Los Mejores Repos de IA en GitHub Que Merecen una Estrella en 2026
Los mejores repos de IA en GitHub en 2026, seleccionados: OpenClaw, Hermes, Pi Agent, OpenCode, DeepSeek-V4, skills, frameworks, memoria y MCP. Listas cortas con estrellas y guías de configuración.
24 min de lectura
GitHub está lleno de repos de IA. La mayoría son forks, envoltorios ligeros o cosas en las que nadie ha hecho un commit en seis meses. Esta página es la lista corta que realmente uso y recomiendo: proyectos con mantenimiento real, funciones claras y suficiente peso de comunidad para que no estés apostando a una demo de fin de semana.
La misma idea que mi catálogo de contenedores Docker para servidor casero, pero para herramientas de IA en lugar de apps autoalojadas. He recortado sin piedad. Si un proyecto se estancó o la empresa cerró (Coqui TTS, Bark, AUTOMATIC1111 SD WebUI, Zep, Flowise congelado, Helicone en modo mantenimiento), no está aquí.
El número de estrellas es aproximado a finales de julio de 2026 y cambia rápido. Trátalo como una señal de impulso, no como un ranking de calidad.
Cómo usar esta página
- Elige una categoría en la tabla de abajo (IA local, asistentes, programación, frameworks, etc.).
- Marca con estrella una lista corta — de tres a cinco repos por categoría es suficiente.
- Abre una sección que te interese. Cada una tiene una tabla de selección rápida y luego notas breves sobre los que más importan.
- Cuando tengo una guía completa en bitdoze, la enlazo.
No des estrella a 50 repos y lo llames investigación
Elige lo que encaje con lo que estás construyendo este mes. Una lista de seguimiento enfocada vale más que un cajón desastre lleno de estrellas.
Elige tu categoría
| Quiero… | Ir a | Primeras opciones típicas |
|---|---|---|
| Ejecutar LLMs en mi hardware | IA local | Ollama, Open WebUI, llama.cpp |
| Modelos potentes de pesos abiertos | Modelos de pesos abiertos | DeepSeek-V4, Kimi K3, GLM-5.2 |
| Un asistente personal de IA | Asistentes | OpenClaw, Hermes Agent |
| Humanos + agentes en un mismo espacio | Asistentes | Buzz |
| Agente de programación en la terminal | Agentes de código | OpenCode, Pi Agent |
| Skills / playbooks para agentes | Skills | Spec Kit, superpowers, pi-skills |
| Sistemas multiagente en código | Frameworks | LangChain, Mastra, Agno, CrewAI |
| Flujos de trabajo visuales de IA | Flujos de trabajo | n8n, Dify, Langflow |
| Memoria de agentes a largo plazo | Memoria | Mem0, Cognee, Hindsight |
| Almacenamiento de embeddings / RAG | BD vectoriales | pgvector, Qdrant, Milvus |
| Imágenes y video | Multimodal | ComfyUI, Remotion |
| Trazar y probar apps de LLM | Observabilidad | Langfuse, promptfoo |
| Una API para todos los proveedores | Observabilidad | LiteLLM, OmniRoute |
| Conectar herramientas vía MCP | MCP | awesome-mcp-servers |
| Aprender el stack | Aprendizaje | Generative AI for Beginners |
Qué cambió en 2026 (resumen)
- OpenClaw pasó de ser un asistente autoalojado de nicho a ~385K estrellas. Local-first, muchos canales de chat, skills que se amplían solas. El creador se unió a OpenAI; el proyecto se movió hacia un modelo de propiedad tipo fundación. Yo sigo usándolo — con una revisión de seguridad.
- Hermes Agent de Nous Research (~223K estrellas) es el otro agente personal de peso pesado. Bucle de aprendizaje integrado, creación de skills a partir de la experiencia, ruta de migración desde OpenClaw. Análisis completo: guía de configuración de Hermes.
