Projetos de IA de Código Aberto em Destaque no GitHub, Outubro de 2026

A página de tendências mensais do GitHub funciona para uma linguagem, porque um filtro de idioma já define o conjunto. A IA de código aberto faz uma pergunta diferente: o trabalho abrange cinco linguagens, e o recorte útil é a função que um repositório desempenha.

Esta instantânea foi lida da API pública do GitHub em 16 de outubro de 2026, e dentro de cada grupo os repositórios estão ordenados por contagem de estrelas. Estrelas medem atenção, e uma pasta de habilidades pode atrair essa atenção mais rápido do que um mecanismo de entrega, portanto o grupo vem antes da classificação. A coluna de licença faz parte da classificação também, porque vários dos projetos com mais estrelas são de código justo, restritos por marca, ou divididos entre duas licenças.

Os resumos de Rust e Go neste site foram construídos a partir daquela mesma página, com um filtro de idioma fazendo a agrupação. Aqui, os oito grupos de funções abaixo substituem o filtro, e cada seção descreve a negociação que separa as opções próximas. As seções finais transformam as tabelas numa lista curta que você pode executar, e num método repetível para a próxima instantânea.

Como classificar projetos de IA de código aberto

Buscar tópicos, depois atribuir uma função

Os tópicos do GitHub são o substituto prático para um filtro de idioma. Classifique um tópico como ai-agents, llm, rag, local-llm ou agent-memory por estrelas, e mantenha repositórios que foram empurrados nos últimos meses. A busca por texto livre por “AI” é muito ampla, e a página de tendências sem filtro ainda mistura agentes com ferramentas não relacionadas.

Três entradas públicas são suficientes para reconstruir a lista. Use a busca por tópicos para o conjunto, um catálogo de cenários como Top Open Source AI para os rótulos de função, e o arquivo LICENSE do repositório para a última coluna. Esse catálogo publica um composto próprio: estrelas a 70 por cento, contribuidores a 10 por cento, e recência de atualização a 20 por cento. Este artigo mantém a regra mais simples, para que o número na tabela seja o número no GitHub.

Consultas iniciais úteis:

• tópico ai-agents, por estrelas
• tópico llm, por estrelas
• tópico rag, por estrelas
• tópico agent-memory com mais de 5.000 estrelas
• tendências do GitHub, mensal

Manter software, e deixar listas de lado

Um repositório merece uma linha quando alguém pode instalá-lo, ou quando é um suporte mantido que muda como um agente é executado. Listas fantásticas, diretórios de prompts e dumps de prompts de sistema de fornecedores acumulam estrelas e ainda não deixam nada para implantar. Elas pertencem a uma lista de leitura, e permanecem fora das tabelas abaixo.

Adicionar uma coluna de tendências apenas a partir das suas próprias instantâneas

Os resumos por linguagem poderiam mostrar estrelas ganhas em um mês porque o GitHub já calcula essa diferença dentro de uma linguagem. Através desses grupos, uma diferença mensal precisa de duas instantâneas suas. Salve full_name e stargazers_count no dia primeiro do mês, e depois subtraia. Até que essa série exista, as estrelas totais são a chave de classificação honesta. “Tendência” no título significa projetos ativamente mantidos com a atenção correspondente, até esta data.

Onde os projetos se situam

Estes grupos são camadas que você pode empilhar. Um assistente de código pode chamar um gateway, um gateway pode chamar Ollama ou vLLM, e um serviço de memória pode ficar ao lado de qualquer um deles. Dois produtos da mesma camada são geralmente uma segunda opinião, e raramente são uma arquitetura melhor.

Assistentes pessoais de IA

Este grupo é para agentes que tomam ações em uma máquina ou através de ferramentas, além de uma única sessão de codificação. O OpenClaw lidera por uma ampla margem. O Hermes é o outro agente geral nesta escala, e o AutoGPT é o nome mais antigo que ainda está acumulando estrelas enquanto sua licença se dividiu. Um quadro de liderança mais profundo para esse par apenas, com downloads, participação de tokens e histórico de CVE, é a comparação OpenClaw vs Hermes Agent.

