Tool-Profil
code-yeongyu/lazycodex
github.com
Ein Agent-Harness, das Codex für komplexe Codebasen Projektgedächtnis, Planung, Ausführung und verifizierte Fertigstellung hinzufügt.
Was es kann
code-yeongyu/lazycodex
LazyCodex ist ein Agent-Harness für komplexe Codebasen, das Projektgedächtnis, Planung, Ausführung und verifizierten Abschluss in Codex bringt. Es richtet sich an Entwickler, die KI-Coding-Agenten nutzen und strukturierte, autonome Workflows wie Planungsschleifen und Arbeitssitzungen wünschen. Es wird als TypeScript-Projekt angeboten, das über npx oder den Codex-Plugin-Marketplace installiert wird.
Tags
Kategorien
Eine Kurzbeschreibung fehlt noch.
FAQ
Häufige Fragen
- Was ist code-yeongyu/lazycodex?
- LazyCodex ist ein Agent-Harness für komplexe Codebasen, das Projektgedächtnis, Planung, Ausführung und verifizierten Abschluss in Codex bringt. Es richtet sich an Entwickler, die KI-Coding-Agenten nutzen und strukturierte, autonome Workflows wie Planungsschleifen und Arbeitssitzungen wünschen. Es wird als TypeScript-Projekt angeboten, das über npx oder den Codex-Plugin-Marketplace installiert wird.
- Was kostet code-yeongyu/lazycodex?
- code-yeongyu/lazycodex nutzt dieses Preismodell: Open Source. Aktuelle Tarife findest du auf der offiziellen Website.
- Wofür wird code-yeongyu/lazycodex verwendet?
- code-yeongyu/lazycodex ist auf TolsAI in diesen Kategorien gelistet: Open Source.
- Wo kann ich code-yeongyu/lazycodex nutzen?
- code-yeongyu/lazycodex ist auf der offiziellen Website github.com verfügbar.
Entdecken
Mehr in Open Source
Ein Open-Source-Agenten-Harness für einen selbstverbessernden KI-Agenten, der Aufgaben plant und ausführt, die du beschreibst.
Eine vektorlose, auf Reasoning basierende RAG-Engine, die Dokumente als Bäume indexiert und mit LLM-Reasoning abruft.
Eine PyTorch-ähnliche Python-Bibliothek zum Erstellen und automatischen Optimieren von LLM-Workflows wie Chatbots, RAG und Agenten.
Eine modulare Web-Oberfläche zum Generieren von Bildern, Videos und Audio mit KI-Modellen wie Stable Diffusion, Flux und Wan.
Eine Schritt-für-Schritt-Anleitung zur Gestaltung von KI-Systemen, die auf LLMs, RAG und KI-Agenten basieren.
Open-Source-KI-Pipeline-Engine zum Erstellen, Debuggen und Bereitstellen von LLM-Workflows und Agent-Orchestrierung aus deiner IDE.
Diskussion
Diskussion
Melde dich an, um mitzudiskutieren
Noch keine Kommentare. Starte die Diskussion.