- OpenCode (~191K estrellas en
anomalyco/opencode) y Pi Agent (earendil-works/pi) son los agentes de programación de terminal abiertos que realmente instalo. Pi se mantiene minimalista; tú añades las skills y extensiones. - Los modelos de código de pesos abiertos (DeepSeek-V4, Kimi K3, GLM-5.2, MiniMax M3 y compañía) hicieron prácticos los agentes baratos. Resumen completo: mejores LLMs open source como alternativa a Claude.
- Buzz de Block (julio de 2026) es la nueva apuesta de espacio de trabajo: humanos y agentes comparten canales, git y flujos de trabajo sobre un relay Nostr autoalojable. Guía: configuración de Buzz con Docker.
- Las skills y los playbooks se convirtieron en una categoría real: Spec Kit, superpowers, pi-skills, ahorradores de tokens, skills de despliegue. Los agentes sin skills son solo chat con herramientas.
- La memoria de agentes ya es una categoría propia — Mem0, Cognee, Hindsight, Letta. La gente dejó de tratar «la ventana de contexto» como memoria a largo plazo.
- MCP se quedó como la forma común de conectar herramientas a los agentes. La lista awesome es el índice.
- Los proyectos muertos o estancados salieron de esta página a propósito. Solo código vivo.
IA local y ejecutores de modelos
Ejecuta modelos en tu CPU, GPU o Apple Silicon. No hace falta API key para el camino fácil.
Selección rápida
| # | Repo | Estrellas | Leng. | Qué hace |
|---|---|---|---|---|
| 1 | Ollama | 177K | Go | Descarga, ejecuta y sirve LLMs con un comando |
| 2 | Open WebUI | 147K | Python | Interfaz estilo ChatGPT para Ollama y APIs compatibles con OpenAI |
| 3 | llama.cpp | 122K | C++ | Motor de inferencia detrás de la mayoría de stacks locales |
| 4 | vLLM | 88K | Python | Servicio de alto rendimiento para producción |
| 5 | AnythingLLM | 64K | JS | IA de escritorio con RAG integrado sobre tus documentos |
Ollama sigue siendo cómo empieza la mayoría. ollama run descarga un modelo y lo sirve. Hay apps de escritorio para macOS y Windows. Combínalo con Open WebUI para un producto de chat autoalojado completo. Cubrí la instalación en Ollama con Docker y su integración con OpenClaw en OpenClaw + Ollama.
Open WebUI es el panel: interfaz de chat, RAG, opciones multiusuario, funciones de voz. Si Ollama es el motor, esto es la cabina.
llama.cpp es la librería sobre la que casi todos construyen la inferencia local. Puede que nunca lo clones, pero está en tu árbol de dependencias si te importa GGUF en hardware de consumo.
vLLM es a lo que recurres cuando «funciona en mi portátil» se convierte en «necesitamos tokens por segundo en una máquina con GPU».
Modelos de IA de pesos abiertos
Este catálogo es sobre todo herramientas y arneses. Para elegir modelos (precios, benchmarks, cuándo usar cada uno), usa las guías completas:
- Mejores LLMs open source como alternativa a Claude — Kimi K3, GLM-5.2, Qwen 3.6 Plus, MiniMax M3, MiMo V2.5 Pro, Mistral Medium 3.5 vs Opus 5 / Fable 5 / GPT-5.6
- Mejores modelos open source para OpenClaw — primario + reserva prácticos para OpenClaw
- Mejores modelos baratos para Hermes — precios para agentes y DeepSeek-V4 en el stack barato de 1M de contexto
Selección rápida (modelos que realmente recomiendo)
| # | Modelo | Casa | Rol |
|---|---|---|---|
| 1 | DeepSeek-V4-Pro | HF + API | MoE insignia, ~1M de contexto, programación pesada / trabajo de agentes |
| 2 | DeepSeek-V4-Flash | HF + API | V4 más pequeño — buena opción por defecto detrás de agentes siempre activos |
| 3 | Kimi K3 | Moonshot | El MoE de pesos abiertos más grande; picos en programación + web |
| 4 | GLM-5.2 | Z.AI | El todoterreno diario para programación |
| 5 | MiniMax M3 | MiniMax | Modelo económico para agentes siempre activos, contexto multimodal de 1M |
| 6 | MiMo V2.5 Pro | Xiaomi | Agentes de largo horizonte / ejecuciones intensivas en herramientas |
| 7 | Qwen 3.6 Plus | Alibaba | Frontend / vibe-coding económico |
| 8 | Mistral Medium 3.5 | Mistral | Pesos abiertos densos, opción realista de autoalojamiento |
DeepSeek-V4 es la línea de pesos abiertos de 2026 que hay que conocer de nombre: Pro para trabajo pesado, Flash cuando importan el coste y la latencia. Los pesos están en Hugging Face; la API está activa para ambos.
