie. Traktuj instalację jako lokalny runtime automatyzacji z szerokim dostępem do maszyny i określ zakres jego uprawnień przed pozostawieniem go w trybie pracy.

Hermes Agent

Hermes Agent, od Nous Research, to ogólny agent zaprojektowany do gromadzenia umiejętności i kontekstu w miarę użytkowania. Zajmuje tę samą niszę co OpenClaw, ma bazę kodową w Pythonie i te same warunki licencji MIT. Wybierz go, jeśli chcesz pętli rozwoju i jesteś już przyzwyczajony do obsługi agenta w Pythonie. Uruchamianie obu: Hermes i OpenClaw oznacza dwa modele uprawnień do audytu.

AutoGPT

AutoGPT to projekt, który uczynił autonomicznych agentów głównym tematem na GitHubie, i wciąż jest jedną z najbardziej oznaczanych gwiazdkami nazw w zestawie. Licencja nie jest już pojedynczą koncesją. Wszystko poza folderem autogpt_platform podlega MIT, a wszystko wewnątrz tego folderu podlega Licencji Polyform Shield, która zezwala na użycie, ale rezerwuje komercyjną wartość kodu dla producenta. Przeczytaj ten podział przed budowaniem produktu na katalogu platformy.

Firecrawl

Firecrawl przekształca strony internetowe w dane, które mogą wywoływać agenci. Liczba gwiazdek plasuje go wśród asystentów, mimo że jego rolą jest pozyskiwanie danych, co wiele mówi o tym, co ludzie budują w 2026 roku. Licencja AGPL-3.0 ma znaczenie, jeśli modyfikujesz projekt i oferujesz wynik jako serwis. Dla osobistego agenta, który wywołuje tylko lokalny lub firmowy endpoint, licencja jest mniejszym ograniczeniem.

Asystenci AI do kodowania

Agenci kodujący to najsilniejsza część listy na 2026 rok. OpenCode prowadzi w w pełni otwartych agentach terminalowych i edytorowych, a Codex i Gemini CLI tuż za nimi, jako CLI dostawców, które przypadkiem mają otwarty kod. OpenHands, Cline i Goose to inne programy, które można faktycznie uruchomić.

Aider (49 567 gwiazdek, Apache-2.0), Continue (36 228, Apache-2.0) i Crush (28 669, FSL-1.1-MIT) to realne narzędzia kodujące w następnym segmencie. Licencja Crush to Functional Source License, która konwertuje się w MIT zgodnie z harmonogramem określonym w pliku. Jeden agent kodujący wystarcza. Drugi służy do tygodnia porównawczego, a po tym to już konfiguracja, którą trzeba synchronizować.

OpenCode

OpenCode to agent kodujący z otwartym kodem, z przepływem pracy terminalowym i dużą powierzchnią dla wtyczek. Stał się domyślną nazwą, gdy ludzie chcą agenta kodującego, który mogą skontrolować, a licencja MIT pasuje do tego zastosowania. Repozytorium to anomalyco/opencode. Wybierz go, gdy sam agent powinien być czymś, co można łatować.

Codex

Codex to lekki agent kodujący OpenAI do terminala, napisany w Rust i z licencją Apache-2.0. To otwarty klient dla rodziny modeli hostowanych, co stanowi inne wymiarowanie niż agent skupiony na lokalności. Używaj go, gdy Twoja drużyna już ustandardyzowała się na modelach OpenAI i chcesz CLI, który można zautomatyzować. To, że klient jest otwarty, nie przenosi wag modelu na Twój dysk.

Gemini CLI

Gemini CLI sprowadza Geminiego do terminala jako agenta, pod licencją Apache-2.0. Pełni tę samą rolę co Codex, ale dla innego dostawcy, a baza kodowa w TypeScriptie jest łatwiejsza do osadzenia w istniejących narzędziach Node. Wybierz go, gdy Gemini to model, za który już płacisz. Uruchamianie go obok Codexu jest rozsądne tylko wtedy, gdy każde repozytorium ma jednego domyślnego agenta.

