parlant
parlant 프로젝트는 AI 에이전트 개발시 겪는 문제를 해결하기 위해 만들어진 프레임워크입니다. 목적은 대규모 언어 모델(LLM)이 사용자 명령에 보다 정확히 따라 행동하게 하는 것으로, 기존의 PROMPT 엔지니어링 방식의 한계점을 보완하고 신뢰성과 일관성을 높이는 것이 목표입니다. 이 프레임워크는 행동 지침( Guideline), 고객 여정(Journeys), 도구 사용(Tool Use), 도메인 적응(Domain Adaptation), canned responses 등을 통해 AI 에이전트의 행동을 체계적으로 제어할 수 있게 설계되어 있으며, 파이썬으로 개발되어 API와 도구 연동이 용이하고, React 위젯을 통한 웹 인터페이스도 지원합니다.
기술 스택은 Python 3.10 이상으로, 비동기 프로그래밍을 기반으로 서버와 클라이언트 양쪽 모두 구성하며, 외부 API 연동 및 사용자 행동 규칙 적재를 위한 강력한 구조를 갖추고 있습니다. 최신 릴리즈와 변경 이력은 명시적으로 제공되지 않으나, 설치 가이드와 예제, 빠른 시작 방법 등을 통해 빠른 프로토타이핑과 배포가 가능하게 설계되어 있습니다.
주요 사용 대상은 고객 서비스, 금융, 의료, 법률 등 규제와 신뢰성이 중요한 산업군이며, 예를 들어 금융 규제 준수, 의료 데이터 보호, 법률 문서 검토 등 특정 도메인에 최적화된 에이전트 개발에 적합합니다. 프레임워크는 행동 보장, 확장성, explainability를 중시하며, 가이드라인 기반의 규칙 호출, 외부 도구 활용, 세밀한 행동 제어 기능을 제공합니다. 사용자 커뮤니티와 활발한 지원 체계, 라이선스는 Apache 2.0으로 자유롭게 사용 및 수정 가능합니다. 이를 통해 프로덕션 환경에서도 신뢰성과 일관성을 갖춘 AI 에이전트를 빠르게 구축할 수 있습니다.
XLeRobot
XLeRobot은 저렴한 비용으로 제작 가능한 가정용 이중 팔 로봇으로, 주로 일반 조작 및 가사 작업을 목표로 합니다. 이 프로젝트는 약 660달러(미국 기준)부터 시작하며, 조립 시간은 4시간 미만으로 설계되어 쉽고 빠르게 친근한 접근성을 제공합니다. 목적은 로봇 공학 및 embodied AI 연구에 관심이 있는 사람들에게 실용적이고 저렴한 플랫폼을 제공하는 것이며, 개인 연구, 교육, 프로토타이핑에 적합합니다.
주요 기능으로는 여러 하드웨어 옵션(단일 RGB 헤드캠, 스테레오 듀얼 RGB 헤드캠, RealSense RGBD 카메라 지원)과 다양한 제어 방식을(키보드, Xbox 컨트롤러, Switch Joycon, VR 지원)을 제공하여, 실시간 제어 및 시뮬레이션이 가능합니다. 프로젝트는 ROS 기반의 소프트웨어 구조를 갖추고 있으며, Python 및 Ubuntu 환경에서 작동하도록 설계된 문서와 예제들이 포함되어 있습니다.
이 프로젝트는 특히 연구자, 로봇공학 입문자, 하드웨어 프로토타이핑을 희망하는 개발자들을 대상으로 하며, 저렴하면서도 확장 가능한 시스템을 통해 로봇 공학 교육과 실습에 적합합니다. 최근에는 V1.0 이후 최종 복장 적용, 가사 작업 데모, 실내 제어 기능 업데이트, 산업체 및 학술 행사 참여 뉴스 등이 있으며, 2025년 8월 최종 릴리즈와 함께 구매 가능 데모가 공개되었습니다. 자세한 정보와 사용법은 공식 문서 및 Github 저장소를 참고하시기 바랍니다.
