📱Agno.

Agno — лёгкая и мощная библиотека для создания мультимодальных AI-агентов.

🎯 Объединяет доступ к LLM через единый API и даёт агентам суперспособности:
🧠 память, 📚 знания, 🛠 инструменты и 🤖 логическое мышление.

🔹С Agno ты можешь:

🔘генерировать текст, изображение, аудио и видео.

🔘подключать веб-поиск и внешние утилиты.

🔘создавать кастомных агентов за пару строк кода.

🔘запускать где угодно (open-source!)

🔻Пример:

from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.duckduckgo import DuckDuckGoTools

agent = Agent(
    model=OpenAIChat(id="gpt-4o"),
    tools=[DuckDuckGoTools()],
    markdown=True
)
agent.print_response("What's happening in New York?", stream=True)

#AI #Python #Agno #Multimodal #LLM #OpenSource #AIagent #GenerativeAI #LangChainAlternative #GPT4o #PythonTools #DevTools

📱Ссылка на репозиторий:
https://github.com/agno-agi/agno

📱OpenLIT.

OpenLIT — это открытая платформа для AI-инжиниринга, созданная для упрощения разработки генеративного ИИ и LLM-приложений.

🔹Что умеет OpenLIT:

🔘Наблюдаемость уровня OpenTelemetry: LLM, векторные БД, GPU.

🔘Аналитические дашборды: метрики, расходы, поведение пользователей.

🔘Управление и версионирование промтов (Prompt Hub).

🔘Мониторинг исключений и ошибок.

🔘Безопасная работа с API-ключами и секретами.

🔘Эксперименты с LLM в OpenGround.

🔘Поддержка кастомных моделей и расчёта стоимости.

#OpenLIT #AIинженерия #Наблюдаемость #PromptHub #LLM #OpenTelemetry #AIразработка #OpenSourceAI #PythonSDK #TypeScriptSDK #VectorDB #AIDevTools #GenerativeAI

📱Ссылка на репозиторий:
https://github.com/openlit/openlit

📱TextGAN-Researcher.

TextGAN-Researcher — это агент глубокого исследования, построенный на архитектуре TextGAN-D, которая объединяет принципы состязательных нейросетей (GAN) и управляемого состояния.

✅TextGAN-Researcher способен не просто генерировать текст, а синтезировать знания, анализировать информацию, учиться на собственных ошибках и пошагово совершенствовать результат благодаря взаимодействию специализированных LLM-агентов.

🔹В основе — архитектура TextGAN-D:

🔘 Execution State — единый источник правды и памяти.

🔘Роли агентов:
✔️Генератор (создаёт гипотезу).
✔️Награждающий (оценивает быстро и дёшево).
✔️Рецензент (проводит глубокую интерпретируемую проверку).

🔘Цикл: чтение состояния → генерация → критика → обновление состояния → повтор

💡TextGAN-Researcher открывает путь к следующим возможностям:

🔘Настоящее долговременное обучение.

🔘Интерпретируемая обратная связь.

🔘Надёжное устранение повторяющихся ошибок.

🔘Комплексный анализ и интеграция знаний.

✅Это шаг к ИИ, который понимает, запоминает и совершенствуется — а не просто генерирует текст.

#TextGANResearcher #TextGAN #DeepResearch #AI #LLM #GAN #KnowledgeSynthesis #NLP #IntelligentAgents #MachineLearning #GenerativeAI #StateManagement #AGI

📱Ссылка на репозиторий:
https://github.com/imbue-bit/TextGAN-Researcher

📱Higgs Audio.

Boson AI открыли исходный код Higgs Audio v2 — мощной аудиомодели, обученной на более чем 10 миллионах часов аудио и разнообразных текстах. Без дополнительной дообучки модель уже демонстрирует высокую выразительность и точность.

📈 На тестах EmergentTTS-Eval Higgs Audio v2 побеждает gpt-4o-mini-tts с результатами:

🫨 75.7% (категория «Эмоции»).

❓ 55.7% (категория «Вопросы»).

🔹Возможности:

🔘Генерация многоязычных диалогов с несколькими голосами.

🔘Адаптация интонации при озвучке.

🔘Клонирование голоса и напевание мелодий.

🔘Одновременная генерация речи и фоновой музыки.

✅API совместимо с OpenAI и поддерживает голосовое клонирование, диалоги, перевод и озвучку.

✅Все функции можно запускать локально, без отправки данных в облако.

#AI #TTS #OpenSource #VoiceCloning #HiggsAudio #GenerativeAI #AudioGeneration #MachineLearning #BosonAI #SpeechTech #Python #MultilingualAI #DeepLearning #LLM #МашинноеОбучение #ГенерацияАудио #ГолосовойИИ #AIaudio #opensourceAI #uvpython

📱Ссылка на репозиторий:
https://github.com/boson-ai/higgs-audio

📱Mellea.

Mellea - это библиотека для Python, которая позволяет создавать предсказуемые и надежные ИИ-приложения без гадания на кофейной гуще.

Мы все знаем, какое звено в любом ИИ-пайплайне самое нестабильное — это сам вызов LLM. Скрытые сбои, непредсказуемые ответы и полное отсутствие гарантий. Mellea предлагает заменить хрупкие промпты и капризных агентов на структурированные, жестко тестируемые рабочие процессы (workflows).

🔹Главные фичи библиотеки:

🔘Нативный структурированный вывод: Декоратор @generative превращает обычные функции с аннотациями типов в структурированные вызовы ИИ. Ваши докстринги автоматически становятся промптами, а тайп-хинты — схемами валидации. Схемы Pydantic форсируются прямо в момент генерации текста моделью.

🔘Проверка требований и самоисправление (Requirements & repair): Вы можете прикрепить к любому вызову условия на естественном языке. Mellea сама проверит результат выполнения и запустит автоматические повторные попытки (retries), если модель ошиблась.

🔘Умные стратегии сэмплинга: Нужна максимальная точность? Запустите генерацию несколько раз и выберите лучший результат, переключаясь между rejection sampling (выборка с отклонением), majority voting (голосование большинства) и другими стратегиями с помощью одного параметра.

🔘Мультиплатформенность: Из коробки поддерживаются Ollama, OpenAI, HuggingFace, WatsonX, LiteLLM и AWS Bedrock.

🔘Совместимость с MCP: Любую генеративную программу можно легко превратить в инструмент для экосистемы MCP (Model Context Protocol).

❓Как это выглядит в коде:

Вам больше не нужны громоздкие шаблоны и ручные парсеры ответов:

from pydantic import BaseModel
from mellea import generative, start_session

class UserProfile(BaseModel):
    name: str
    age: int

@generative
def extract_user(text: str) -> UserProfile:
    """Extract the user's name and age from the text."""

m = start_session()
user = extract_user(m, text="User log 42: Alice is 31 years old.")

print(user.name)  # Выведет: Alice
print(user.age)   # Выведет: 31 (гарантированно тип int)

🚀Быстрый старт:

Проект запущен командой IBM Research (Кембридж, Массачусетс) и распространяется под открытой лицензией Apache-2.0. Установить библиотеку со всеми расширениями можно одной командой:

uv pip install 'mellea[all]'

#Python #Mellea #AI #LLM #Pydantic #GenerativeAI #IBMResearch #OpenSource #DevTools #SoftwareEngineering

📱Ссылка на репозиторий:
https://github.com/generative-computing/mellea