OpenHands

OpenHands to agent rozwoju oprogramowania z pełną pętlą zadań, teraz publikowany z organizacji OpenHands. Licencja MIT i wyższy poziom produktu sprawiają, że to wybór platformowy, bliższy hostowanemu środowisku developerskiemu, które można samodzielnie hostować, niż pojedynczemu binariowi. Używaj go, gdy chcesz issue’y, piaskownice i interfejs użytkownika wokół agenta. Dla jednorosowego przepływu pracy w terminalu OpenCode, Codex lub Goose to mniejsza instalacja.

Cline

Cline to autonomiczny agent kodujący, wydawany jako SDK, rozszerzenie IDE lub CLI. Licencja Apache-2.0 i integracja z edytorem sprawiają, że to praktyczny wybór dla osób żyjących w VS Code i jednocześnie szukających biblioteki, którą mogą wywoływać. Nakłada się bardziej z OpenCode niż z interfejsem czatu. Ustandaryzuj się na jednym z nich na repozytorium, aby przeglądy kodu pozostały czytelne.

Goose

Goose to rozszerzalny, lokalny agent, który instaluje, edytuje, uruchamia i testuje kod z dowolnym modelem, na który go skierujesz. Repozytorium znajduje się teraz w aaif-goose/goose, a implementacja w Rust wraz z licencją Apache-2.0 czynią go silnym agentem stacjonarnym. Wybierz Goose, gdy dostawca modelu powinien być zamienialny, a agent powinien działać na maszynie z kodem. Ma cichszą liczbę gwiazdek niż OpenCode i jest lepszym dopasowaniem do modelu lokalnego.

Umiejętności agentów i struktury (harnesses)

Wyszukiwanie tematów ustawi tę grupę wyżej niż kilka realnych produktów. Superpowers i ECC to instrukcje, hooki i przepływy pracy dla agentów, które już działasz. Spec Kit to własne narzędzie procesowe GitHub do rozwoju opartego na specyfikacji. Mieniają zachowanie agenta i wciąż są oprogramowaniem, z którym składasz asystenta kodującego z poprzedniej sekcji.

Superpowers

Superpowers to ramowy zestaw umiejętności agencji i metodologia rozwoju oprogramowania, dystrybuowana głównie jako pliki shell i instrukcje pod licencją MIT. Liczba gwiazdek to efekt rozprzestrzeniania się metody wśród użytkowników agentów kodujących w ciągu kilku miesięcy. Zainstaluj go na agentach, którym już ufasz, i spodziewaj się edytowania umiejętności, aby pasowały do repozytorium. Ramka będzie podążać za uprawnieniami, które ten agent już posiada.

ECC

ECC to struktura (harness) dla Claude Code, Codex, OpenCode, Cursor i podobnych agentów, obejmująca umiejętności, pamięć i kontrole wokół sposobu działania agenta. Ma odpowiednią formę, jeśli chcesz tej samej pętli dla więcej niż jednego agenta kodującego. To też inna, ruchoma warstwa między Tobą a modelem. Przyjmij go, gdy zespół wybrał już agentów i chce jednego wspólnego sposobu instruowania ich.

Spec Kit

Spec Kit to zestaw narzędzi GitHub do rozwoju opartego na specyfikacji i procesu wokół niego. Utrzymujący to platforma, na której żyje większość tych repozytoriów, a licencja MIT jest prosta. Używaj go, gdy chcesz pisemnej specyfikacji, zanim agent edytuje kod. Pozostanie ciche, jeśli zespół traktuje specyfikację jako opcjonalny papier.

Pamięć AI

Pamięć to warstwa, która pozwala agentowi wznowić pracę. Oznaczone gwiazdkami projekty dzielą się na dwa style. claude-mem, Beads i dużo z Hindsight dołącza pamięć do sesji kodowania. Mem0, Cognee i Letta to serwis, do których wywołują z aplikacji agentów. Polityka przechwytywania, zależności i kompromisy przy hostowaniu własnym dla tych backendów porównano w Dostawcy Pamięci Agenta.