System Prompts and Models of AI Tools
이 프로젝트는 인공지능 도구의 시스템 프롬프트와 모델 구조에 대한 방대한 정보를 제공하는 오픈소스 컬렉션입니다. 목적은 AI 도구들이 어떻게 설계되고 운영되는지에 대한 통찰을 공유하여 개발자와 연구자들이 적절한 프롬프트와 구조를 학습하고 활용할 수 있도록 돕는 데 있습니다. 다양한 AI 도구와 모델들을 포함하며, 각각의 구조, 기능, 사용처, 연동 방법 등을 상세하게 설명합니다.
구성 요소로는 여러 파일과 폴더로 나누어진 구체적인 프롬프트, 모듈(예: Manus, Devin, Lovable 등), 그리고 오픈소스 프로젝트들이 포함되어 있습니다. 이들 각각은 특정 AI 응용 사례와 유스케이스에 적합하게 설계되어 있으며, 사용자들은 쉽게 참고하거나 활용할 수 있습니다.
기술 스택은 주로 텍스트 기반 프롬프트, JSON 스키마, 그리고 일부 소스 코드를 포함하며, GitHub와 연동된 다양한 파일들을 통해 공개됩니다. 특히, 프로젝트는 용도별, 목적별 프롬프트와 모델 예제들을 광범위하게 수집하여, AI 소개, 개발, 최적화 등에 실질적인 도움을 제공합니다.
최근 업데이트는 2025년 8월 9일자로, 새 프롬프트와 유용한 모델들이 계속 추가되고 있으며, 사용자가 이슈를 통해 의견을 제시하거나 개선 요청을 할 수 있습니다. 또한, 보안 관련 주의사항 및 스타 히스토리 등 다양한 부속 정보도 포함되어 있어, AI 시스템 설계와 안전성을 고려하는 개발자에게 유용한 자료입니다.
특이사항으로는, Discord 커뮤니티에서 최신 정보를 실시간으로 공유하고 있으며, AI 보안 강화를 위한 ZeroLeaks 서비스를 소개하는 내용도 언급되어 있어, AI 보안에 관심 있는 사용자에게 적합합니다. 프로젝트의 상태는 활발히 유지되고 있으며, 지속적인 업데이트와 피드백 수렴이 이루어지고 있습니다.
Stirling-PDF
Stirling-PDF는 도커(Docker)를 활용한 웹 기반 PDF 편집 및 변환 도구로, 로컬에서 호스팅하여 사용할 수 있는 오픈소스 프로젝트입니다. 이 프로젝트의 주 목적은 사용자가 서버에 파일을 저장하지 않고도 다양한 PDF 작업을 수행할 수 있게 하는 것으로, 파일의 프라이버시와 보안을 보장합니다.
주요 기능으로는 PDF 병합, 분할, 회전, 재정렬, 크기 조절, 크롭, 텍스트 및 이미지 추가, 암호 설정, 워터마킹, OCR, PDF/A 변환, 메타데이터 편집 등 50개 이상의 PDF 작업을 제공합니다. 사용자 인터페이스는 사용자 친화적인 GUI를 갖추고 있으며, 병렬 처리와 자동화 큐 기능, API를 통한 외부 스크립트 연동도 포함되어 있습니다.
기술 스택으로는 HTML, JavaScript, PDF.js, LibreOffice, Tesseract OCR, qpdf 등이 사용되며, 독립적인 서버 환경에서도 손쉽게 배포할 수 있도록 설계되어 있습니다. 최신 릴리즈 내역은 상세 공개되지 않았으나, 다양한 언어 지원과 enterprise 기능(SSO, 데이터베이스 백업 등)을 포함하여 지속적인 업데이트와 기능 확대가 이루어지고 있습니다.
공식 문서와 커뮤니티 지원을 통해 설치, 설정, 보안, enterprise 사용법 등을 상세히 제공하며, 오픈소스 기여를 위한 가이드도 마련되어 있습니다.
examples
이 프로젝트는 Vercel 플랫폼에서 제공하는 다양한 예제(레퍼런스, 튜토리얼, 템플릿)를 모아둔 모음입니다. 목표는 개발자들이 다양한 기술적 솔루션과 구조를 빠르게 이해하고 활용할 수 있도록 돕는 것입니다.
