llms

Creador de aplicaciones de IA local y de código abierto para usuarios avanzados ✨ alternativa a v0 / Lovable / Replit / Bolt 🌟 ¡Dale una estrella si te gusta!

Salidas estructuradas

Registro principal de conocimientos y preguntas de entrevista relacionados con ingenieros de algoritmos (aplicaciones) de Modelos de Lenguaje Grande (LLMs).

Más de 20 LLMs de alto rendimiento con recetas para preentrenar, ajustar y desplegar a escala.

LangChain4j es una librería de Java idiomática y de código abierto para construir aplicaciones impulsadas por LLM en la JVM. Ofrece una API unificada para proveedores de LLM populares y almacenes vectoriales, y facilita la implementación de llamadas a herramientas (incluyendo soporte para MCP), agentes y RAG. Se integra perfectamente con frameworks empresariales de Java como Quarkus y Spring Boot.

Una pasarela de IA ultrarrápida con barreras de seguridad integradas. Enruta a más de 1.600 LLMs y más de 50 barreras de IA con una API rápida y sencilla.

📋 Una lista de LLM abiertos disponibles para uso comercial.

Pocket Flow: de base de código a tutorial

Accede a modelos de lenguaje grande desde la línea de comandos

La página oficial de GitHub para el artículo de revisión "A Survey of Large Language Models".

La mejor manera de lograr que los agentes de programación de IA resuelvan problemas difíciles en bases de código complejas.

Observabilidad y evaluación de IA

Una lista seleccionada de más de 120 bibliotecas de LLM organizadas por categoría.

Agent Reinforcement Trainer: entrena agentes multipaso para tareas del mundo real utilizando GRPO. Dale a tus agentes entrenamiento práctico. ¡Aprendizaje por refuerzo para Qwen3.6, GPT-OSS, Llama y más!

Un agente de código asíncrono de código abierto

El framework MCP fullstack para desarrollar MCP Apps para ChatGPT / Claude y MCP Servers para agentes de IA.

"AutoAgent: Framework de agentes LLM totalmente automatizado y sin código"

¡Ajusta, evalúa y despliega fácilmente Qwen, Gemma o cualquier LLM de pesos abiertos!

Construye agentes eficaces utilizando Model Context Protocol y patrones de flujo de trabajo simples

Crea agentes de IA autónomos en Python.

Preparación de datos sencilla con los últimos operadores y pipelines basados en LLMs

22 técnicas de ingeniería de prompts con tutoriales prácticos en Jupyter Notebook, desde conceptos fundamentales hasta estrategias avanzadas para aprovechar los LLMs.

NeMo Guardrails es un kit de herramientas de código abierto para añadir fácilmente barreras de protección programables a sistemas conversacionales basados en LLM.

Plano es un servidor proxy nativo de IA y plano de datos para aplicaciones agénticas. Enrutamiento inteligente de LLM, observabilidad, orquestación de agentes y barreras de seguridad para que te concentres en la lógica central de tus agentes.

Formato Open Lakehouse para IA multimodal. Convierte desde Parquet en 2 líneas de código para un acceso aleatorio 100 veces más rápido, índice de vectores y versionado de datos. Compatible con Pandas, DuckDB, Polars, Pyarrow y PyTorch, con más integraciones próximamente.

Traducción automática neuronal de código abierto y modelos de lenguaje (grandes) en PyTorch

TalkToFigma: integración MCP entre un Agente de IA (Cursor, Claude Code, Codex) y Figma, permitiendo que la IA agéntica se comunique con Figma para leer diseños y modificarlos programáticamente.

¡Procesamiento de datos para y con modelos fundamentales! 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷

Un registro de las cosas que voy aprendiendo

🔍 Un framework multi-agente basado en LLM para motores de búsqueda web (como Perplexity.ai Pro y SearchGPT)