O Firecrawl é listado aqui porque agentes precisam de páginas, e é o projeto de dados da web que os leitores realmente estrelam. É uma ferramenta, e os assistentes o chamam.

OpenClaw

O OpenClaw é um agente pessoal destinado a ser executado no seu próprio sistema operacional e executar tarefas, o que é a leitura simples de um projeto que se chama uma IA que faz coisas em qualquer plataforma. A contagem de estrelas é a maior neste artigo, e a licença MIT é o extremo permissivo do conjunto. Trate a instalação como um runtime de automação local com amplo acesso à máquina, e delimite o que é permitido tocar antes de deixá-lo em execução.

Hermes Agent

O Hermes Agent, da Nous Research, é um agente geral projetado para acumular habilidades e contexto conforme é usado. Ele fica na mesma função que o OpenClaw, com uma base de código Python e os mesmos termos MIT. Escolha-o quando você quiser esse loop de crescimento e já estiver confortável operando um agente Python. Executar tanto Hermes quanto OpenClaw significa dois modelos de permissão para auditar.

AutoGPT

O AutoGPT é o projeto que tornou agentes autônomos uma categoria mainstream no GitHub, e ainda é um dos nomes com mais estrelas no conjunto. A licença não é mais uma única concessão. Tudo fora da pasta autogpt_platform é MIT, e tudo dentro dessa pasta está sob a Licença Polyform Shield, que permite o uso, mas reserva o valor comercial do código ao produtor. Leia essa divisão antes de construir um produto no diretório da plataforma.

Firecrawl

O Firecrawl transforma sites em dados que agentes podem chamar. A contagem de estrelas o coloca entre os assistentes, mesmo que a função seja aquisição, o que diz muito sobre o que as pessoas estão conectando em 2026. A AGPL-3.0 importa se você a modificar e oferecer o resultado como um serviço. Para um agente pessoal que apenas chama um endpoint local ou de fornecedor, a licença é uma restrição menor.

Assistentes de código de IA

Agentes de código são a parte mais densa da lista de 2026. O OpenCode lidera os agentes de terminal e editor totalmente abertos, com Codex e Gemini CLI logo atrás como os CLIs de fornecedores que acontecem ser de código aberto. OpenHands, Cline, e Goose são os outros programas que você pode realmente executar.

O Aider (49.567 estrelas, Apache-2.0), o Continue (36.228, Apache-2.0), e o Crush (28.669, FSL-1.1-MIT) são ferramentas reais de código na próxima faixa. A licença do Crush é uma Licença de Fonte Funcional que converte para MIT no cronograma escrito no arquivo. Um agente de código é suficiente. Um segundo é para uma semana de comparação, e depois disso é configuração que você tem que manter em sincronia.

OpenCode

O OpenCode é um agente de código de código aberto com um fluxo de trabalho de terminal e uma grande superfície de plugins. Ele se tornou o nome padrão que as pessoas citam quando querem um agente de código que possam inspecionar, e a licença MIT corresponde a esse uso. O repositório é anomalyco/opencode. Escolha-o quando o próprio agente deveria ser algo que você pode patchear.

Codex

O Codex é o agente de código leve da OpenAI para o terminal, escrito em Rust e licenciado Apache-2.0. É o cliente aberto para uma família de modelos hospedados, o que é uma negociação diferente de um agente local-first. Use-o quando sua equipe já padroniza em modelos OpenAI e você quer um CLI que pode automatizar. O cliente sendo aberto não move os pesos do modelo para o seu disco.

Gemini CLI

O Gemini CLI traz o Gemini para o terminal como um agente, sob Apache-2.0. Ele desempenha o mesmo papel que o Codex para um fornecedor diferente, e a base de código TypeScript é mais fácil de incorporar em ferramentas Node existentes. Escolha-o quando o Gemini é o modelo que você já paga. Executá-lo ao lado do Codex é razoável apenas se cada repositório tiver um agente padrão.