이 프로젝트는 솔루션별 데모, 시작용 스칼렛, 템플릿, 그리고 내부 문서와 가이드 등을 포함하며, Vercel 템플릿 저장소와 연동돼 있습니다. 구성 요소로는 다양한 예제와 템플릿, 그리고 이들을 빠르게 시작할 수 있는 CLI 스크립트(pnpm i 및 pnpm new-example)가 존재합니다. 또한 예제마다 관련 레포지토리와 문서, 그리고 등록을 위한 메타데이터가 포함되어 있습니다.
이 프로젝트의 주요 사용자 대상은 프론트엔드/전체 솔루션 개발자, 그리고 Vercel를 통한 배포를 고려하는 개발자들입니다. 예제들은 Next.js, React, 기타 웹 프레임워크를 포함하며, Vercel의 배포 버튼을 통해 쉽게 배포를 시작할 수 있습니다.
기술 스택은 주로 JavaScript, Node.js, 그리고 Next.js와 관련 라이브러리, Vercel의 배포 및 템플릿 시스템과 통합됩니다. 최근 변경사항이나 릴리즈 이력에 대한 구체적인 내용은 문서에 언급되어 있지 않으며, 최신 업데이트를 위해 Vercel의 공식 문서 또는 레포지토리의 커밋 로그를 참조하는 것이 좋습니다.
특이사항으로는 예제 템플릿의 표준화된 구성, 신규 예제 추가를 위한 스크립트 및 가이드, 그리고 Vercel의 템플릿 메타데이터 활용 방침이 존재하며, Husky를 이용한 Git hook 시스템도 포함되어 있어 코드의 일관성과 품질 유지를 돕습니다. 기타 자세한 내용은 Vercel 공식 문서와 내부 가이드 문서를 참고하세요.
kotaemon
kotaemon은 오픈소스 기반의 깔끔하고 커스터마이징이 가능한 RAG( Retrieval-Augmented Generation ) 사용자 인터페이스입니다. 이 프로젝트는 사용자들이 자신의 문서와 상호작용할 수 있는 QA 시스템을 쉽고 직관적으로 구축할 수 있도록 설계되어 있으며, 개발자들이 자체 RAG 파이프라인을 만들거나 확장하는 것도 지원합니다.
구조적으로는 웹 기반의 UI와 함께 다양한 언어 모델(LLM) API 또는 로컬 모델과 연동 가능하게 설계됐으며, 문서 업로드, OCR, 표/그림 추출 등의 멀티모달 문서 파싱 기능도 포함되어 있습니다. 핵심 기술 스택으로는 Python, Gradio, Docker, 다양한 LLM API, 오픈소스 문서 처리 도구들이 활용되고 있습니다. 최신 릴리즈 및 변경 내역은 정기적으로 업데이트되며, 사용자는 온라인 설치, 도커 이용, 또는 소스 코드 직접 실행 방식으로 설치할 수 있습니다.
주요 참고 링크로는 사용자 가이드, 개발자 가이드, 데모, 그리고 다양한 API 연동 예제들이 있으며, 특히 오프라인/개인 서버 환경에서의 사용을 위한 로컬 모델 지원과 다양한 문서 처리 및 인덱싱 전략들이 포함되어 있어, 연구자 및 실무자 모두에게 유용한 도구입니다.
중요한 주의사항으로는 시스템 요구 사항 준수와 환경 구성, API 키 등록 등이 있으며, 상세 설치 방법과 커스터마이징 가이드도 문서에 상세히 제공됩니다.
Pathway Live Data Framework
Pathway는 파이썬 기반의 ETL(추출-변환-적재) 프레임워크로서, 스트림 처리, 실시간 분석, LLM(대형 언어 모델) 파이프라인, RAG(Retrieval-Augmented Generation) 등에 활용됩니다.