El resto de la tabla es la selección del artículo de alternativas a Claude. No marques ocho fichas de modelo y lo llames investigación — elige un primario y uno de reserva para el agente que ejecutas, y luego lee la comparación completa si la factura o la calidad no encajan.
Asistentes personales de IA
Agentes siempre activos que viven en tu máquina o VPS, hablan por apps de chat y trabajan para ti.
Selección rápida
| # | Repo | Estrellas | Leng. | Qué hace |
|---|---|---|---|---|
| 1 | OpenClaw | 385K | TypeScript | Asistente personal de IA, muchos canales, skills, local-first |
| 2 | Hermes Agent | 223K | Python | Agente que mejora solo con bucle de aprendizaje (Nous Research) |
| 3 | AutoGPT | 186K | Python | Plataforma de agentes autónomos de larga duración |
| 4 | Buzz | 19K | Rust | Espacio de trabajo humanos + agentes (chat, git, flujos de trabajo) |
OpenClaw es la respuesta por defecto cuando alguien dice «quiero mi propio asistente de IA en un VPS». Integraciones de mensajería (Telegram, Slack, Discord, WhatsApp y más), herramientas de shell y navegador, marketplace de skills y una comunidad enorme. También necesita cuidado: los permisos amplios y las skills de la comunidad hacen que debas leer seguridad de OpenClaw antes de abrirlo a sistemas de producción. Instalación: guía de OpenClaw. Alternativas: alternativas a OpenClaw.
Hermes Agent es el que pongo junto a OpenClaw a propósito. Nous Research construyó un bucle de aprendizaje: skills a partir de trabajo completado, recuerdo entre sesiones, modelado del usuario. Puede migrar la configuración y las memorias de OpenClaw. Si quieres un agente que mejora en lugar de solo seguir un paquete de prompts estático, empieza aquí. Guías: configuración de Hermes, dashboards para Hermes, modelos baratos para Hermes.
AutoGPT fue pionero del hype de los agentes autónomos en 2023 y aún tiene un número enorme de estrellas. Mejor como plataforma de automatización de larga duración que como «chatea conmigo en Telegram» de uso diario.
Buzz (buzz.xyz) es lo bastante distinto como para que la gente lo clasifique mal. Block lo lanzó como un espacio de trabajo open source donde los agentes son miembros de primera clase con identidades criptográficas, no bots atornillados a Slack. Canales, MDs, alojamiento git, flujos de trabajo, app de escritorio, relay autoalojable. Temprano (pre-1.0) pero ya útil si tu problema es «equipo + agentes en un solo lugar». Ruta completa: autoaloja Buzz con Docker.
Seguridad en agentes siempre activos
OpenClaw, Hermes y compañía necesitan acceso a shell, navegador o mensajes para ser útiles. Trátalos como herramientas privilegiadas de operaciones: mínimo privilegio, revisa las skills, no pegues secretos de producción en los prompts, aíslalos con Docker o un VPS dedicado.
Agentes y herramientas de código con IA
Agentes que viven en la terminal o el IDE, leen el repo y ejecutan acciones de varios pasos.