OpenHands

O OpenHands é um agente de desenvolvimento de software com um loop de tarefa completo, agora publicado a partir da organização OpenHands. A licença MIT e o produto de nível mais alto o tornam uma escolha de plataforma, mais próximo de um ambiente de desenvolvimento hospedado que você pode auto-hospedar do que de um único binário. Use-o quando você quiser issues, sandboxes e uma UI em torno do agente. Para um fluxo de trabalho de terminal de uma pessoa, OpenCode, Codex, ou Goose é a instalação menor.

Cline

O Cline é um agente de código autônomo que é distribuído como uma SDK, uma extensão de IDE, ou um CLI. O Apache-2.0 e a integração do editor o tornam a escolha prática para pessoas que vivem no VS Code e ainda querem uma biblioteca que podem chamar. Ele sobrepõe o OpenCode mais do que sobrepõe uma UI de chat. Padronize um deles por repositório para que as revisões permaneçam legíveis.

Goose

O Goose é um agente local extensível que instala, edita, executa e testa código com qualquer modelo para o qual você o aponte. O repositório agora vive em aaif-goose/goose, e a implementação em Rust mais o Apache-2.0 o tornam um agente de estação de trabalho forte. Escolha o Goose quando o fornecedor de modelos deveria ser substituível e o agente deveria ser executado na máquina que mantém o código. É uma contagem de estrelas mais quieta do que a do OpenCode, e é um encaixe mais direto para um modelo local.

Habilidades de agentes e suportes

A busca por tópicos colocará este grupo acima de vários produtos reais. Superpowers e ECC são instruções, ganchos e fluxos de trabalho para agentes que você já executa. O Spec Kit é a própria caixa de ferramentas de processo do GitHub para desenvolvimento orientado por especificação. Eles mudam o comportamento do agente, e ainda são software que você compõe com um assistente de código da seção anterior.

Superpowers

O Superpowers é um framework de habilidades de agentes e uma metodologia de desenvolvimento de software, distribuído principalmente como arquivos de shell e instruções sob MIT. A contagem de estrelas é o que você obtém quando um método se espalha através dos usuários de agentes de código em poucos meses. Instale-o por cima de um agente que você já confia, e espere editar as habilidades para corresponder ao repositório. O framework seguirá as permissões que aquele agente já tem.

ECC

O ECC é um suporte para Claude Code, Codex, OpenCode, Cursor, e agentes semelhantes, cobrindo habilidades, memória e verificações em torno de como o agente funciona. É a forma certa se você quiser o mesmo loop em mais de um agente de código. É também outra camada móvel entre você e o modelo. Adote-o quando a equipe já escolheu os agentes e quer uma forma compartilhada única de instruí-los.

Spec Kit

O Spec Kit é a caixa de ferramentas do GitHub para desenvolvimento orientado por especificação e o processo ao redor dele. O mantenedor é a plataforma onde a maioria desses repositórios já vive, e a licença MIT é direta. Use-o quando você quiser uma especificação escrita antes do agente editar código. Ele ficará quieto se a equipe tratar a especificação como papelada opcional.

Memória de IA

A memória é a camada que permite a um agente retomar. Os projetos estrelados se dividem em dois estilos. O claude-mem, o Beads, e grande parte do Hindsight anexam memória a sessões de codificação. O Mem0, o Cognee, e o Letta são serviços que você chama de agentes de aplicação. A política de captura, dependências e compensações de auto-hospedagem para esses backends são comparadas em Provedores de Memória de Agente.