Memvid (16 600 gwiazdek, Apache-2.0) i Zep (4 961 gwiazdek, Apache-2.0) to mniejsze opcje w tej samej roli: Memvid jako magazyn w jednym pliku, a Zep jako pamięciowe API z naciskiem na integracje. Jedna system pamięci na agenta to konfiguracja, którą wciąż można później wyjaśnić.

claude-mem

claude-mem rejestruje to, co robi agent kodujący, skompresowuje tę historię i wstrzykuje właściwą część do późniejszych sesji. Komunikuje się z Claude Code, OpenClaw, Codex, Gemini CLI, Hermes, Copilot i OpenCode, dlatego prowadzi w tej grupie. Licencja Apache-2.0 pasuje do modułu obok, który może chcieć modyfikować. Używaj go, gdy tym, czego wciąż zapomina, jest sama sesja kodowania.

Mem0

Mem0 to warstwa pamięci dla agentów i aplikacji, ze stanem użytkownika, sesji i agenta za API. To domyślna nazwa, gdy produktem jest bot wsparcia lub asystent osobisty i chcesz tej pamięci poza jakimkolwiek narzędziem do kodowania. Licencja Apache-2.0 i opcja hostowania istnieją obok siebie, więc hostowanie własne to decyzja, którą można podjąć później. Wolicie go nad hookiem sesji kodowania, gdy wielu agentów powinno dzielić te same fakty o użytkowniku.

Hindsight

Hindsight to projekt pamięci agentów od Vectorize, skierowany do agentów uczących się z tego, co już zrobili. Integracja obejmuje zarówno agentów kodujących, jak i frameworki aplikacji. Licencja MIT jest najbardziej liberalna w tej grupie. Projekt publikuje silne twierdzenia o benchmarkach, które należy odtworzyć na własnych zapisach, zanim postawisz na nich produkt. Wybierz Hindsight, gdy chcesz dedykowanej usługi pamięci i jesteś gotowy porównać ją z Mem0 na własnych danych.

Cognee

Cognee buduje pamięć i graf wiedzy, które agenci mogą zapytać, z naciskiem na uruchamianie tej warstwy na mniejszych modelach. Nakłada się z Mem0 i z poniższymi narzędziami RAG, ponieważ graf dokumentów zachowuje się jak pamięć i jak wyszukiwanie. Licencja Apache-2.0 utrzymuje ścieżkę wtapiania (embedding) zamienialną. Wybierz go, gdy interesujące Cię fakty to encje i relacje, a płaska indeks wektorowa wydała się już zbyt utracalną.

Beads

Beads przechowuje zadania, plany i zależności agenta kodującego jako pliki podróżujące z gałęzią git. Repozytorium jest teraz w gastownhall/beads, to ten sam projekt, który styczniowy przegląd Go wymienił pod wcześniejszą ścieżką. Licencja MIT i magazyn oparty na git sprawiają, że to narzędzie pamięci, które widzi Twój istniejący proces przeglądania. Używaj go, gdy kontekst powinien się rozgałęziać z gałęzią. Użyj claude-mem lub Mem0, gdy pamięć musi przetrwać pojedyncze repozytorium.

Letta

Letta to platforma agentów stanowych, która wyrosła z MemGPT. Pamięć tutaj jest częścią runtime’u agenta, więc agent zarządza własnym kontekstem jako funkcją platformy. To głębsze zaangażowanie niż dodanie Mem0 pod agenta, którego już działasz. Licencja Apache-2.0 dotyczy otwartej platformy. Wybierz Letta, gdy chcesz runtime i pamięć zaprojektowane razem, a Mem0, gdy chcesz pamięci pod agentami, których nie zamierzasz zastępować.

RAG i bazy wiedzy

Projekty RAG zamieniają dokumenty na warstwy kontekstu. RAGFlow to silnik od A do Z, który użytkownicy gwiazdkują. LlamaIndex to framework dokumentów, GraphRAG to podejście grafowe Microsoftu, a WeKnora to platforma wiedzy TenCentu, która pojawiła się też w styczniowym przeglądzie Go i nadal rośnie.

RAGFlow

RAGFlow to hostowany samodzielnie silnik RAG, który parsuje chaotyczne dokumenty i udostępnia wyszukiwanie agentom, z cytowaniem jako częścią produktu. Licencja Apache-2.0 i interfejs użytkownika, który można przekazać zespołowi, to powód, dlaczego prowadzi w tej grupie z wyraźną przewagą. Używaj go, gdy zadaniem jest „połóż nasze pliki za okienkiem 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 przepływów RAG. To biblioteka z wieloma konektorami, a licencja MIT pasuje do tej roli. Sam składasz indeks, magazyn i agenta, co jest kosztem elastyczności. Wybierz go dla kodu produktowego. Wybierz RAGFlow, gdy chcesz tej samej pracy jako usługi, którą wdrażasz.