Selección rápida
| # | Repo | Estrellas | Leng. | Qué hace |
|---|---|---|---|---|
| 1 | OpenCode | 191K | TypeScript | Agente de código abierto con una TUI seria, multiproveedor |
| 2 | Pi Agent | 81K | TypeScript | Arnés de programación de terminal minimalista — skills + extensiones |
| 3 | OpenHands | 83K | TypeScript | Ingeniero de software autónomo en un sandbox |
| 4 | Cline | 65K | TypeScript | Agente autónomo de programación para VS Code |
| 5 | Herdr | 23K | Rust | Multiplexor de terminal hecho para manadas de agentes |
OpenCode es mi elección con todo incluido. Multiproveedor, TUI sólida, modo plan, sin dependencia de un solo proveedor. El repo vive en anomalyco/opencode (el antiguo sst/opencode redirige). Guías: configuración de OpenCode, plan Go de OpenCode.
Pi Agent es el minimalista que mantengo junto a OpenCode. Solo herramientas núcleo (read, write, edit, bash); la memoria, MCP, subagentes y temas vienen de extensiones y skills que eliges tú. Creado por Mario Zechner, ahora bajo Earendil (earendil-works/pi). Se instala vía pi.dev o npm. Ruta completa: configuración del agente de código Pi. Cara a cara: OpenCode vs Pi.
OpenHands es el enfoque de «agente en una caja que puede manejar un navegador y arreglar sus propios errores». Más pesado, más autonomía cuando la quieres.
Cline si quieres el agente dentro de VS Code con control de terminal y navegador.
Herdr no es un modelo de código. Es el runtime/multiplexor cuando ejecutas varios agentes a la vez y necesitas ver cuál está bloqueado. Reseña: multiplexor de agentes Herdr.
Las skills que se conectan a estos agentes (Spec Kit, superpowers, pi-skills, etc.) están en la sección de skills de abajo.
Skills y playbooks para agentes
Skills reutilizables, metodologías y paquetes de skills. Así es como los agentes modernos obtienen comportamiento de dominio sin reescribir el arnés.
Selección rápida
| # | Repo | Estrellas | Qué hace |
|---|---|---|---|
| 1 | superpowers | 264K | Framework de skills agénticas + metodología de desarrollo de software |
| 2 | Spec Kit | 125K | Kit de GitHub para desarrollo guiado por especificaciones |
| 3 | caveman | 95K | Skill que recorta tokens de salida hablando como un cavernícola |
| 4 | claude-mem | ~89K | Contexto persistente entre sesiones del agente de código |
| 5 | scientific-agent-skills | 32K | Skills que convierten un agente en asistente de investigación |
| 6 | pi-skills | ~2K | Skills para Pi (también usables con Claude Code / Codex) |
| 7 | pi-config | — | Extensiones seleccionadas para Pi: web, PDF, guardas de bash, Reddit |
superpowers es a la vez un paquete de skills y una forma de trabajar con agentes de código (flujos de trabajo estructurados, subagentes, protocolos de brainstorming). Cifra enorme de estrellas porque la gente estaba cansada del vibe coding libre.
Spec Kit es el kit SDD oficial de GitHub: escribe primero el PRD/spec y luego deja que el agente implemente contra él. Pertenece aquí más que en «agentes de código».
caveman y claude-mem son analgésicos prácticos: menos tokens en la respuesta y memoria que sobrevive a los reinicios de sesión.
pi-skills y pi-config son lo que instalo después del propio Pi. LazyPi empaqueta un paquete de skills más grande en un comando si quieres un set inicial seleccionado (ver la guía de configuración de Pi).
Para automatizar despliegues en el home lab, también escribí una skill docker-deploy reutilizable que puedes soltar en OpenClaw, OpenCode o un agente propio.
Frameworks para agentes de IA
Librerías code-first para cuando construyes productos, no solo chateas con un asistente.
