The Loom Framework is a high-performance Java API gateway/BFF framework that enables the creation of data aggregation services using directed acyclic graphs (DAGs) and virtual threads.
Loom هو إطار عمل Java لبوابات API وخدمات BFF التي تسهل إنشاء خدمات جمع البيانات. يستخدم Loom الرسوم الموجهة اللاخطية (DAGs) لتعريف تدفقات البيانات، والتي ثم تنفذ في موازنة باستخدام الأنساق virtually. هذا النهج يوفر أداء عالي، سلامة النوع عند وقت التجميع، وسمات بنائية مثل محاولة إعادة الاتصال مع تأخير، سلاسل المحددات، وتحليل الرسوم الموجهة اللاخطية.
A Java framework that orchestrates AI agents, integrates multiple LLMs, and manages task execution with scheduling and retries.
يُقدِّم هذا الإطار بيئة تشغيل خفيفة تعتمد على Spring Boot لبناء تطبيقات وكلاء الذكاء الاصطناعي. يدعم دمج نماذج لغوية متعددة ويُقدِّم حلقة وكلاء مستوحاة من Swarm مع إمكانية التبديل بين الوكلاء. يتيح تسجيل أدوات داخلية أو خدمات خارجية أو وكلاء مخصصين عبر نظام تسجيل أدوات موحد، بينما يتولى طبقة JobRunr تنفيذ المهام في الخلفية مع إعادة المحاولة والجدولة. تتضمن ميزات الأمان مصادقة مفتاح API، وتنظيف المدخلات، وعمليات ملفات وأوامر شل معزولة. يُصمم النظام لتلبية احتياجات المؤسسات التي تتطلب تنسيق وكلاء على مستوى الإنتاج في بيئة Java.
A framework that enables developers to build high‑performance, WebAssembly‑first interactive visualizations for the web.
يُقدِّم هذا الإطار أدوات لبناء رسومات تفاعلية تعمل بالكامل في المتصفح، مستفيداً من WebAssembly لتحقيق سرعة وكفاءة عالية. يعتمد على نواة مكتوبة بلغة Rust لتقديم أداء منخفض المستوى، مع ربطها بواجهات Python لتسهيل النمذجة السريعة ومعالجة البيانات. تم دمج مكتبات تعلم الآلة مثل TensorFlow وPyTorch لتمكين المحتوى البصري الديناميكي المستند إلى البيانات. يركز التصميم على القابلية للتوسعة، مما يتيح إضافة شفرات مخصصة أو وحدات تحليلية بسهولة. يستهدف المطورين الأماميين وعلماء البيانات الذين يحتاجون لوحدات عرض تفاعلية في الوقت الحقيقي دون الاعتماد على الخوادم.
Provides a standardized Spring Boot skeleton that handles security, observability, event handling, database migration, API conventions, health checks, audit trails, and CI quality gates, enabling domain developers to focus solely on business logic.
يُقدّم هذا الإطار قالبًا جاهزًا لتطبيقات Spring Boot يختصر القلق غير الوظيفي الشائع. يتضمن أمان خادم موارد OAuth 2.0، وتسجيل JSON منظم، وتتبع OpenTelemetry، ومقاييس Prometheus، وإنتاج واستهلاك أحداث Kafka، وقاعدة بيانات PostgreSQL مع ترحيلات Flyway، ومجموعة اتصالات HikariCP. تُغلف استجابات API وأخطاءها في حاويات قياسية، مع معالج استثناءات عالمي ونشر معرّف التتبع. كما يوفر فحوصات صحة Kubernetes وسجل تدقيق ثابت لجميع طلبات API. يمكن لفرق النطاق التركيز على المنطق التجاري بينما يضمن القالب التناسق، والمراقبة، والامتثال عبر الخدمات.
A modern web framework that preserves the familiar concepts of Apple’s WebObjects while adding contemporary features for component-based web development.
ng-objects هو إطار عمل ويب مبني على لغة جافا يستمد الكثير من مفاهيم إطار WebObjects الأصلي، ما يتيح للمطورين الذين ينتقلون من الأنظمة القديمة تجربة مألوفة وسهلة الانتقال. يوفّر إطار العمل مجموعة شاملة من وظائف الويب، بما في ذلك معالجة طلبات HTTP، ومحرك قوالب، وتوجيه خفيف الوزن، وتحميل الموارد، وإدارة الجلسات، وإجراءات حالة. يدعم الإطار أيضًا عرض مكوّنات جزئية، ما يتيح تحديث أجزاء الصفحة بكفاءة دون إعادة تحميل كامل. صُمم ليتم دمجه بسلاسة مع بيئات نشر WebObjects الحالية، مما يسهل عملية الانتقال للمنظمات التي تحتفظ بتطبيقات قديمة. من خلال الجمع بين أنماط التصميم المثبتة والممارسات الحديثة للويب، يلبي ng-objects الحاجة إلى منصة صالحة للصيانة، وقابلة للتوسع، ومناسبة للمطورين.
A monorepo framework that centralizes shared backend libraries and separates microservice APIs and a Next.js frontend for streamlined development and deployment.
