MLE-agent
🤖 MLE-Agent : Votre compagnon intelligent pour une ingénierie et une recherche AI sans faille. 🔍 Intégrez avec arxiv et paper with code pour fournir de meilleurs plans de code/recherche 🧰 OpenAI, Anthropic, Gemini, Ollama, etc. pris en charge. :fireworks: Code RAG
Automatisez les tâches de bureau et contrôlez les applications à l'aide d'assistants IA sans interrompre votre flux de travail.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout moment🤖 MLE-Agent : Votre compagnon intelligent pour une ingénierie et une recherche AI sans faille. 🔍 Intégrez avec arxiv et paper with code pour fournir de meilleurs plans de code/recherche 🧰 OpenAI, Anthropic, Gemini, Ollama, etc. pris en charge. :fireworks: Code RAG
MLE-agent compte 1.6k étoiles sur GitHub. Il a été forké 108 fois. MLE-agent est écrit principalement en Python. Il est développé activement depuis 2024. MLE-agent est disponible sous licence MIT. Ses principaux thèmes sont : agent, ai, llm, ml.
Qu'est-ce que MLE-agent ?
🤖 MLE-Agent : Votre compagnon intelligent pour une ingénierie et une recherche AI sans faille. 🔍 Intégrez avec arxiv et paper with code pour fournir de meilleurs plans de code/recherche 🧰 OpenAI, Anthropic, Gemini, Ollama, etc. pris en charge. :fireworks: Code RAG
MLE-agent est-il open source ?
MLE-agent est un projet open source. Il est distribué sous licence MIT.
MLE-agent est-il gratuit ?
Oui. MLE-agent est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est MLE-agent ?
MLE-agent est disponible sous licence MIT.
Dans quel langage MLE-agent est-il écrit ?
MLE-agent est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/mlsysops-mle-agent.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.