Selección rápida
| # | Repo | Estrellas | Leng. | Qué hace |
|---|---|---|---|---|
| 1 | LangChain | 143K | Python | Framework de agentes/apps por defecto + ecosistema |
| 2 | MetaGPT | 70K | Python | Simulación multiagente de una «empresa de software» |
| 3 | AutoGen | 60K | Python | Conversaciones multiagente de Microsoft |
| 4 | CrewAI | 56K | Python | Cuadrillas de agentes y tareas basadas en roles |
| 5 | LlamaIndex | 51K | Python | Agentes e índices con prioridad a datos/RAG |
| 6 | Agno | 42K | Python | Construye y ejecuta plataformas de agentes (equipos, memoria) |
| 7 | Mastra | 27K | TypeScript | Agentes TypeScript, flujos de trabajo, memoria, Studio UI |
LangChain sigue en el centro de muchos tutoriales e integraciones. Combínalo con LangGraph cuando necesites ciclos y estado durable.
CrewAI, AutoGen y MetaGPT toman ángulos multiagente distintos: roles y tareas, chat multiagente y un pipeline completo de «empresa de software virtual».
Agno es el framework de Python que sigo recomendando para bots reales (Discord, equipos, bases de conocimiento). Guías: primeros pasos con Agno, bot de Discord con Agno, squads de Agno, herramientas MCP de Agno.
Mastra es la opción TypeScript si tu stack ya es Node/Bun. Agentes, herramientas Zod, memoria, programaciones, Studio UI. Guías: crea un agente con Mastra, herramientas de Mastra vs MCP, Mastra vs Eve.
Orquestación de flujos de trabajo
Constructores visuales para cuando los no desarrolladores (o tú un viernes) necesitan pipelines sin una app a medida completa.
Selección rápida
| # | Repo | Estrellas | Leng. | Qué hace |
|---|---|---|---|---|
| 1 | n8n | 199K | TypeScript | Automatización de flujos de trabajo + nodos de IA nativos, autoalojable |
| 2 | Langflow | 153K | Python | Agentes y grafos RAG de arrastrar y soltar |
| 3 | Dify | 151K | TypeScript | Plataforma de apps de IA para producción: flujos, RAG, agentes |
n8n es el primero que instalo para «cuando pasa X, llama a un LLM y haz Y». Fair-code, lista enorme de integraciones, historia sólida de autoalojamiento. Guía: n8n autoalojado.
Langflow es mejor cuando el producto es el grafo del agente (prompts, recuperadores, herramientas sobre un lienzo). Guía: Langflow con Docker.
Dify queda entre ambos: publica apps de IA con flujos de trabajo, bases de conocimiento y monitorización sin empezar desde un repo de Python en blanco.
Flowise no está en esta lista. Las congelaciones de desarrollo y las conversaciones de retirada lo convierten en una mala opción por defecto para trabajo nuevo.
Memoria y RAG para IA
Dale a los agentes algo más largo que la ventana de contexto actual.
Selección rápida
| # | Repo | Estrellas | Leng. | Qué hace |
|---|---|---|---|---|
| 1 | Firecrawl | 158K | TypeScript | Convierte sitios web en Markdown/JSON limpio para LLMs |
| 2 | RAGFlow | 86K | Go | Motor RAG completo: parsea, indexa, cita, flujos agénticos |
| 3 | Mem0 | 62K | Python | Capa de memoria universal con una API simple |
| 4 | Cognee | 30K | Python | Memoria de grafo de conocimiento para agentes |
| 5 | Letta | 24K | Python | Agentes con estado y memoria autoeditable (ex-MemGPT) |
| 6 | Hindsight | 19K | Python | Memoria que guarda experiencias/patrones, no solo registros de chat |
Mem0 es la opción fácil por defecto de «añadir memoria» para muchas apps.
Cognee construye un grafo de conocimiento estructurado. Yo lo autoalojo: Cognee autoalojado.