O Memvid (16.600 estrelas, Apache-2.0) e o Zep (4.961 estrelas, Apache-2.0) são opções menores na mesma função, o Memvid como um armazenamento de arquivo único e o Zep como uma API de memória pesada em integração. Um sistema de memória por agente é a configuração que você ainda consegue explicar depois.

claude-mem

O claude-mem registra o que um agente de código faz, comprime esse histórico, e injeta a parte relevante em sessões posteriores. Ele conversa com Claude Code, OpenClaw, Codex, Gemini CLI, Hermes, Copilot, e OpenCode, o que é a razão pela qual ele lidera este grupo. O Apache-2.0 se ajusta a um sidecar que você pode querer modificar. Use-o quando a coisa que você continua esquecendo é a própria sessão de codificação.

Mem0

O Mem0 é uma camada de memória para agentes e aplicações, com estado de usuário, sessão e agente atrás de uma API. É o nome padrão quando o produto é um bot de suporte ou um assistente pessoal, e você quer essa memória fora de qualquer ferramenta de codificação. O Apache-2.0 e uma opção hospedada ficam lado a lado, para que a auto-hospedagem seja uma escolha que você pode fazer depois. Prefira-o a um gancho de sessão de codificação quando muitos agentes deveriam compartilhar os mesmos fatos sobre um usuário.

Hindsight

O Hindsight é o projeto de memória de agentes da Vectorize, voltado para agentes que aprendem com o que já fizeram, e ele se integra com ambos agentes de código e frameworks de aplicação. A licença MIT é a mais permissiva neste grupo. O projeto publica alegações fortes de benchmark, e essas alegações deveriam ser re-executadas nos seus próprios transcritos antes de você apostar um produto neles. Escolha o Hindsight quando você quiser um serviço de memória dedicado e estiver disposto a compará-lo com o Mem0 nos seus dados.

Cognee

O Cognee constrói um grafo de memória e conhecimento que agentes podem consultar, com um ênfase em executar essa camada em modelos menores. Ele sobrepõe o Mem0 e também sobrepõe as ferramentas de RAG abaixo, porque um grafo dos seus documentos se comporta como ambos memória e recuperação. O Apache-2.0 mantém o caminho de incorporação substituível. Escolha-o quando os fatos sobre os quais você se importa são entidades e relacionamentos, e um índice vetorial plano já se sentiu perda demais.

Beads

O Beads armazena tarefas, planos e dependências de agentes de código como arquivos que viajam com o ramo git. O repositório é agora gastownhall/beads, e é o mesmo projeto que o resumo de Janeiro em Go listou sob seu caminho anterior. O MIT e um armazenamento baseado em git o tornam a ferramenta de memória que seu processo de revisão existente pode ver. Use-o quando o contexto deveria forcar com o ramo. Use claude-mem ou Mem0 quando a memória tiver que sobreviver a um único repositório.

Letta

O Letta é a plataforma de agentes com estado que cresceu a partir do MemGPT. A memória aqui é parte do runtime do agente, para que o agente gerencie o seu próprio contexto como uma característica da plataforma. Isso é um compromisso mais profundo do que deixar o Mem0 sob um agente que você já executa. O Apache-2.0 se aplica à plataforma aberta. Escolha o Letta quando você quiser o runtime e a memória desenhados juntos, e escolha o Mem0 quando você quiser memória sob agentes que você não pretende substituir.

RAG e bases de conhecimento

Projetos de RAG transformam documentos em uma camada de contexto. O RAGFlow é o mecanismo de ponta a ponta que as pessoas estão estrelando. O LlamaIndex é o framework de documentos, o GraphRAG é a abordagem de grafo da Microsoft, e o WeKnora é a plataforma de conhecimento da Tencent, que também apareceu no resumo de Janeiro em Go e tem continuado a crescer.

RAGFlow

O RAGFlow é um mecanismo de RAG auto-hospedado que analisa documentos bagunçados e expõe recuperação para agentes, com citações como parte do produto. O Apache-2.0 e uma UI que você pode entregar a uma equipe são a razão pela qual ele lidera este grupo por uma clara diferença. Use-o quando a função é “colocar nossos arquivos atrás de uma caixa de resposta” e você quer o analisador, o índice, e a API de um único projeto. Recorra ao LlamaIndex quando você está incorporando recuperação dentro de uma aplicação que já controla.