이 프레임워크는 Python API를 통해 사용자가 손쉽게 데이터 파이프라인을 구축하고, 개발과 프로덕션 환경 모두에서 배치 및 스트리밍 데이터를 효과적으로 처리할 수 있게 설계되어 있습니다. 내부적으로는 확장성과 성능 향상을 위해 Differential Dataflow 기반의 러스트 엔진을 사용하며, 멀티스레딩 및 분산 계산이 가능하여 높은 확장성을 자랑합니다. 또한 도커와 쿠버네티스 환경에서 손쉽게 배포할 수 있으며, 커넥터를 통해 Kafka, GDrive, PostgreSQL, SharePoint 등 다양한 외부 데이터 소스와 연동 가능합니다.
특징으로는 상태 유지 및 무상태 변환 지원, 계산 상태의 지속성, 데이터 흐름의 일관성, LLM 연동 기능, 뛰어난 성능과 확장성 등이 있습니다. 주요 사용자 대상은 데이터 엔지니어, 머신러닝 엔지니어, 데이터 분석가 등이며, 실시간 이벤트 처리, 분석, AI 모델 통합, RAG 애플리케이션 구축 등에 적합합니다.
최근 업데이트로는 연속적인 릴리즈와 버그 수정, 신규 커넥터와 기능 개선이 이루어지고 있으며, 활발한 커뮤니티 지원과 문서화도 잘 갖추어져 있습니다. 별도로 사용자 정의 커넥터 개발하거나, 도커 및 쿠버네티스 환경을 통해 대규모 배포가 가능하다는 점이 특이사항입니다. 공식 문서는 https://pathway.com/developers/에서 확인할 수 있으며, GitHub 이슈 또는 디스코드 커뮤니티를 통해 지원받을 수 있습니다.
OpenMower
OpenMower는 누구나 만들 수 있는 DIY 스마트 잔디깍이 로봇 프로젝트입니다. 이 프로젝트의 목표는 저렴한 비용으로 안전하고 자율적으로 잔디를 깎을 수 있는 로봇을 만드는 것으로, 무경계선(no perimeter wire) 지원, 장애물 회피, 비 또는 악천후 시 작동 중단, 그리고 아름다운 외관을 지향합니다.
하드웨어 구성은 견고하고 방수 처리된 부품으로 구성되어 있으며, 표준 커넥터를 통해 업그레이드가 용이합니다. 주요 기술 스택은 ROS(로봇 운영체제), Arduino/임베디드 펌웨어, 드론 및 로봇 제어용 전용 하드웨어를 포함하며, 특히 xESC 모터 컨트롤러와 RP2040 칩 기반 보드를 사용합니다. 최신 릴리즈는 기본 잔디깍이 기능이 작동하며, 로봇이 배터리 부족 시 자동으로 도킹하여 충전하는 기능도 구현되어 있습니다.
소프트웨어는 별도 GitHub 저장소에 있으며, 경로 계획, 장애물 회피, 앱/시각화 등 많은 핵심 기능들이 개발 중입니다. 현재 프로젝트는 활발히 진행 중이며, 사용자들은 자신만의 잔디깎이 로봇을 제작하여 검증과 커뮤니티 활동을 할 수 있도록 독려하고 있습니다.
참고 링크로는 공식 홈페이지, 위키, 소프트웨어 저장소, 그리고 Discord 서버가 있으며, 주의사항으로는 법적 허가와 안전에 유의해야 하며, 개인적/교육적 목적으로 활용하는 것이 권장됩니다. 라이선스는 CC BY-NC-SA 4.0로, 비상업적, 공유 조건 하에 사용이 가능합니다.
hyperswitch
hyperswitch는 오픈소스 기반의 결제 인프라스트럭처 프로젝트로, 모듈형 아키텍처를 통해 다양한 결제 모듈을 제공하는 것이 목적입니다. 이 프로젝트는 유연성과 확장성을 갖추고 있어, 기존 결제 시스템에 쉽게 통합하거나 부분 모듈만 선택적으로 사용할 수 있도록 설계되었습니다.
핵심 기능으로는 결제 비용의 가시성 확보, 수익 회복, 보안 저장소( vault ), 스마트 라우팅, 정산 자동화, 다양한 결제수단( PayPal, Apple Pay, Google Pay, BNPL 등 ) 지원 등이 포함되어 있습니다. 구조는 독립적이고 목적별 모듈들이 조합되어 있으며, Rust로 개발되어 높은 성능과 신뢰성을 확보하고 있습니다.