يُقدِّم هذا الإطار بنية موحدة للموارد المشتركة، حيث يُركِّز على تجميع مكوّنات الخلفية القابلة لإعادة الاستخدام في مكتبات مشتركة، مع فصل واجهات برمجة التطبيقات الميكروية وتطبيق واجهة أمامية مبني على React. يُسهم استخدام أداة Nx في تنظيم مساحة العمل، بينما يُسهم Gradle في بناء تطبيقات Java، ما يتيح للمطورين الحفاظ على مصدر موحد للمعتمدات وجودة الكود وخطوط سير التكامل المستمر. تُعطي البنية التحتية واضحة للتمييز بين المسؤوليات: تُحفظ البنية التحتية المشتركة، منطق النطاق، محولات الأمان، ودعم الويب في مكتبات مخصصة، بينما يركز كل خدمة API على قواعدها التجارية ونقاط النهاية الخاصة بها. يُظهر التطبيق المدمج على Next.js التكامل السلس مع خدمات الخلفية، مقدماً تجربة شاملة للواجهة الأمامية والخلفية. يستهدف هذا الإطار مهندسي الخلفية والمهندسين الكاملة، ويسرّع إنشاء خدمات ميكروية قابلة للتوسع وسهلة الصيانة، بالإضافة إلى تطبيقات الويب.
A decentralized framework for running large language models across a peer‑to‑peer mesh of machines.
يتيح هذا النظام تشغيل نماذج اللغة الكبيرة عبر شبكة موزعة من العقد المتناظرة، حيث يساهم كل عقدة في الذاكرة ومعالجة GPU/CPU. يتم تقسيم طبقات النموذج بين العقد باستخدام تقنية التوزيع المتوازي، ما يسمح بتشغيل نماذج تتجاوز سعة الذاكرة المتوفرة على جهاز واحد. بروتوكول الاكتشاف القائم على gossip يحدد أقرب الجيران ويقيس زمن الاستجابة، ثم يكوّن مجموعة مثالية لكل طلب. يدعم النظام التبديل الفوري عند فقدان عقدة، مع الحفاظ على استمرارية الطلب عبر نقل التفعيل إلى عقدة أخرى. يتوفر واجهة REST متوافقة مع OpenAI مع تدفق SSE، مما يسهل دمجه مع تطبيقات الدردشة والتوليد. يختلف عن الحلول التقليدية بقدرة التوسع الديناميكي والاعتماد على شبكة P2P، مما يقلل الحاجة إلى بنية تحتية مركزية.
A self‑producing cognitive system that models neuroscience principles to autonomously generate, prune, and maintain its own components.
يقدّم هذا المشروع نظاماً معرفياً ذاتياً يُعرف بالذكاء الذاتي الذاتي (AAI) مستنداً إلى مبادئ علم الأعصاب الكاندي ومفهوم الأوتوبويزيس. يتيح النظام معالجة المدخلات عبر وحدات عصبية متخصصة، ثم يكتشف فجوات القدرات ويولد تلقائياً مناطق عصبية جديدة ومؤثرات لتوسيع قدراته. يدمج آلية تقليم تشبه الخ apoptosis لتقليل البنى الزائدة، ويستمر في العمل بشكل مستقل دون تدخل بشري بفضل شبكة الوضع الافتراضي. يعتمد النموذج على حزم محددة تتوافق مع فصول كتاب "مبادئ علم الأعصاب"، مع تمييز الاختلافات الهندسية بوضوح. يوفّر حاوية CDI مخصصة تسمى ULCDI لإعادة توصيل المكوّنات أثناء التشغيل، ما يتيح تحقيق الأوتوبويزيس التنظيمي. يمكن توصيل النظام عبر واجهات سطر الأوامر، واجهة برمجة تطبيقات HTTP+SSE، أو تطبيق SPA مبني بـ Vue 3 لتسهيل التكامل مع تطبيقات أخرى.
DynamisWorldEngine is a runtime orchestrator that runs a complete game world by coordinating physics, AI, rendering, and input systems.
يُعد DynamisWorldEngine المنظم المركزي لإيكوسيستم محرك الألعاب Dynamis، حيث يدير حلقة اللعبة الكاملة وينسق جميع الأنظمة الفرعية. يقوم بتهيئة كل مكوّن بالترتيب الصحيح للاعتماديات، مما يضمن أن المحتوى، الجلسة، الفيزياء، الذكاء الاصطناعي، الرسم، الصوت، وواجهة المستخدم جاهزة قبل أول تكرار. خلال كل تكرار، يوجه المحرك أحداث الإدخال إلى المعالجات المناسبة، ويحدث محاكاة الفيزياء، ويعالج قرارات الذكاء الاصطناعي، ويعرض رسم شجرة المشهد. كما يدير المحرك دورة حياة الجلسة مثل التحميل، الحفظ، والإغلاق، ويعتمد على نظام الجلسة للتخزين. من خلال توفير نقطة تكامل واحدة، يتيح للمطورين تركيز جهودهم على إنشاء المحتوى بدلاً من ربط المحرك معًا.