LlamaIndex

O LlamaIndex é um framework de processamento de documentos para agentes e pipelines de RAG. É uma biblioteca com muitos conectores, e a licença MIT se ajusta a esse papel. Você monta o índice, o armazenamento, e o agente você mesmo, o que é o custo da flexibilidade. Escolha-o para código de produto. Escolha o RAGFlow quando você quiser a mesma função como um serviço que você implanta.

GraphRAG

O GraphRAG constrói um grafo sobre um corpus e responde perguntas caminhando por esse grafo, como a implementação aberta da Microsoft Research da ideia. A técnica em si é explicada em RAG Avançado: LongRAG, Self-RAG e GraphRAG. O licenciamento MIT o torna fácil de tentar ao lado de um pipeline vetorial. A construção do grafo custa mais no início do que um índice de fatiar e incorporar, e ele paga esse custo de volta em perguntas que atravessam muitos documentos. Use-o quando o corpus tem estrutura que você está atualmente forçando em fatias.

WeKnora

O WeKnora é a plataforma de conhecimento da Tencent para transformar documentos em um índice de RAG, um agente, e uma wiki que o projeto descreve como auto-mantida. A licença do projeto é MIT, com componentes de terceiros sob seus próprios termos. O GitHub relata essa licença como Outra, porque a concessão MIT fica sob um preâmbulo da Tencent. É o primo mais próximo do RAGFlow nesta tabela, com um núcleo Go. Prefira-o quando você quiser a wiki e o agente na mesma caixa, e compare os analisadores em uma amostra dos seus próprios PDFs antes de migrar uma biblioteca.

Fluxos de trabalho e construtores de agentes

Construtores são onde uma equipe desenha o fluxo, ou onde um desenvolvedor importa o framework que o desenha por ele. O n8n é o maior por estrelas e o mais estreito por licença. Dify e Langflow são os estúdios nativos de IA. O LangChain é a biblioteca por baixo de grande parte dos outros.

O CrewAI (59.745 estrelas, MIT) e o AutoGen (61.429 estrelas, CC-BY-4.0) pertencem à mesma conversa como frameworks multi-agente priorizando código. A licença de atribuição Creative Commons do AutoGen é incomum para um repositório de código, e vale a pena ler antes de você a incorporar. O LangChain permanece a superfície de integração que esses frameworks ainda encontram.

n8n

O n8n é uma plataforma de fluxo de trabalho com centenas de integrações e etapas de IA nativas, e é o projeto que as pessoas têm em mente quando querem automação estilo Zapier que podem hospedar. A Licença de Uso Sustentável permite uso comercial interno, uso pessoal, e uso não comercial. A distribuição é limitada a cópias gratuitas, não comerciais, e arquivos marcados .ee precisam de uma licença empresarial separada. É código justo de fonte disponível, e ainda é a ferramenta certa para automação interna se esses limites corresponderem a como você o executa.

Dify

O Dify é um espaço de trabalho para fluxos de trabalho de agentes e pipelines de RAG, com provedores de modelos e ferramentas em uma pilha implantável única. A licença começa no Apache-2.0 e adiciona condições: operar um serviço multi-tenant, significando múltiplos espaços de trabalho, precisa de uma licença comercial, e o logotipo do console e o aviso de direitos autorais permanecem na interface frontal. O uso interno de um único tenant é o caso que as cláusulas extras deixam abertas. Escolha o Dify quando uma equipe precisa de uma única UI do protótipo à produção, e escolha o Langflow quando a licença tem que permanecer MIT pura.

Langflow

O Langflow é um construtor visual para agentes e fluxos de RAG, com uma licença MIT e uma contagem de estrelas essencialmente empatada com a do Dify. A tela é o produto, e os fluxos gerados são algo que um desenvolvedor ainda pode possuir. Use-o quando você quiser um diagrama do pipeline e uma licença que uma lista de verificação de compras já entende. A compensação é uma superfície de aplicação mais jovem do que os recursos de espaço de trabalho do Dify.

