#context-management Repositórios
Descubra 48 repositórios ativos de código aberto no GitHub marcados com #context-management, acumulando um total de 220,092 estrelas (uma média de 4,585 por projeto). O líder deste tópico é infiniflow/ragflow, com 94,501 estrelas.
48 repositórios no total
RAGFlow é um banco de dados nativo para agentes: um mecanismo de geração aumentada por recuperação (RAG) que evoluiu e se tornou uma infraestrutura de contexto.
Uma estrutura de configuração que aprimora o Claude Code com comandos especializados, personas cognitivas e metodologias de desenvolvimento.
Uma lista selecionada de plugins, temas, agentes, projetos e recursos incríveis para https://opencode.ai
"A engenharia de contexto é a arte e a ciência delicadas de preencher a janela de contexto com as informações certas para o próximo passo." — Andrej Karpathy. Um manual de ponta, baseado em princípios, inspirado por Karpathy e 3Blue1Brown para ir além da engenharia de prompts e alcançar a disciplina mais ampla de design, orquestração e otimização de contexto.
Um catálogo selecionado de impressionantes padrões de IA agentiva
iFlow cli é uma inteligência de linha de comando abrangente que se incorpora ao seu terminal, analisa seus repositórios, executa tarefas de codificação, interpreta suas necessidades em diferentes contextos e aumenta a eficiência realizando tarefas desde simples operações de arquivo até automação de fluxo de trabalho complexa.
Fluxos de trabalho automatizados para Claude Code. Apresenta desenvolvimento orientado por especificações para novos recursos (Requisitos → Design → Tarefas → Implementação) e fluxo de trabalho simplificado de correção de bugs para resolução rápida de problemas (Relatório → Análise → Correção → Verificação).
PromptX · Plataforma de Contexto Líder para Agentes de IA | PromptX · Leading AI Agent Context Platform
Uma estrutura modular e orientada por documentação que utiliza modos personalizados do Cursor (VAN, PLAN, CREATIVE, IMPLEMENT) para fornecer memória persistente e guiar a IA através de um fluxo de trabalho de desenvolvimento estruturado com mapas de processo visuais.
Uma estrutura orientada por modelos para agentes de programação com IA: modelagem semântica, geração de aplicativos, assistência progressiva para APIs e verificação baseada em evidências.
Contexto ilimitado. Memória que se gerencia sozinha. Uma sessão, para a vida toda. O hipocampo para agentes de codificação, parte do CortexKit.
O VCP é implantado entre as APIs de modelos de IA e aplicações frontend, servindo como um projeto de demonstração de infraestrutura de nível industrial para o desenvolvimento e exploração de sistemas operacionais AGI. Através de um protocolo de instruções unificado, memória persistente multinível, motor de plugins distribuído e framework de colaboração multi-agente, ele transforma grandes modelos de linguagem, originalmente 'sem estado, sem memória e sem capacidade de chamada de ferramentas', em sistemas de agentes inteligentes completos que possuem autoconsciência permanente, capacidade de operação no mundo físico e inteligência colaborativa de grupo.
Assistente de chat com IA para Obsidian com compreensão contextual, assistência inteligente à escrita e edições com um clique. Inclui conversas com reconhecimento do vault, pesquisa semântica e suporte a modelos locais.
Uma poderosa aplicação assistente de codificação que se integra com a API DeepSeek para processar conversas do usuário e gerar respostas JSON estruturadas. Através de uma interface de linha de comando intuitiva, ela pode ler o conteúdo de arquivos locais, criar novos arquivos e aplicar edições 'diff' a arquivos existentes em tempo real.
Estrutura de desenvolvimento multiagente impulsionada por JSON para equipe cadence com orquestração CLI inteligente (Gemini/Qwen/Codex), arquitetura com prioridade no contexto e execução automatizada de fluxos de trabalho
Memória da equipe para engenheiros e seus agentes de IA. Fica no seu repositório. Compartilhada por meio do Git.
