J-Space Cognition Suite — un conjunto de control de tiempo de inferencia agnóstico al modelo para razonamiento profundo, trabajo de largo horizonte, verificación y recuperación. Basado en la investigación del espacio de trabajo global J-space de Anthropic.
Controle tareas de razonamiento complejo y gestione evidencia con un conjunto de herramientas de Python diseñado para pensamiento profundo y coordinación de agentes.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasJ-Space Cognition Suite — un conjunto de control de tiempo de inferencia agnóstico al modelo para razonamiento profundo, trabajo de largo horizonte, verificación y recuperación. Basado en la investigación del espacio de trabajo global J-space de Anthropic.
J-Space-Cognition-Suite tiene 3k estrellas en GitHub. Se ha bifurcado 222 veces. J-Space-Cognition-Suite está escrito principalmente en Python. Se desarrolla activamente desde 2026. J-Space-Cognition-Suite está disponible bajo la licencia Apache-2.0. Sus temas principales son: agent-skills, ai, ai-agent, ai-agents.
J-Space Cognition Suite — un conjunto de control de tiempo de inferencia agnóstico al modelo para razonamiento profundo, trabajo de largo horizonte, verificación y recuperación. Basado en la investigación del espacio de trabajo global J-space de Anthropic.
J-Space-Cognition-Suite es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.
Sí. J-Space-Cognition-Suite es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
J-Space-Cognition-Suite está disponible bajo la licencia Apache-2.0.
J-Space-Cognition-Suite está escrito principalmente en Python.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/tiger3807861189-j-space-cognition-suite.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.