GraphRAG

GraphRAG buduje graf na korpucie i odpowiada na pytania przez przechodzenie po tym grafie, jako otwarta implementacja pomysłu od Microsoft Research. Samą technikę wyjaśniono w Zaawansowane RAG: LongRAG, Self-RAG i GraphRAG. Licencjonowanie MIT sprawia, że jest łatwo wypróbować obok potoku wektorowego. Budowanie grafu kosztuje więcej wstępnie niż indeks kawałków i wtapiania, ale zwraca ten koszt na pytania obejmujące wiele dokumentów. Używaj go, gdy korpus ma strukturę, którą obecnie forsujesz do kawałków.

WeKnora

WeKnora to platforma wiedzy TenCentu do zamiany dokumentów na indeks RAG, agenta i wiki, którą projekt opisuje jako samoutrzymywaną. Licencja projektu to MIT, z komponentami stron trzecich pod ich własnymi warunkami. GitHub raportuje tę licencję jako „Inna”, ponieważ koncesja MIT leży pod wstępem TenCentu. To najbliższy kuzyn RAGFlow w tej tabeli, z rdzeniem w Go. Wolicie go, gdy chcesz wiki i agenta w tym samym pudełku i porównaj parserów na próbce własnych PDF-ów przed migracją biblioteki.

Budowniczowie przepływów i agentów

Budowniczowie to miejsce, gdzie zespół rysuje przepływ lub gdzie programista importuje framework, który rysuje go za niego. n8n jest największe wg gwiazdek i najwęższe wg licencji. Dify i Langflow to studia native AI. LangChain to biblioteka pod spodem wielu z pozostałych.

CrewAI (59 745 gwiazdek, MIT) i AutoGen (61 429 gwiazdek, CC-BY-4.0) należą do tej samej rozmowy o frameworkach multi-agentowych opartych na kodzie. Licencja atrybucyjna Creative Commons od AutoGen jest nietypowa dla repozytorium kodu i warto ją przeczytać przed wpięciem. LangChain pozostaje powierzchnią integracji, z którą spotykają się te frameworki.

n8n

n8n to platforma przepływów pracy z setkami integracji i natywnymi krokami AI, i to projekt, o którym myślą ludzie, gdy chcą automatyzacji w stylu Zapier, którą mogą hostować. Licencja Użytkowania Zrównoważonego pozwala na wewnętrzną użycie biznesowe, osobiste i niekomercyjne. Dystrybucja jest ograniczona do darmowych, niekomercyjnych kopii, a pliki oznaczone .ee wymagają osobnej licencji przedsiębiorstwowej. To oprogramowanie fair-code dostępne ze źródłem i wciąż właściwe narzędzie do automatyzacji wewnętrznej, jeśli te limity pasują do Twojego sposobu pracy.

Dify

Dify to warsztat dla przepływów pracy agentów i potoków RAG, z dostawcami modeli i narzędziami w jednym wdrażalnym stosie. Licencja zaczyna się od Apache-2.0 i dodaje warunki: uruchamianie usługi wielonajemcy, co oznacza wiele warsztatów, wymaga licencji komercyjnej, a logo konsoli i powiadomienie o prawach autorskich pozostają na froncie. Wewnętrzne użycie jednostanowe to przypadek, który dodatkowe klauzule pozostawiają otwarte. Wybierz Dify, gdy zespół potrzebuje jednego interfejsu od prototypu do produkcji, a Langflow, gdy licencja musi pozostać czystym MIT.

Langflow

Langflow to wizualny budowniczy agentów i potoków RAG, z licencją MIT i liczbą gwiazdek zasadniczo wyrównaną z Difym. Płótno to produkt, a wygenerowane przepływy to coś, co programista może wciąż posiadać. Używaj go, gdy chcesz diagramu potoku i licencji, którą lista kontrolna zakupów już rozumie. Kompromis to młodsza powierzchnia aplikacji niż funkcje warsztatu Difii.