🧠 Banco de Memória do Roo Code: Contexto de projeto integrado no Roo Code. Chega de repetição, apenas desenvolvimento contínuo!
Alcancei o 13º lugar na classificação do Terminal Bench de Stanford. Agentes orquestradores, exploradores e codificadores trabalhando juntos com compartilhamento inteligente de contexto.
Claude Code Workflow para iniciantes e usuários intermediários. Tutorial e instalador incluídos
O Tianshu Harness é um agente de programação para terminal. A questão central que ele busca responder é: como um modelo pode entregar resultados de forma consistente — sem desvio de objetivos, com a conclusão respaldada por evidências e a verificação funcionando em um ciclo fechado, em vez de dizer “deve estar corrigido”? Para isso, ele estabelece um ambiente de execução cognitiva (CVM) entre o modelo e o mundo real, externalizando do histórico da conversa os objetivos, o estado, as evidências, os recursos, as permissões e as condições de término, que são gerenciados continuamente pelo runtime. Além disso, é altamente otimizado para o DeepSeek V4.
Uma loja de contexto pessoal para agentes e assistentes de IA — reutilize seu CLI de agente de codificação existente (Codex/Claude/OpenCode) com habilidades/ferramentas integradas e uma interface gráfica de desktop para capturar, pesquisar e reutilizar o conhecimento do projeto entre agentes e repositórios.
Contexto componível baseado em visualizações para o DeepSeek Harness. Fontes e estratégias plugáveis, com memória em camadas e habilidades autoevolutivas integradas.
Um plugin local para conversas com muitas imagens no Codex, Claude Code e outros agentes de IA: imagens anteriores são substituídas por marcadores curtos, em vez de serem enviadas com cada mensagem; o modelo recupera o original pelo ID (mesmo após a compactação), e o cache de prompts continua funcionando.
Memória do projeto e fluxos de trabalho para Claude Code e Codex. Mantenha histórias, planos, transferências e evidências de revisão no seu repositório. Retome o trabalho entre sessões e acompanhe o progresso no app para Mac.
Uma estrutura projetada para gerenciar contexto, dependências e tarefas em projetos Cline de grande escala dentro do VS Code
Um robô de base de conhecimento para WeChat empresarial baseado em Dify, que utiliza uma base de conhecimento GPT para WeChat empresarial, é capaz de responder automaticamente às mensagens recebidas no WeChat empresarial. Este robô pode gerenciar conversas privadas e em grupo, e também é capaz de lembrar o conteúdo das interações com os usuários para fornecer respostas mais contextualmente precisas. Além disso, é possível configurar uma lista de permissões para controlar com quais usuários ou grupos o robô deve interagir. Se você precisar do seu próprio robô Dify na versão web...
Converter o serviço web do Claude em um serviço de API, suportando reconhecimento de imagem, upload de arquivos, saída de pensamento...
Agente de escrita por IA alimentado por kimi-k2-thinking - cria autonomamente romances e histórias com raciocínio profundo
O CTX Fit encontra a configuração de programação com IA mais barata que funciona de forma confiável no seu repositório e, em seguida, aplica a opção vencedora como uma alteração passível de revisão.
Uma estrutura de gerenciamento de projetos para desenvolvimento assistido por IA com Claude Code
Perguntas Frequentes
Qual é o repositório de #context-management mais popular no GitHub?
O projeto de código aberto de #context-management mais bem classificado no GitHub é infiniflow/ragflow, com 94,501 estrelas. RAGFlow é um banco de dados nativo para agentes: um mecanismo de geração aumentada por recuperação (RAG) que evoluiu e se tornou uma infraestrutura de contexto.
Quais linguagens de programação são mais usadas nos repositórios de #context-management?
Entre os projetos de #context-management mais bem classificados no GitHub, as linguagens de programação mais comuns são TypeScript, Python, JavaScript, Go.
Como é calculada a classificação dos repositórios de #context-management?
Acompanhamos 48 repositórios ativos de código aberto marcados com #context-management (com mais de 500 estrelas), totalizando 220,092 estrelas e uma média de 4,585 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.