Hindsight apunta a agentes que aprenden de la experiencia en lugar de repetir transcripciones. Notas de despliegue: Hindsight con Docker. Cara a cara: Cognee vs Hindsight.
Letta (antes MemGPT) sigue siendo la plataforma de agentes con estado con raíces en investigación.
Firecrawl y RAGFlow cubren el lado documento/web: mete datos limpios y luego responde con citas.
Bases de datos vectoriales
Donde viven los embeddings para RAG y búsqueda semántica.
Selección rápida
| # | Repo | Estrellas | Leng. | Qué hace |
|---|---|---|---|---|
| 1 | Milvus | 45K | Go | BD vectorial escalable para corpus grandes |
| 2 | Qdrant | 34K | Rust | Búsqueda vectorial rápida, operaciones limpias |
| 3 | Chroma | 29K | Rust | BD de embeddings ligera para prototipos y apps |
| 4 | pgvector | 22K | C | Extensión de Postgres — a menudo suficiente |
Si ya ejecutas Postgres, pgvector es la elección aburrida y correcta. Yo lo uso así. Milvus o Qdrant cuando la escala o las cargas puramente vectoriales justifican otro servicio. Relacionado: pgvector + pgAdmin en Docker.
Multimodal y generación
Selección rápida
| # | Repo | Estrellas | Leng. | Qué hace |
|---|---|---|---|---|
| 1 | ComfyUI | 123K | Python | Generación de imagen/video/audio basada en nodos |
| 2 | Deep-Live-Cam | 95K | Python | Intercambio de caras en tiempo real / transformaciones de video en vivo |
| 3 | Remotion | 55K | TypeScript | Crea videos programáticamente con React |
| 4 | HyperFrames | 39K | TypeScript | Escribe HTML, renderiza video (amigable para agentes) |
| 5 | OpenVoice | 37K | Python | Clonación de voz instantánea con controles de estilo |
| 6 | F5-TTS | 15K | Python | Clonación de voz zero-shot potente |
ComfyUI es el banco de trabajo por defecto para imagen (y cada vez más video) tras el estancamiento de AUTOMATIC1111. Grafos de nodos, ecosistema enorme, sigue en movimiento.
Remotion es la vía React para video: composiciones como componentes, renderizado con Node/Lambda, control total sobre la línea de tiempo y los datos. Buen encaje cuando los agentes o scripts deben componer motion graphics y explicadores en lugar de solo llamar a una API de video de caja negra. Licencia amigable para empresas en uso comercial (revisa su licenciamiento para producción).
HyperFrames está más cerca de «escribe HTML, obtén un video» para pipelines de agentes. Usa Remotion cuando quieres una base de código React real; HyperFrames cuando el agente debe entregar frames HTML.
Voz: F5-TTS y OpenVoice cubren la mayoría de necesidades de clonación local. Coqui y Bark están fuera porque sus historias upstream terminaron.
Observabilidad y gateways
Selección rápida
| # | Repo | Estrellas | Leng. | Qué hace |
|---|---|---|---|---|
| 1 | LiteLLM | 55K | Python | Proxy compatible con OpenAI sobre más de 100 proveedores |
| 2 | OmniRoute | 35K | TypeScript | Gateway de IA MIT gratuito — muchos proveedores, tiers gratis, un endpoint |
| 3 | Langfuse | 32K | TypeScript | Trazas, evals, gestión de prompts para apps de LLM |
| 4 | promptfoo | 24K | TypeScript | Evals CLI y red-teaming, amigable con CI |
LiteLLM es el pegamento cuando no quieres que cada servicio tenga hardcodeado un SDK distinto. Seguimiento de costes, fallback, balanceo de carga. Guía: LiteLLM con Docker.
OmniRoute es el gateway amigo del free tier: un endpoint, una lista enorme de proveedores (incluidos gratuitos), compresión de tokens y fallback inteligente. Útil cuando quieres que los agentes de código (Claude Code, Codex, Cursor, OpenCode, Pi) sigan funcionando sin reescribir configuraciones cada vez que muere un endpoint gratuito. MIT, mantenido activamente.
