📦 npm: 9router
🐳 Docker pulls
📄 MIT
🗓️ Jan 2026
O que resolve: Um gateway/roteador inteligente de IA que unifica 40+ provedores e 100+ modelos num único endpoint OpenAI-compatível. Substitui assinaturas do Claude Code, Cursor, Copilot e ferramentas similares com roteamento automático entre tiers (subscription → cheap → free), economia de 20-40% nos tokens via RTK (compressor de tool_result), e fallback transparente quando um provedor atinge limite de taxa.
Node.js
Next.js
OpenAI API
REST
Docker
MCP
🎯 Funcionalidades Principais
- RTK Token Saver — comprime tool_results automaticamente, economizando 20-40% tokens por requisição
- Roteamento em 3 tiers: Subscription → Cheap → Free, sem downtime
- Multi-contas — round-robin entre contas por provedor
- Dashboard Web em localhost:20128 com gerenciamento visual
- Tradução de formato OpenAI ↔ Claude ↔ Gemini
- Providers FREE: Kiro AI, OpenCode Free, Vertex ($300 créditos), e mais
- Compatível com: Claude Code, Codex, Cursor, Cline, Copilot, Antigravity, Gemini CLI, OpenClaw, OpenCode
⚡ Quick Start
npm install -g 9router
9router
Endpoint: http://localhost:20128/v1
API Key: [copiar do dashboard]
Model: kr/claude-sonnet-4.5
🔗 Como se integra aos outros 6
- Roda como gateway local para todos os coding agents (Hermes, Claude Code, Codex) que usam agentmemory e agent-skills
- Pode ser combinado com UI-TARS-desktop para rotear chamadas de modelo do agent visual
📦 npm: @agentmemory/agentmemory
📄 Apache 2.0
🗓️ Fev 2026
O que resolve: Memória persistente para agentes de IA que roda 100% local, sem API keys e sem banco de dados externo. Baseado no iii engine. O agente lembra de tudo entre sessões — não precisa reexplicar contexto, decisões de design, ou histórico de debugging. Benchmarks reais: 95.2% recall R@5, 92% menos tokens gastos, 53 ferramentas MCP, 12 hooks automáticos, 1.428+ testes passando.
TypeScript
Node.js
iii Engine
MCP
REST API
Hooks
🎯 Funcionalidades Principais
- Memória persistente — recall entre sessões: 95.2% R@5
- Zero dependências externas — sem Redis, SQLite ou banco de dados extra
- 53 ferramentas MCP nativas para qualquer agente MCP-compatível
- 12 hooks automáticos — salva/recupera sem intervenção manual
- Real-time Viewer — visualize a memória do agente ao vivo
- Knowledge Graph — conexões semânticas entre memorias
- Confidence scoring — sabe o que é certeza vs palpite
- Lifecycle management — TTL, prioridade, arquivamento automático
- 15 skills nativas instaláveis com npx skills add
⚡ Quick Start
npm install -g @agentmemory/agentmemory
agentmemory
agentmemory demo
agentmemory connect claude-code
npx skills add rohitg00/agentmemory -y
Funciona com: Claude Code (plugin nativo + 12 hooks), Codex CLI (6 hooks + MCP), Copilot CLI, Cursor, Gemini CLI, Hermes, OpenCode, Cline, Windsurf e mais.
🔗 Como se integra aos outros 6
- Memória para os agent-skills — os workflows lembram decisões de design entre sessões
- Pareamento natural com 9router (gateway) e UI-TARS (agente visual): memória compartilhada entre agentes
- Usado pelo hello-agents como referência no capítulo de memória e RAG
📦 skills CLI
📄 MIT
🗓️ Fev 2026
O que resolve: 24 skills de engenharia de produção para agentes de IA, criadas por Addy Osmani (autor do Chrome DevTools). Cada skill é um workflow estruturado com passos, portões de verificação e anti-racionalização. Cobre todo o ciclo de vida do software: especificação → planejamento → implementação incremental → testes → revisão → deploy. Não é um curso — skills que o agente executa, com 8 comandos slash (/spec, /plan, /build, /test, /review, /webperf, /code-simplify, /ship).
