Come eseguire un parser web veloce per LLM con soli 14 megabyte di RAM
Un web scraper leggero basato su Rust che utilizza solo 14MB di RAM e produce Markdown pulito per gli LLM.
Lingua
HomeLinguaggi
Sezioni
Un web scraper leggero basato su Rust che utilizza solo 14MB di RAM e produce Markdown pulito per gli LLM.
Stanco di gestire agenti AI sparsi? Nasiko offre un control-plane unificato con routing, sicurezza e osservabilità per sistemi multi-agente.
DeepSeek ha rilasciato DeepSeek Harness (dsh) — una piattaforma open per eseguire, debuggare e concatenare agenti AI con architettura microkernel a plugin.
Ongrid è un sistema AI open-source che funziona come ingegnere on-call autonomo, indagando sugli incidenti direttamente nei messaggeri come Telegram e Slack usando agenti specializzati per l'analisi della causa radice.
nodeterm sostituisce il caos delle schede del terminale con una tela infinita dove ogni terminale, agente AI e nota vive come un nodo mobile con sessioni live.
Turn any website into a ready-made API client without manually parsing DevTools. The reverse-api-engineer project automates the entire chain.
Stanco di passare manualmente da un modello AI all'altro per rivedere il codice? Ti presentiamo Mysti, un'estensione VS Code che orchestra più assistenti CLI per lavorare insieme, dibattere l'architettura e individuare i bug come una squadra.
Chiunque costruisca agenti AI in produzione conosce il dolore di incollare insieme cinque strumenti diversi. Future AGI mira a risolvere questo con una piattaforma open-source.
Una panoramica di globalthreatmap—un centro di comando interattivo per monitorare geopolitica, basi militari e incidenti globali in tempo reale.
Hyper-Extract converte documenti disordinati in grafici di conoscenza strutturati e dati tipizzati utilizzando modelli pronti all'uso, eliminando la necessità di una complessa progettazione dei prompt.
Scopri come automatizzare un canale YouTube end-to-end con agenti AI—nessuna competenza di editing richiesta. Costruito su Node.js con supporto Gemini API.
Omnigent è un meta-framework Python open-source che orchestra più agenti di codifica AI sotto un unico tetto con interfacce unificate e criteri di sicurezza.
holaOS combina più agenti AI in un unico ambiente desktop con contesto condiviso, memoria locale e pannelli interattivi per un flusso di lavoro fluido.
Un agente AI compatto basato su Rust che gira nel terminale, supporta modelli GGUF locali e consuma 7 volte meno RAM di Claude Code.
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%.
Un developer ha trasformato la sua preparazione ai colloqui in un repository strutturato e ha ricevuto offerte da Meta, Google, Amazon, Apple e Roku. Ecco cosa contiene.
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.
Kandev è una piattaforma open source basata su Kanban che orchestra più agenti di codifica AI, utilizzando Git worktree per un'esecuzione parallela senza conflitti.
txtai is an all-in-one Python library combining vector database, hybrid search with SQL, graph analytics, and LLM orchestration for RAG pipelines.
SenseNova-Skills offre competenze specializzate per agenti AI nell'automazione d'ufficio: analisi Excel, generazione report, visualizzazione dati e creazione presentazioni.
DeskcommCRM è un sistema di gestione delle vendite self-hosted con agenti AI per WhatsApp, costruito su Next.js 16, Supabase e Vercel AI SDK.
Trasforma Claude Code in un partner operativo con makerskills—19 scenari strutturati per agenti AI che gestiscono ricerca, conoscenza e finanza.
LoopX è un piano di controllo locale per agenti AI a lunga esecuzione che previene i loop infiniti gestendo stato, budget e punti decisionali su task estesi.
Uber ha rilasciato come open source ADR, un sistema per rilevare e rispondere alle minacce rivolte agli agenti AI. Il progetto include la raccolta di telemetria, un benchmark con 303 attività e un modulo di rilevamento delle minacce a due livelli.