#context-management Dépôts
Découvrez 48 dépôts GitHub open source actifs associés à #context-management, cumulant 220,092 étoiles au total (soit une moyenne de 4,585 étoiles par projet). Le projet en tête de ce thème est infiniflow/ragflow, avec 94,501 étoiles.
48 dépôts au total
RAGFlow est une base de données native pour les agents : un moteur de génération augmentée par récupération (RAG) qui a évolué pour devenir une infrastructure de contexte.
Un framework de configuration qui améliore Claude Code avec des commandes spécialisées, des personas cognitives et des méthodologies de développement.
Une liste sélectionnée de superbes plugins, thèmes, agents, projets et ressources pour https://opencode.ai
« L'ingénierie de contexte est l'art délicat et la science de remplir la fenêtre de contexte avec juste la bonne information pour la prochaine étape. » — Andrej Karpathy. Un manuel à la frontière, basé sur les premiers principes, inspiré par Karpathy et 3Blue1Brown pour aller au-delà de l'ingénierie de prompt vers la discipline plus large de la conception, de l'orchestration et de l'optimisation du contexte.
iFlow cli est une intelligence complète en ligne de commande qui s'intègre dans votre terminal, analyse vos dépôts, effectue des tâches de codage, interprète vos besoins dans différents contextes et améliore l'efficacité en effectuant des tâches allant des simples opérations de fichiers à l'automatisation de flux de travail complexes.
Flux de travail automatisés pour Claude Code. Fonctionnalités de développement piloté par les spécifications pour les nouvelles fonctionnalités (Prérequis → Conception → Tâches → Implémentation) et flux de travail rationalisé pour la correction des bogues pour une résolution rapide des problèmes (Rapport → Analyse → Correction → Vérification).
PromptX · La plateforme de contexte pour agents IA leaders | PromptX · Leading AI Agent Context Platform
Un framework modulaire axé sur la documentation utilisant des modes personnalisés du curseur (VAN, PLAN, CREATIVE, IMPLEMENT) pour fournir une mémoire persistante et guider l'IA à travers un flux de travail de développement structuré avec des cartes de processus visuelles.
Un environnement piloté par des modèles pour les agents de programmation IA : modélisation sémantique, génération d’applications, assistance progressive aux API et vérification fondée sur des preuves.
Contexte illimité. Mémoire qui se gère elle-même. Une session, pour la vie. L'hippocampe pour les agents de codage, faisant partie de CortexKit.
VCP est déployé entre les API de modèles d'IA et les applications frontend, servant de projet de démonstration d'infrastructure de qualité industrielle pour le développement et l'exploration des systèmes d'exploitation AGI. Grâce à un protocole d'instruction unifié, une mémoire persistante multiniveau, un moteur de plugins distribué et un cadre de collaboration multi-agents, il transforme les grands modèles de langage, initialement « sans état, sans mémoire et sans capacité d'appel d'outils », en systèmes d'agents intelligents complets dotés d'une conscience de soi permanente, de capacités d'opération dans le monde physique et d'une intelligence collaborative de groupe.
Assistant de chat IA pour Obsidian avec conscience contextuelle, aide à la rédaction intelligente et modifications en un clic. Fonctionnalités de conversations conscientes du coffre, de recherche sémantique et de prise en charge des modèles locaux.
Une application puissante d'assistant de codage qui s'intègre à l'API DeepSeek pour traiter les conversations des utilisateurs et générer des réponses JSON structurées. Grâce à une interface de ligne de commande intuitive, elle peut lire le contenu de fichiers locaux, créer de nouveaux fichiers et appliquer des modifications diff en temps réel aux fichiers existants.
Cadre de développement multi-agents piloté par JSON pour l'équipe cadence avec orchestration CLI intelligente (Gemini/Qwen/Codex), architecture centrée sur le contexte et exécution automatisée des workflows
Une mémoire d’équipe pour les ingénieurs et leurs agents d’IA. Elle vit dans votre dépôt. Partagée via Git.
🧠 Banque de mémoire Roo Code : Contexte de projet transparent dans Roo Code. Fini les répétitions, place au développement continu !