Langfuse es a lo que recurro para ver trazas y costes. Guía: Langfuse con Docker.
promptfoo es para «¿este prompt sigue pasando la suite?» antes de publicar.
MCP y conectividad de herramientas
MCP (Model Context Protocol) es cómo los agentes hablan con herramientas sin que cada proveedor invente un formato de plugin privado.
Selección rápida
| # | Repo | Estrellas | Leng. | Qué hace |
|---|---|---|---|---|
| 1 | awesome-mcp-servers | 92K | — | Directorio de servidores MCP para apps y APIs |
| 2 | MCP Python SDK | 24K | Python | SDK oficial para servidores y clientes |
Si eres nuevo en el protocolo, empieza con MCP para principiantes. Para el cableado concreto en agentes, mira los artículos de Agno y Mastra sobre MCP enlazados arriba.
Aprendizaje y referencia
Selección rápida
| # | Repo | Estrellas | Qué hace |
|---|---|---|---|
| 1 | prompts.chat | 151K | Gran biblioteca abierta de prompts |
| 2 | System prompts of AI tools | 130K | System prompts recopilados de herramientas populares |
| 3 | Generative AI for Beginners | 108K | Curso de Microsoft, lecciones + código |
| 4 | LLMs from Scratch | 88K | Construye un modelo tipo ChatGPT desde los primeros principios |
Usa los cursos para aprender. Usa los repos de prompts para robar estructura, no para pegar a ciegas en agentes de producción.
Elecciones por defecto según el caso de uso
| Caso de uso | Elección por defecto |
|---|---|
| Chat local | Ollama + Open WebUI |
| Modelo de pesos abiertos | DeepSeek-V4-Flash / MiniMax M3 (barato) o GLM-5.2 / Kimi K3 (calidad) — lista completa |
| Asistente personal | OpenClaw o Hermes Agent |
| Espacio de trabajo equipo + agentes | Buzz |
| Agente de código de terminal | OpenCode o Pi Agent |
| Arnés de código minimalista | Pi Agent + pi-skills / pi-config |
| Programación guiada por especificaciones | Spec Kit o superpowers |
| Agente de VS Code | Cline |
| Producto multiagente en Python | Agno o CrewAI |
| Producto de agentes en TypeScript | Mastra |
| Automatización visual | n8n |
| Apps de IA visuales | Dify o Langflow |
| Memoria de agentes simple | Mem0 |
| Memoria de grafo | Cognee |
| Memoria de aprendizaje | Hindsight |
| Búsqueda vectorial (simple) | pgvector |
| Búsqueda vectorial (escala) | Milvus o Qdrant |
| Generación de imágenes | ComfyUI |
| Video programático (React) | Remotion |
| Video HTML amigable para agentes | HyperFrames |
| Proxy de LLM | LiteLLM u OmniRoute |
| Observabilidad | Langfuse |
| Descubrimiento MCP | awesome-mcp-servers |
Primeros pasos (un fin de semana)
- Chat local —
ollama run+ Open WebUI en Docker (guía). - Asistente — OpenClaw o Hermes en un VPS pequeño (OpenClaw, Hermes).
- Programación — OpenCode o Pi contra un repo real (OpenCode, Pi).
- Skills — añade Spec Kit o pi-skills en lugar de pegar system prompts gigantes.
- Automatización — un flujo de n8n que llame a un LLM (n8n).
- Memoria — Mem0 o Cognee sobre algo que ya ejecutas (Cognee).
- Observabilidad — Langfuse si ya pasaste las demos (Langfuse).
No marques toda la página con estrella el primer día. Elige una fila de la tabla, publica algo y luego amplía.