Markdown
Skills CLI
MCP
Plugins
Slash Commands
🎯 As 24 Skills
- Meta: using-agent-skills
- Define: interview-me, idea-refine, spec-driven-development
- Planeja: planning-and-task-breakdown, context-engineering
- Constrói: incremental-implementation, api-and-interface-design, frontend-ui-engineering, git-workflow-and-versioning
- Testa: test-driven-development, debugging-and-error-recovery, browser-testing-with-devtools
- Revisa: code-review-and-quality, code-simplification, source-driven-development, doubt-driven-development
- Segurança: security-and-hardening, deprecation-and-migration
- Performance: performance-optimization, observability-and-instrumentation
- Documenta: documentation-and-adrs
- Deploy: shipping-and-launch, ci-cd-and-automation
⚡ Quick Start
Forma mais rápida (70+ agentes compatíveis):
npx skills add addyosmani/agent-skills
npx skills add addyosmani/agent-skills --skill code-review-and-quality
npx skills add addyosmani/agent-skills --skill test-driven-development
/plugin marketplace add addyosmani/agent-skills
/plugin install agent-skills@addy-agent-skills
🔗 Como se integra aos outros 6
- Skills test-driven-development e code-review são referenciadas no hello-agents (capítulo extra)
- Funciona como complemento de agentmemory — as skills decidem o que fazer, a memória lembra como foi feito
- Roda em cima de qualquer gateway (9router) para acesso aos modelos
📦 npm: @agent-tars/cli
📄 Apache 2.0
🗓️ Jan 2025
O que resolve: Stack multimodal da ByteDance para agentes que veem a tela, clicam, preenchem formulários, e interagem com GUIs — tudo local. Na verdade são dois projetos: Agent TARS (stack completa via CLI + Web UI) e UI-TARS Desktop (aplicação desktop nativa). Suporta operadores remotos (computador e browser), MCP tools, sandbox isolado, e modelo UI-TARS-1.5. Faz reservas de voos, hotéis, gera gráficos, navega no browser como humano.
TypeScript
Node.js
VLM (Vision-Language)
Computer Use
MCP
Sandbox
🎯 Funcionalidades Principais
- GUI Agent — entende e interage com interfaces gráficas como um humano
- Agent TARS CLI — multimodal agent stack via terminal + Web UI
- UI-TARS Desktop — app desktop nativa com operador local e remoto
- Remote Computer Operator — controle remoto de qualquer computador ou browser
- Cowork mode — colaboração humano-agente em tempo real
- MCP Server nativo — integração com qualquer ferramenta MCP
- Sandbox isolado (AIO) — execução segura de comandos
- Modelo UI-TARS-1.5 ou qualquer VLM configurável
- Event Stream Viewer — debug de fluxo de dados
⚡ Quick Start
npx @agent-tars/cli
100% gratuito. Sem API keys para operação remota. Roda modelos localmente ou via API.
🔗 Como se integra aos outros 6
- Pode usar 9router como backend de modelo para o Agent TARS
- As skills de browser-testing-with-devtools do agent-skills complementam a automação visual
- Capítulo de GUI Agent no dive-into-llms e hello-agents referenciam este tipo de ferramenta
📓 Jupyter Notebook
🗓️ Abr 2024
O que resolve: Tutorial prático completo de LLMs da Universidade Jiao Tong de Xangai (prof. Zhang Zhuosheng). Do básico ao fine-tuning — cada capítulo tem slides (PDF), guia teórico (README) e notebook Jupyter executável. Cobre fine-tuning e deploy, prompt engineering e chain-of-thought, edição de conhecimento, raciocínio matemático, watermark de texto, ataques de jailbreak, esteganografia em LLMs, modelos multimodais, GUI agents, segurança de agentes e RLHF (PPO). Tem também uma trilha completa adaptada para hardware Ascend da Huawei.
Python
Jupyter
PyTorch
Transformers
PPO/RLHF
Huawei Ascend
🎯 Capítulos (12)
- 1. Fine-tuning & Deploy — pegue um modelo pré-treinado, fine-tune, deploy como demo
- 2. Prompt Learning & CoT — chain-of-thought, prompting estratégico
- 3. Knowledge Editing — edite memórias específicas do modelo
- 4. Math Reasoning — destile um mini-R1
- 5. Text Watermark —嵌入水印 invisível em texto gerado
- 6. Jailbreak Attacks —攻撃 para entender segurança
- 7. LLM Steganography — esconda informação em texto natural
- 8. Multimodal Models —理解 imagem + texto
- 9. GUI Agents — peça comida, mensagem, compare preços
- 10. Agent Safety — riscos em cenários abertos
- 11. RLHF Alignment — treine com PPO do zero
- + Ascend track — tutorial completo para hardware Huawei
⚡ Como Usar
git clone https://github.com/Lordog/dive-into-llms.git
cd dive-into-llms/documents/chapter1
🔗 Relação com os outros
- Capítulo 9 (GUI Agents) — base teórica para o que UI-TARS-desktop implementa na prática
- Capítulo 2 (Prompt/CoT) e 4 (Math) — fundamentos usados pelos agentes do hello-agents
- Capítulo 11 (RLHF) — referência para o capítulo de Agentic RL no hello-agents
🐍 Python
🗓️ Set 2025
📖 hello-agents.datawhale.cc
O que resolve: Tutorial sistemático do zero à implantação de agentes de IA, da comunidade Datawhale (67k stars!). 16 capítulos + 12+ artigos extras da comunidade. Vai de "o que é um agente" até construir seu próprio framework (HelloAgents), passando por ReAct, Plan-and-Solve, Reflection, RAG, MCP/A2A/ANP protocols, Agentic RL (SFT → GRPO), DeepResearch agent, Travel Assistant multi-agente, e Cyber Town (simulação social). Inclui seção de entrevistas de emprego para posições de agente.