Techniques d'agent pour augmenter votre LLM et le pousser au-delà de ses limites
Atteint la #13 place du classement Terminal Bench de Stanford. Des agents orchestrateurs, explorateurs et codeurs travaillent ensemble avec un partage intelligent du contexte.
Claude Code Workflow pour débutants et utilisateurs intermédiaires. Tutoriel et installateur inclus
Tianshu Harness est un agent de programmation dans le terminal. La question centrale à laquelle il cherche à répondre est la suivante : comment un modèle peut-il fournir des résultats de manière fiable — sans dérive des objectifs, avec des preuves d’achèvement et une vérification en boucle fermée, plutôt que de dire « cela devrait être corrigé » ? Pour cela, il établit un environnement d’exécution cognitive (CVM) entre le modèle et le monde réel, en externalisant de l’historique de la conversation les objectifs, l’état, les preuves, les ressources, les autorisations et les conditions d’arrêt, que l’environnement d’exécution gère en continu. Il est également fortement optimisé pour DeepSeek V4.
Un magasin de contexte personnel pour les agents et assistants IA — réutilisez votre CLI d'agent de codage existant (Codex/Claude/OpenCode) avec des compétences/outils intégrés et une interface graphique de bureau pour capturer, rechercher et réutiliser les connaissances du projet entre agents et dépôts.
Un contexte composable et basé sur des vues pour DeepSeek Harness. Des sources et stratégies enfichables, avec une mémoire à plusieurs niveaux et des compétences qui évoluent de manière autonome, intégrées d’emblée.
Un plugin local pour les conversations riches en images dans Codex, Claude Code et d’autres agents d’IA : les images précédentes sont remplacées par de courts espaces réservés au lieu d’être renvoyées avec chaque message, le modèle récupère l’original à l’aide de son identifiant (même après la compaction) et le cache des prompts continue de fonctionner.
Mémoire de projet et flux de travail pour Claude Code et Codex. Conservez les user stories, les plans, les passations et les preuves de revue dans votre dépôt. Reprenez le travail d’une session à l’autre et suivez la progression dans l’application Mac.
Un framework conçu pour gérer le contexte, les dépendances et les tâches dans les projets Cline à grande échelle au sein de VS Code
Un bot de base de connaissances Enterprise WeChat basé sur Dify, un robot bot basé sur la base de connaissances GPT d'Enterprise WeChat, capable de répondre automatiquement aux messages reçus dans Enterprise WeChat. Ce robot peut gérer les discussions privées et de groupe, et mémoriser le contenu des conversations avec les utilisateurs pour fournir des réponses plus adaptées au contexte. De plus, vous pouvez définir une liste blanche pour contrôler avec quels utilisateurs ou groupes le robot interagit. Si vous avez besoin de votre propre robot version site web Dify
Transformer le service web de Claude en un service API, prenant en charge la reconnaissance d'images, le téléversement de fichiers, la sortie de réflexion...
Agent d'écriture IA propulsé par kimi-k2-thinking - crée de manière autonome des romans et des histoires avec un raisonnement approfondi
CTX Fit trouve la configuration de codage IA la moins chère qui fonctionne de manière fiable sur votre dépôt, puis applique la solution gagnante sous forme de modification révisable.
Un cadre de gestion de projet pour le développement assisté par l'IA avec Claude Code
Foire aux questions
Quel est le dépôt #context-management le plus populaire sur GitHub ?
Le projet #context-management open source le mieux classé sur GitHub est infiniflow/ragflow, avec 94,501 étoiles. RAGFlow est une base de données native pour les agents : un moteur de génération augmentée par récupération (RAG) qui a évolué pour devenir une infrastructure de contexte.
Quels langages de programmation sont les plus utilisés dans les dépôts #context-management ?
Parmi les projets #context-management les mieux classés sur GitHub, les langages de programmation les plus courants sont TypeScript, Python, JavaScript, Go.
Comment le classement des dépôts #context-management est-il calculé ?
Nous suivons 48 dépôts open source actifs associés à #context-management (500+ étoiles), totalisant 220,092 étoiles, avec une moyenne de 4,585 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.