A lightweight framework that implements an Entity‑Component‑System architecture for building modular, high‑performance applications.
يقدم الإطار فصلًا واضحًا بين البيانات (المكوّنات) والسلوك (الأنظمة)، مما يمكّن المطورين من تجميع منطق معقد من وحدات قابلة لإعادة الاستخدام. يحتوي على سجل كائنات مرن، تخزين مكوّنات فعال، ومجدول يقوم بتشغيل الأنظمة بترتيب محدد. يركز التصميم على الأداء، مع تخطيطات بيانات ملائمة للذاكرة وتكاليف تشغيل منخفضة. يستهدف مطوري الألعاب، مهندسي المحاكاة، وأي شخص يحتاج إلى بنية معيارية، ويسهل التطوير السريع والتكرار. من خلال فصل الأنظمة عن الكائنات، يقلل الإطار من تكرار الكود ويسهل الصيانة.
A framework for building real‑time, multi‑AI and multi‑hardware dataflow applications.
يقدّم هذا الإطار بنية قائمة على العقد تسمح للمطورين بتجميع تدفقات بيانات معقدة من مكوّنات قابلة لإعادة الاستخدام. يوفر واجهات برمجة تطبيقات عالية الأداء بلغة Rust وPython، ما يتيح دمجًا سلسًا مع نماذج الذكاء الاصطناعي، وخطوط معالجة الصور، وبرامج تشغيل العتاد. يعتمد على أنظمة تشغيل غير متزامنة لتحقيق زمن استجابة منخفض وسرعة معالجة عالية، متفوقًا على أنظمة الوسائط التقليدية بمقدار عشرة أضعاف أو أكثر. يتضمن مكتبة واسعة من العقد المدمجة مسبقًا لتسريع النمذجة الأولية، بينما يدعم API إنشاء عقد مخصصة بلغات متعددة. صُمم الإطار لتلبية احتياجات الروبوتات، والأنظمة المستقلة، ونشر الذكاء الاصطناعي على الحافة، حيث يتطلب سلوكًا حقيقيًا في الوقت الحقيقي. يسهّل التعاون بين فرق التطوير عبر توفير لغة مشتركة لتوصيل البيانات وتنسيق العمليات بين المكونات.
Adora is a Rust-based framework that enables developers to build real-time robotics and AI applications using declarative dataflow pipelines.
يُقدّم أدورا بنية معماريّة موجهة للبيانات تُسهم في بناء أنظمة الروبوتات والذكاء الاصطناعي ذات الأداء العالي. يتيح للمطورين تكوين خطوط بيانات كرسوم بيانية موجهة، مع ربط العقد المكتوبة بلغة Rust أو Python أو C أو C++ عبر آلية IPC ذات نسخ غير نسخ للذاكرة. يدعم الإطار النشر الموزّع، والاعتمادية على مستوى العقد، والمراقبة الشاملة من خلال واجهة سطر أوامر واحدة. يحقق أدورا سرعات أعلى بـ10‑17× مقارنةً بـROS2 Python، مع دعم Apache Arrow الأصلي للبيانات العمودية. يُعدّ مناسباً لتطوير تطبيقات روبوتية معقدة ومتعددة اللغات تتطلب زمن استجابة منخفض وجاهزية للانتاج. كما يوفّر أدوات تسجيل وإعادة تشغيل، وفحص الموضوعات، ومراقبة الموارد في الوقت الحقيقي. يدمج هذه الميزات لتسهيل صيانة الأنظمة وتوسيع نطاقها عبر بيئات موزّعة.
A pure Rust deep learning framework that provides eager-mode dynamic graph training, GPU acceleration, and JIT compilation without C++ dependencies.
يقدم هذا المشروع إطار عمل للتعلم العميق مكتوب بالكامل بلغة Rust، مع دعم للانحدار التلقائي في وضع العكس، طبقات الشبكات العصبية، ومحسّلات التدريب. يتيح كتابة العمليات الحسابية باستخدام التراكب الطبيعي للعمليات في Rust، مع دعم كامل للملكية والتعامل مع المؤشرات. يدعم المشروع تسريع GPU عبر واجهة CUDA وCubeCL، مع إمكانية تشغيل نماذج جاهزة من HuggingFace عبر تنسيقات SafeTensors وPyTorch .pt. يتضمن محرك JIT الذي يحوّل مسار التنفيذ إلى IR ثابت، مع تحسينات مثل التجميع الثابت، وإزالة الكود غير المستخدم، وتوحيد العمليات. كما يوفر دعمًا للتوزيع عبر DDP مع مزامنة الانحدار عبر TCP، بالإضافة إلى أدوات تدريب مثل Learner، ومؤشرات الأداء، والعودة المبكرة. يميز المشروع بأنه لا يعتمد على FFI مع C++، مما يضمن أمانًا وسهولة البناء عبر Cargo. يهدف إلى تمكين مطوري Rust من بناء وتدريب نماذج التعلم العميق بكفاءة عالية دون الحاجة إلى الاعتماد على مكتبات خارجية.