사용 대상은 결제 시스템을 자체 구축하거나 커스터마이징하려는 기업 및 개발자이며, 다양한 결제 기능을 손쉽게 통합할 수 있는 유스케이스에 적합합니다. 최신 릴리즈와 변경 내용은 GitHub의 CHANGELOG.md를 참고할 수 있으며, 클라우드 배포는 Helm 또는 CDK 스크립트를 통해 AWS, GCP, Azure 기반으로 손쉽게 수행할 수 있습니다.
중요한 참고사항으로는, 오픈소스임에도 Juspay의 엔터프라이즈 검증과 지원이 보장된다는 점, 커뮤니티 참여와 기여를 적극 권장하며, 상세 문서와 가이드라인, 데모 영상, 배포 방법 등을 GitHub과 공식 문서에서 확인할 수 있습니다.
Daft
Daft는 대규모 데이터 처리를 위한 분산 쿼리 엔진으로, Python 또는 SQL로 데이터를 쉽게 분석하고 조작할 수 있도록 설계된 오픈소스 프로젝트입니다. 이 엔진은 Rust로 구현되었으며, 효과적인 쿼리 최적화, 멀티모달 타입 시스템 지원, Apache Arrow 메모리 포맷 기반의 빠른 데이터 처리, 클라우드 환경에 적합한 S3 연동 성능을 특징으로 합니다.
목적은 복잡한 데이터 유형을 포함한 다양한 데이터를 효율적으로 불러오고, 빠른 쿼리와 데이터 탐색을 가능하게 하는 것으로, 사용자 친화적인 인터랙티브 API와 SQL 인터페이스를 제공합니다. 프로젝트는 데이터 분석, 엔지니어링, 머신러닝/AI 작업에 적합하며, 대규모 분산 환경에서의 데이터 처리에 강점을 보입니다.
구성요소로는 친숙한 파이썬 DataFrame API, SQL 쿼리 지원, 데이터 카탈로그와의 통합, 멀티모달 타입 지원, Arrow 기반 인메모리 데이터 형식, 그리고 클라우드 저장소 연동 기능(특히 S3)이 있습니다. 또한, Ray와의 통합으로 분산 컴퓨팅도 지원하며, 내장된 쿼리 최적화기를 통해 성능을 극대화합니다.
기술 스택으로는 Rust, Python, SQL, Apache Arrow, Ray, S3 API 등이 사용되었고, 최신 버전 릴리즈와 업데이트는 GitHub와 PyPI에서 확인할 수 있습니다. 커뮤니티와 기여를 장려하며, 기여 가이드와 좋은 이슈 리스트도 제공됩니다. 또한, 비개인화된 통계 데이터와 사용자 행동 분석을 위한 telemetry를 수집하여 프로젝트 개선에 활용합니다.
이 프로젝트는 Apache 2.0 라이선스로 배포되어 있으며, 상세 문서와 빠른 시작 가이드, API 레퍼런스, 벤치마크 자료 등을 포함하여, 데이터 애널리스트, 엔지니어, 데이터 과학자, AI 개발자 등 다양한 데이터 작업자들이 활용할 수 있습니다.
immich
임믹(Immich)은 고성능의 셀프 호스팅 사진 및 비디오 관리 솔루션으로, 사용자가 개인 서버에 사진과 동영상을 저장, 백업, 공유할 수 있도록 설계된 오픈소스 프로젝트입니다. 이 프로젝트의 목적은 개인 데이터의 프라이버시를 보호하면서, 강력한 미디어 관리 기능과 편리한 사용자 인터페이스를 제공하는 데 있습니다.