Guías en este sitio (relacionadas)
| Tema | Artículo |
|---|---|
| Instalación de OpenClaw | Configuración de OpenClaw |
| Seguridad OpenClaw | Seguridad de OpenClaw |
| Alternativas a OpenClaw | Resumen de alternativas |
| Modelos de pesos abiertos | Alternativas open source a Claude |
| Modelos para OpenClaw | Selección de modelos para OpenClaw |
| Hermes Agent | Configuración de Hermes |
| Pi Agent | Configuración de Pi |
| OpenCode vs Pi | Comparación |
| Espacio de trabajo Buzz | Configuración de Buzz con Docker |
| Skill de despliegue | Skill de despliegue Docker |
| Mastra | Construye con Mastra |
| Agno | Inicio con Agno |
| OpenCode | Configuración de OpenCode |
| Comparación de memoria | Cognee vs Hindsight |
| Contexto de servidor casero | Lista de contenedores Docker |
Preguntas frecuentes
¿Por qué no está el proyecto X en esta lista?
Normalmente una de estas: abandonado o con el código congelado, puro hype sin mantenimiento, duplicado de algo mejor de la lista, o demasiado estrecho para un catálogo de «los grandes». El número de estrellas por sí solo no te mete dentro. OpenClaw y Hermes están aquí porque la gente los ejecuta a diario, no solo porque están de moda.
¿Debería usar OpenClaw o Hermes Agent?
OpenClaw si quieres el mayor ecosistema, canales y comunidad de skills. Hermes si te importa más el bucle de aprendizaje y el enfoque de Nous Research. Mucha gente ejecuta ambos. Empieza con uno y migra después si hace falta — Hermes tiene una ruta de migración desde OpenClaw.
¿Dónde encaja Buzz?
Buzz no es un clon de OpenClaw intercambiable. Es un espacio de trabajo colaborativo (chat + git + flujos de trabajo) donde los agentes tienen identidades de primera clase. Úsalo cuando el problema es la colaboración multihumano y multiagente. Autoalójalo con la guía de Buzz con Docker.
¿OpenCode o Pi Agent?
OpenCode si quieres una TUI completa, modo plan y mucho ya integrado. Pi si quieres un núcleo pequeño y te gusta montar tú mismo las skills/extensiones. Yo uso los dos. Detalles: OpenCode vs Pi.
¿Frameworks de Python o de TypeScript?
Python aún tiene más superficie de frameworks de agentes (LangChain, CrewAI, Agno). TypeScript está bien y a menudo es mejor si tu producto ya es Node/Bun — usa Mastra. No reescribas todo tu stack solo para igualar el lenguaje de un framework.
¿Con qué frecuencia se actualizará esta página?
Cuando los grandes proyectos suben, mueren o cambian de dueño. La historia de 2026 ya mató o dejó de lado varias herramientas antes «imprescindibles». Si un repo de esta página se apaga, sale de la lista.
En resumen
La mayor parte de la sección de IA de GitHub es ruido. El núcleo útil es pequeño:
- Ejecutar modelos: Ollama, Open WebUI, llama.cpp, vLLM
- Pesos abiertos: DeepSeek-V4, Kimi K3, GLM-5.2, MiniMax M3 (guía completa)
- Asistentes personales: OpenClaw, Hermes Agent
- Espacio de trabajo equipo + agentes: Buzz
- Agentes de código: OpenCode, Pi Agent, Cline, OpenHands
- Skills: Spec Kit, superpowers, pi-skills, claude-mem
- Construir productos: LangChain, Agno, Mastra, CrewAI
- Flujos de trabajo: n8n, Dify, Langflow
- Multimodal: ComfyUI, Remotion, HyperFrames
- Memoria / RAG: Mem0, Cognee, Hindsight, RAGFlow, pgvector o Qdrant/Milvus
- Operaciones: LiteLLM, OmniRoute, Langfuse, directorio MCP
Marca con estrella lo que encaje con tu próximo proyecto. Ignora el resto hasta que tengas una razón real para que te importe.
