#llms Dépôts
Découvrez 302 dépôts GitHub open source actifs associés à #llms, cumulant 2,424,794 étoiles au total (soit une moyenne de 8,029 étoiles par projet). Le projet en tête de ce thème est ollama/ollama, avec 187,818 étoiles.
302 dépôts au total
Commencez à utiliser Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen, Gemma et d’autres modèles.
Plus de 100 agents IA, compétences d'agents et applications RAG - Gratuits et open source.
🐙 Guides, articles, leçons, notebooks et ressources pour l'ingénierie des prompts, l'ingénierie contextuelle, le RAG et les agents IA.
Interface locale pour exécuter et entraîner des LLM et des modèles de diffusion. Compatible avec GGUF, MLX, Qwen3.8, DeepSeek-V4.1, MiniMax-H3, Gemma 4, FLUX et bien d’autres.
Framework pour l'orchestration d'agents IA autonomes et de jeux de rôle. En favorisant l'intelligence collaborative, CrewAI permet aux agents de travailler ensemble de manière transparente, en s'attaquant à des tâches complexes.
Apprenez à développer, déployer et itérer sur des applications ML de qualité production.
Wei Yu: Un assistant d'analyse de l'opinion publique multi-agent accessible à tous, brise les bulles d'information, restaure l'apparence originale de l'opinion publique, prédit les tendances futures et aide à la prise de décision ! Réalisé à partir de zéro, sans dépendance à aucun framework.
Tutoriels approfondis sur les LLM, les RAG et les applications d'agents IA dans le monde réel.
Votre assistant IA personnel ; facile à installer, déployable sur votre propre machine ou dans le cloud ; prend en charge plusieurs applications de chat avec des capacités facilement extensibles.
Un système modulaire de génération augmentée par récupération (RAG) basé sur des graphes
Un agent autonome qui effectue des recherches approfondies sur n'importe quelles données en utilisant n'importe quels fournisseurs de LLM
Ce dépôt présente diverses techniques avancées pour les systèmes de Génération Augmentée par Récupération (RAG). Chaque technique dispose d'un tutoriel détaillé sous forme de notebook.
Un référentiel unique pour les mises à jour de la recherche sur l'IA générative, les ressources d'entretien d'embauche, les notebooks et bien plus encore !
Dépôt de code officiel du livre O'Reilly – "Hands-On Large Language Models"
Quels sont les principes que nous pouvons utiliser pour créer des logiciels basés sur les LLM qui sont réellement suffisants pour être mis entre les mains des clients en production ?
Plus de 50 tutoriels et implémentations pour les techniques d'agents IA génératifs, des bots conversationnels de base aux systèmes multi-agents complexes.
✅(Terminé) Notes super complètes sur l'apprentissage profond 【Tuduī PyTorch】【Li Mu Apprentissage profond pratique】【Andrew Ng Deep Learning】【Dafei Agents de grands modèles】
Constructeur d'applications IA local et open source pour utilisateurs expérimentés ✨ v0 / Alternative à Lovable / Replit / Bolt 🌟 Mettez une étoile si vous aimez !
Une boîte à outils Python open-source, axée sur le code, pour construire, évaluer et déployer des agents IA sophistiqués avec flexibilité et contrôle.
Tutoriels de bout en bout, code-first pour construire des agents GenAI de qualité production. Du prototype au déploiement en entreprise.
Enregistrements principaux concernant les connaissances et les questions d'entretien pour les ingénieurs algorithmes (application) de grands modèles linguistiques (LLM).
Plus de 20 LLM performants avec des recettes pour pré-entraîner, affiner et déployer à grande échelle.
YuE2 : génération musicale de pointe avec planification symbolique, reprises sans exemple préalable et édition musicale agentique.
LangChain4j est une bibliothèque Java idiomatique et open-source pour construire des applications alimentées par des LLM sur la JVM. Elle offre une API unifiée sur les fournisseurs LLM populaires et les magasins de vecteurs, et facilite l'implémentation des appels d'outils (y compris le support MCP), des agents et du RAG. Elle s'intègre parfaitement avec les frameworks Java d'entreprise comme Quarkus et Spring Boot.
Un gateway IA ultra-rapide avec garde-corps intégrés. Routage vers plus de 1 600 LLMs, plus de 50 garde-corps IA avec 1 API rapide et conviviale.
La meilleure façon d'amener les agents de codage IA à résoudre des problèmes difficiles dans des bases de code complexes.
La page GitHub officielle du document de synthèse "A Survey of Large Language Models".
TensorZero est une plateforme open-source LLMOps qui unifie un gateway LLM, l'observabilité, l'évaluation, l'optimisation et l'expérimentation.
Une liste organisée de plus de 120 bibliothèques LLM par catégorie.
Le framework fullstack MCP pour développer des Apps MCP pour ChatGPT / Claude et des serveurs MCP pour les agents IA.
Entraîneur par renforcement d'agents : entraînez des agents multi-étapes pour des tâches réelles en utilisant GRPO. Offrez à vos agents une formation en cours d'emploi. Apprentissage par renforcement pour Qwen3.6, GPT-OSS, Llama et plus encore !
Foire aux questions
Quel est le dépôt #llms le plus populaire sur GitHub ?
Le projet #llms open source le mieux classé sur GitHub est ollama/ollama, avec 187,818 étoiles. Commencez à utiliser Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen, Gemma et d’autres modèles.
Quels langages de programmation sont les plus utilisés dans les dépôts #llms ?
Parmi les projets #llms les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, TypeScript, Rust.
Comment le classement des dépôts #llms est-il calculé ?
Nous suivons 302 dépôts open source actifs associés à #llms (500+ étoiles), totalisant 2,424,794 étoiles, avec une moyenne de 8,029 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.