주요 기능에는 사진과 영상 업로드 및 보기, 자동 백업, 중복 방지, 선택적 앨범 백업, 로컬 저장 다운로드, 여러 사용자 지원, 앨범 및 공유 앨범, RAW 포맷 지원, EXIF 및 지도 정보 뷰, 메타데이터 검색, 공개 공유, 얼굴 인식 및 클러스터링, 메모리(특징적 순간) 기능, 지도보기, 파트너 공유, 태그 지원 등 다양한 미디어 관리와 공유 도구가 포함되어 있습니다. 모바일과 웹 플랫폼 모두 지원하며, LivePhoto, MotionPhoto 백업과 재생, 360도 이미지 지원, 오프라인 지원, OAuth와 API 키를 통한 인증 및 보안 기능도 갖추고 있습니다.
구성 요소에는 서버 백엔드와 클라이언트 앱(모바일 및 웹)이 포함되며, API를 통해 연동하거나 확장할 수 있습니다. 특히, 관리자 기능은 웹 인터페이스를 통해 사용자 관리가 가능하며, API 키를 이용한 통합도 지원합니다.
이 프로젝트는 주로 개인 사용자, 사진/영상 수집가, 프라이버시를 중요시하는 고급 사용자들을 대상으로 하며, 개인 서버 기반 미디어 저장 및 관리, 공유, 검색 및 정리 목적으로 유용합니다. 최근 릴리즈와 변경 내역은 활발히 개발되고 있어, 빠른 기능 개선과 버그 수정이 이루어지고 있습니다.
기술 스택으로는 React 또는 유사한 프론트엔드 프레임워크, Node.js 또는 비슷한 서버 환경, 데이터베이스, OpenCV 기반 얼굴 인식, 기타 최신 미디어 처리 라이브러리 등을 사용하며, 오픈소스 라이선스는 AGPL v3입니다. 프로젝트는 활발히 활동 중이며, 커뮤니티 기여와 다국어 번역 지원도 활발히 진행되고 있습니다.
주의할 점은 개발이 매우 활발한 단계임으로, 예상치 못한 버그와 변화가 있을 수 있으며, 중요한 미디어는 반드시 백업을 병행하는 것이 권장됩니다. 상세한 내용은 공식 문서와 GitHub 저장소에서 확인할 수 있습니다.
AutoAgent: Fully-Automated & Zero-Code LLM Agent Framework
AutoAgent는 자연어만으로 LLM 에이전트를 생성하고 배포할 수 있는 완전 자동화 및 무코드 기반 프레임워크입니다. 주요 목적은 복잡한 프로그래밍 지식 없이도 사용자들이 쉽고 빠르게 AI 에이전트, 도구, 워크플로우를 설계하고 실행할 수 있도록 하는 것입니다.
이 프로젝트는 다양한 LLM(예: OpenAI, Anthropic, Deepseek, Huggingface 등)을 지원하며, 자연어 기반의 에이전트 및 워크플로우 생성, Self-Developing 벡터 데이터베이스, 사용자 친화적 CLI 인터페이스를 제공합니다. 구조는 크게 사용자 모드(Deep Research와 유사, Claude 3.5 성능), 에이전트 에디터(자연어로 에이전트 생성), 워크플로우 에디터(자연어로 워크플로우 생성)로 구성하며, Docker 및 API 키 기반 환경설정, 다양한 실행 모드를 지원합니다.
최신 릴리즈는 2025년 2월 17일에 버전 0.2.0으로 업데이트되었으며, Bug 수정과 환경설정 편의성을 개선하였고, 기존 프로젝트 이름이 AutoAgent로 변경되어 이해를 돕고 있습니다. 참고로, 이 프레임워크는 GAIA Benchmark에서 높은 성능을 보여주고 있으며, 관련 문서와 커뮤니티 링크를 통해 사용자와 연구자들이 참여할 수 있습니다.
핵심 기술 스택은 Python, Docker, 다양한 API 클라이언트와 LLM SDK를 기반으로 하고 있습니다. 중요한 참고 링크로는 프로젝트 GitHub, 문서 페이지, 논문 arXiv 링크, 그리고 커뮤니티 Slack 및 Discord 링크가 있으며, 운영 시 API 키 보안 및 환경설정에 유의해야 합니다. 더 많은 기능과 GUI지원은 개발 중입니다.
이상 총 14개의 프로젝트에 대한 정리입니다.