LangChain

O LangChain é a biblioteca de engenharia de agentes que a maioria dos docs de integração ainda assume. O MIT e a amplitude de conectores o mantêm em toda lista curta, e o custo de abstração é real uma vez que a cadeia está fazendo algo simples. Use-o quando você está escrevendo código de aplicação e quer os adaptadores já escritos. Use o Dify ou Langflow quando a entrega é um espaço de trabalho, e use uma SDK de provedor direta quando o fluxo é um punhado de chamadas.

Inferência local e interfaces de chat

Esta é a camada por baixo de tudo o resto. O Ollama é o executor de estação de trabalho, o Transformers é a biblioteca de definição de modelo, o Open WebUI é a interface de chat frontal, o llama.cpp é o mecanismo portátilável C++, e o vLLM é o mecanismo de servidor. O Hugging Face Transformers é incluído porque muitos dos outros projetos o importam, mesmo que você não o “execute” da forma como executa o Ollama. A maturidade de API, suporte de hardware, e prontidão de produção através dos runtimes são comparados em Ollama vs vLLM vs LM Studio.

Ollama

O Ollama executa modelos abertos atuais localmente atrás de um CLI simples e uma API compatível com a OpenAI. Ele já era um líder no resumo de Janeiro em Go, e com 183.334 estrelas ainda é o runtime de estação de trabalho padrão. O MIT e um único daemon são as razões. Use-o em uma máquina de desenvolvedor e em pequenos servidores. Mova os mesmos pesos para o vLLM quando a concorrência, lotação, e utilização de GPU se tornarem o problema.

Transformers

O Transformers é a biblioteca da Hugging Face para definir, carregar, e executar modelos através de pontos de verificação de texto, visão, áudio, e multimodal. O Apache-2.0 e o hub de modelos ao redor tornam esta a biblioteca que o resto da pilha importa. Você a sente quando está treinando, convertendo, ou depurando um modelo. Você pode ignorá-la por um longo tempo se o Ollama ou vLLM já serve o ponto de verificação de que você precisa.

Open WebUI

O Open WebUI é a interface de chat que a maioria das pessoas coloca na frente do Ollama e de APIs compatíveis com a OpenAI. A Licença Open WebUI permite redistribuição e então restringe a marca. Acima de 50 usuários finais em qualquer 30 dias rolantes, você não pode alterar, remover, ou substituir o nome e marcas do Open WebUI sem permissão por escrito ou uma licença empresarial. Para uma instalação pessoal ou de equipe pequena que mantém o nome, é a interface frontal polida. Para um produto que você vai re-marcar, orçete a conversa empresarial primeiro. A implantação Docker e as opções de configuração são percorridas no guia do Open WebUI.

llama.cpp

O llama.cpp é o mecanismo de inferência em C e C++ que tornou modelos locais práticos em hardware comum. O licenciamento MIT e o ecossistema GGUF são a razão pela qual o Ollama e uma multidão de apps menores ficam por cima dele. Use o projeto diretamente quando você quer o mecanismo, as ferramentas de quantização, ou um binário com poucas dependências. Use o Ollama quando você quer esse mecanismo com gerenciamento de modelo já envolto.

vLLM

O vLLM é um mecanismo de serviço de alta vazão para GPUs, com lotação contínua e uma API compatível com a OpenAI. O Apache-2.0 e o foco em implantação o tornam o par de servidor do Ollama. A contagem de estrelas é menor porque a audiência é pessoas que executam GPUs, e essa audiência é a que sente a diferença. Escolha o vLLM quando mais de algumas sessões concorrentes compartilham uma máquina.

Gateways de LLM

Um gateway é a porta frontal compatível com a OpenAI na frente de muitos provedores. O LiteLLM é a escolha comum, o New API é o distribuidor auto-hospedado, e o Bifrost é o gateway menor de alta vazão. Coloque um gateway na pilha quando você tem mais de um provedor, um orçamento por chave, ou uma necessidade de falhar para outro. Um único daemon local Ollama não precisa de um.