LangChain

LangChain to biblioteka inżynieryjna agentów, którą większość dokumentacji integracji wciąż zakłada. Licencja MIT i szerokość konektorów utrzymują ją na każdej liście, a koszt abstrakcji jest realny, gdy łańcuch robi coś prostego. Używaj go, gdy piszesz kod aplikacji i chcesz adapterów, które są już napisane. Użyj Difii lub Langflow, gdy dostarczane jest warsztatu, a bezpośredniego SDK dostawcy, gdy przepływ to garść wywołań.

Lokalny inferencja i interfejsy czatu

To warstwa pod wszystkimi pozostałymi. Ollama to runner stacjonarny, Transformers to biblioteka definicji modeli, Open WebUI to czoło czatu, llama.cpp to przenośny silnik C++, a vLLM to silnik serwerowy. Hugging Face Transformers jest włączone, ponieważ tak wiele z pozostałych projektów importuje, choć nie „uruchamiasz” go tak, jak Ollama. Dojrzałość API, wsparcie sprzętowe i gotowość produkcyjna w runtime’ach porównano w Ollama vs vLLM vs LM Studio.

Ollama

Ollama uruchamia aktualne otwarte modele lokalnie za prostym CLI i API kompatybilnym z OpenAI. Była już liderem w styczniowym przeglądzie Go i przy 183 334 gwiazdkach wciąż jest domyślnym runtime stacjonarnym. Licencja MIT i pojedynczy demon to powody. Używaj na maszynie deweloperskiej i na małych serwerach. Przenieś te same wagi na vLLM, gdy współbieżność, wsadowość i wykorzystanie GPU stają się problemem.

Transformers

Transformers to biblioteka Hugging Face do definiowania, ładowania i uruchamiania modeli przez teksty, wizję, audio i punkty kontrolne wielomodalne. Licencja Apache-2.0 i hub modeli wokół niego sprawiają, że to biblioteka, którą importuje reszta stosu. Poczujesz ją, gdy trenujesz, konwertujesz lub debugujesz model. Możesz o niej zapomnieć na długo, jeśli Ollama lub vLLM już serwują checkpoint, którego potrzebujesz.

Open WebUI

Open WebUI to interfejs czatu, który większość osób stawia przed Ollama i API kompatybilnymi z OpenAI. Licencja Open WebUI pozwala na redystrybucję, a następnie ogranicza znakowanie. Powyżej 50 użytkowników końcowych w dowolnym 30-dniowym okresie nie wolno zmieniać, usuwać ani zastępować nazwy i znaków Open WebUI bez pisemnej zgody lub licencji przedsiębiorstwowej. Dla osobistej instalacji lub małego zespołu zachowującego nazwę, to dopracowane czoło. Dla produktu, który zmienisz branding, zaplanuj rozmowę o przedsiębiorstwie z wyprzedzeniem. Wdrożenie Dockerem i opcje konfiguracji opisano w przewodniku Open WebUI.

llama.cpp

llama.cpp to silnik inferencji C i C++, który uczynił modele lokalne praktycznymi na zwykłym sprzęcie. Licencja MIT i ekosystem GGUF to powód, dla którego Ollama i rzesza mniejszych aplikacji siedzi na jego wierzchu. Używaj projektu bezpośrednio, gdy chcesz silnika, narzędzi kwantyzacji lub binariu z małą liczbą zależności. Użyj Ollama, gdy chcesz tego silnika z zarządzaniem modelami już owiniętym.

vLLM

vLLM to silnik serwowania o wysokiej przepustowości dla GPU, z ciągłym grupowaniem i API kompatybilnym z OpenAI. Licencja Apache-2.0 i fokus na wdrażanie sprawiają, że to odpowiednik serwerowy Ollama. Liczba gwiazdek jest niższa, ponieważ publicznością są osoby uruchamiające GPU, a to publiczność, która czuje różnicę. Wybierz vLLM, gdy więcej niż kilka równoległych sesji dzieli jedną maszynę.

Bramki LLM

Bramka (gateway) to wejście kompatybilne z OpenAI przed wieloma dostawcami. LiteLLM to powszechny wybór, New API to self-hostowany dystrybutor, a Bifrost to mniejsza bramka o wysokiej przepustowości. Umieść bramkę w stosie, gdy masz więcej niż jednego dostawcę, budżet na klucz lub potrzebę przełączania. Pojedynczy lokalny demon Ollama jej nie potrzebuje.

