Havuz
Takip ettiğimiz konularda yükselen açık kaynak projeler — yıldız ivmesi, gerçek geliştirme aktivitesi ve AI değerlendirmesiyle.
Yalnız hareketli, son 28 günde commit almamış repoları gizler (yıldızı olan ama bırakılmış projeler). Commit sayısı henüz ölçülmemiş repolar da gizlenir.
EtiketTüm GitHub etiketleri — repo sahiplerinin koyduğu topic'lergöster
Etiketler yükleniyor…
- 51
Safety benchmark for personal AI agents under realistic prompt injection. 120 test cases across 5 professional domains, 3 injection vectors,
0,1/gün ort. +0 son gün +0 son 30g — commit Python 04 Nis 2026 güncellendi 15 Nis 2026 - 52
Automated auditing pipeline for LLM and agent benchmarks — surfaces task ambiguity, environment conflicts, and evaluation bugs.
0,1/gün ort. +0 son gün +0 son 30g — commit HTML 25 May 2026 güncellendi 28 May 2026 - 53
Local-first, IM-native AI coworker runtime with async role agents, trace replay, evidence, and agentic evaluation.
0,1/gün ort. +0 son gün +0 son 30g — commit TypeScript 05 May 2026 güncellendi 2 gün önce - 54
A small, vetted, self-evolving harness for Claude Code — curated, not dumped. Skills, safety guards, and a self-improvement loop.
0,1/gün ort. +0 son gün +0 son 30g — commit 28 Haz 2026 güncellendi 07 Eyl 2026 - 55
OpenSkillEval: Automatically Auditing the Open Skill Ecosystem for LLM Agents
0,1/gün ort. +0 son gün +0 son 30g — commit Python 29 May 2026 güncellendi 15 Haz 2026 - 56
项目验证工作台：架构可视化、CI 检查、覆盖率分析与修复验证 | A project verification workspace for architecture maps, CI checks, coverage analysis, and evidence-backed f
0,2/gün ort. +0 son gün +0 son 30g — commit TypeScript 11 Eyl 2026 güncellendi 18 gün önce - 57
Agent Builder CLI for Kubernetes.
0,2/gün ort. +0 son gün +0 son 19g — commit Go 31 Ağu 2026 güncellendi bugün - 58
CatchBench: a benchmark for auditing agent failures across the full lifecycle.
0,1/gün ort. +0 son gün +0 son 6g — commit Python 30 Haz 2026 güncellendi 9 gün önce - 59
Behavioral testing for AI agents.
1/gün ort. +0 son gün -0,2 son 30g — commit Python 20 Ağu 2026 güncellendi 2 gün önce - 60
A benchmark of AI QA agents finding real bugs in 4 open-source web apps, with 1,396 labeled bugs.
0,9/gün ort. — commit TypeScript 19 Eki 2026 güncellendi bugün - 61
Verification-gated skill routing and self-improvement harness for Hermes-style agent skills
0,2/gün ort. +0 son gün -3,2 son 30g — commit Python 24 May 2026 güncellendi 26 Eyl 2026 - 62
Crash-test insurance claim AI agents before production.
0,1/gün ort. +0 son gün -3,2 son 30g — commit Python 05 Haz 2026 güncellendi 24 Ağu 2026