Python
OpenAI API
LangGraph
AutoGen
AgentScope
Coze/Dify/n8n
GRPO/RL
🎯 Conteúdo (16 Capítulos)
- P1 — Fundamentos: O que é um agente, história, LLM basics (Transformer, prompting)
- P2 — Construção: ReAct/Plan-and-Solve/Reflection do zero, low-code (Coze/Dify/n8n), frameworks (AutoGen, LangGraph, AgentScope), seu próprio framework HelloAgents
- P3 — Avançado: Memória & RAG, Context Engineering, Protocolos (MCP, A2A, ANP), Agentic RL (SFT → GRPO), performance evaluation
- P4 — Projetos: Travel Assistant (MCP + multi-agente), DeepResearch Agent, CyberTown (simulação social)
- P5 — Carreira: Projeto final, entrevistas, respostas comentadas
⚡ Como Usar
hello-agents.datawhale.cc
datawhalechina.github.io/hello-agents/
git clone https://github.com/datawhalechina/hello-agents.git
cd hello-agents/docs/chapter4
Totalmente gratuito. 100% hands-on. Código executável em cada capítulo. Inclui framework próprio (HelloAgents).
🔗 Relação com os outros
- Capítulo de memória e RAG referencia o padrão que agentmemory implementa
- Capítulo de protocolos (MCP/A2A) — base para conectar financial-services e UI-TARS
- Capítulo de GUI Agent extra — complementa UI-TARS-desktop
- Capítulo extra sobre agent-skills compara as skills do addyosmani com MCP
- Capítulo de Agentic RL — continuação natural do RLHF do dive-into-llms
🐍 Python
📄 Apache 2.0
🗓️ Fev 2026
🤖 Claude Cowork + Managed Agents
O que resolve: Template oficial da Anthropic para serviços financeiros — agentes prontos para investment banking, equity research, private equity e wealth management. 10 agentes completos (Pitch Agent, Market Researcher, Earnings Reviewer, Model Builder, GL Reconciler, KYC Screener, Valuation Reviewer, Month-End Closer, Statement Auditor, Meeting Prep Agent) + 4 plugins verticais + conectores de dados MCP para terminais Bloomberg, LSEG, S&P Global. Cada agente gera output pronto para revisão humana (não toma decisões financeiras sozinho).
Python
Claude API
MCP
Claude Cowork
Managed Agents
Excel Integration
🎯 Os 10 Agentes
- Pitch Agent — Comps, precedents, LBO → deck de apresentação completo
- Meeting Prep Agent — briefing pack antes de cada reunião com cliente
- Market Researcher — setor/tema → overview, cenário competitivo, peer comps
- Earnings Reviewer — earnings call + filings → modelo atualizado → draft de nota
- Model Builder — DCF, LBO, 3-statement, comps — ao vivo no Excel
- Valuation Reviewer — GP packages → valuation template → LP reporting
- GL Reconciler — encontra breaks, tracing de causa raiz, roteia para sign-off
- Month-End Closer — accruals, roll-forwards, variance commentary
- Statement Auditor — audita LP statements antes da distribuição
- KYC Screener — parse de docs de onboarding, executa rules engine, flags gaps
⚡ Quick Start
claude plugin marketplace add anthropics/financial-services
claude plugin install pitch-agent@claude-for-financial-services
claude plugin install gl-reconciler@claude-for-financial-services
scripts/deploy-managed-agent.sh gl-reconciler
🔗 Relação com os outros
- Usa MCP (protocolo discutido no hello-agents) para conectar dados financeiros
- Skills de modelagem financeira e valuation — complementam as agent-skills do addyosmani
- Pode ser roteado via 9router para usar diferentes providers como backend
- Padrão de agentes especializados por workflow é similar ao do UI-TARS (agentes visuais)