LiteLLM

LiteLLM odsłania duży zbiór API dostawców przez jedno interfejs w kształcie OpenAI, ze śledzeniem wydatków, ponowieniami i barierami ochronnymi. Kod poza katalogiem enterprise/ to MIT, a ten katalog ma własną licencję. SDK w Pythonie importuje kod aplikacji, a proxy działa zespół platformowy. Użyj rdzenia, gdy chcesz jednego klienta dla wielu dostawców. Sprawdź katalog przedsiębiorstw, zanim założysz, że całe repozytorium jest MIT.

New API

New API to hub modeli, który agreguje dostawców i reserwuje je jako endpointy kompatybilne z OpenAI, Claude lub Gemini. To bramka, którą ludzie wdrażają, gdy chcą też kont użytkowników, kwot i interfejsu dystrybucji. Licencja AGPL-3.0 to termin, który ma znaczenie, jeśli zmodyfikujesz hub i oferujesz go jako serwis. Dla wewnętrznej bramki z kluczami upstream jest konkretną alternatywą dla proxy LiteLLM, z wdrożeniem w Go i surowszą licencją.

Bifrost

Bifrost to bramka Go dla modeli i narzędzi, z przełączaniem, budżetami i bramką MCP w tym samym procesie. Liczba gwiazdek jest daleko poniżej LiteLLM, a styczniowy przegląd Go już miał go na liście trendów, więc projekt jest młodszy niż niszowy. Licencja Apache-2.0 unika podziału katalogu przedsiębiorstw. Rozważ go, gdy bramka jest na ścieżce żądań zatłoczonej usługi i chcesz małego binariu w Go. Utrzymaj LiteLLM, gdy potrzebujesz długiego ogona adapterów dostawców dzisiaj.

Stos wart uruchomienia

Tabele to mapa, a stacja robocza wciąż potrzebuje krótkiej listy. Dla lokalnego zestawu w październiku 2026, Ollama plus jeden agent kodowy pokrywają codzienną pętlę. Dodaj Open WebUI, jeśli klauzula brandingu pasuje do liczby użytkowników, Mem0 lub claude-mem w zależności od tego, czy pamięć należy do aplikacji czy do sesji kodowania, i RAGFlow, gdy dokumenty to produkt. Dodaj LiteLLM lub New API dopiero wtedy, gdy pojawi się drugi dostawca modelu.

Pakiety umiejętności, takie jak Superpowers i ECC, przychodzą po wyborze agenta. Są łatwe do gwiazdkowania i łatwe do gromadzenia, a trzy struktury na jednym repozytorium będą walczyć o te same instrukcje.

Utrzymywanie rankingu na bieżąco

Powtórz zapytania tematyczne na początku tego artykułu, przypisz każde nowe repozytorium do jednej roli i ponownie posortuj tę rolę wg gwiazdek. Następnie otwórz plik licencji. Projekt, który wskoczył na tabelę dzięki katalogowi umiejętności, liście promptów lub weekendowi uwagi, może poczekać na kolejny przegląd, zanim zastąpi narzędzie, którego używasz.

Przechowuj przegląd. Pojedynczy CSV z full_name, stargazers_count, license i pushed_at, pobrany miesięcznie, zamienia kolejną edycję tej strony w prawdziwą kolumnę trendów, tego samego rodzaju różnicę, którą pokazują już artykuły językowe. Do tego czasu grupy to część, która dobrze się starzeje, a liczby gwiazdek to część, która celowo staje się nieaktualna.

Źródła

Liczby gwiazdek, języki i tożsamości licencji odczytano z API repozytorium GitHub i plików LICENSE repozytorium 16 października 2026 roku. Etykiety ról czerpią również z publicznej listy scenariuszy na Top Open Source AI, która dokumentuje własny wskaźnik syntetyczny osobno od sortu użytego tutaj.

• GitHub topics: ai-agents
• GitHub topics: llm
• GitHub topics: rag
• GitHub trending, monthly
• Top Open Source AI
• Polyform Shield License
• Functional Source License
• n8n: Sustainable Use License and plans
• Plik licencji Open WebUI