LiteLLM

O LiteLLM expõe um grande conjunto de APIs de provedores através de uma única interface com forma de OpenAI, com rastreamento de gastos, repetições, e trilhos de contenção. O código fora do diretório enterprise/ é MIT, e esse diretório tem a sua própria licença. A SDK Python é o que o código de aplicação importa, e o proxy é o que a equipe de plataforma executa. Use o núcleo quando você quer um cliente único para muitos fornecedores. Verifique o diretório empresarial antes de assumir que o repositório inteiro é MIT.

New API

O New API é um hub de modelos que agrega provedores e os re-servem como endpoints compatíveis com OpenAI, Claude, ou Gemini. É o gateway que as pessoas implantam quando também querem contas de usuário, cotas, e uma UI de distribuição. A AGPL-3.0 é o termo que importa se você modificar o hub e oferecê-lo como um serviço. Para um gateway interno com chaves de montante, é uma alternativa concreta ao proxy do LiteLLM, com uma implantação Go e uma licença mais estrita.

Bifrost

O Bifrost é um gateway Go para modelos e ferramentas, com falha para outro, orçamentos, e um gateway MCP no mesmo processo. A contagem de estrelas é muito abaixo da do LiteLLM, e o resumo de Janeiro em Go já o tinha na lista de tendências, para que o projeto seja mais jovem do que obscuro. O Apache-2.0 evita a divisão de diretório empresarial. Considere-o quando o gateway está no caminho de requisição de um serviço ocupado e você quer um pequeno binário Go. Mantenha o LiteLLM quando você precisa da longa cauda de adaptadores de provedores hoje.

Uma pilha que vale a pena executar

As tabelas são um mapa, e uma estação de trabalho ainda precisa de uma lista curta. Para uma configuração local em outubro de 2026, Ollama mais um agente de código cobre o loop diário. Adicione o Open WebUI se a cláusula de marca corresponder à contagem de usuários, o Mem0 ou claude-mem dependendo se a memória pertence a uma aplicação ou a uma sessão de codificação, e o RAGFlow quando os documentos são o produto. Adicione o LiteLLM ou New API apenas depois que um segundo provedor de modelo aparecer.

Pacotes de habilidades como Superpowers e ECC vêm depois que o agente é escolhido. Eles são fáceis de estrelar e fáceis de acumular, e três suportes em um repositório vão brigar pelas mesmas instruções.

Mantendo a classificação atualizada

Repita as consultas de tópicos no topo deste artigo, atribua cada novo repositório a uma função, e reclassifique essa função por estrelas. Então abra o arquivo de licença. Um projeto que saltou a tabela num diretório de habilidades, uma lista de prompts, ou uma semana de atenção pode esperar pela próxima instantânea antes de substituir uma ferramenta que você executa.

Armazene a instantânea. Um único CSV de full_name, stargazers_count, license, e pushed_at, tomado mensalmente, transforma a próxima edição desta página numa coluna de tendências real, o mesmo tipo de diferença que os artigos por linguagem já mostram. Até então, os grupos são a parte que envelhece bem, e as contagens de estrelas são a parte que fica obsoleta intencionalmente.

Fontes

Contagens de estrelas, linguagens, e identidades de licença foram lidas da API de repositório do GitHub e dos arquivos LICENSE dos repositórios em 16 de outubro de 2026. Rótulos de função também se baseiam na lista de cenários pública no Top Open Source AI, que documenta o seu próprio composto pontualmente separadamente da classificação usada aqui.

• tópicos do GitHub: ai-agents
• tópicos do GitHub: llm
• tópicos do GitHub: rag
• tendências do GitHub, mensal
• Top Open Source AI
• Licença Polyform Shield
• Licença de Fonte Funcional
• n8n: Licença de Uso Sustentável e planos
• Arquivo de Licença do Open WebUI