Habilidade anti-preguiça para agentes de IA. Núcleo: o método Depth Tree, que divide uma tarefa em N camadas de profundidade e dá a cada folha o orçamento de tempo total da tarefa inteira, então o esforço multiplica com a profundidade. Baseado em pesquisa de 2025-2026 sobre preguiça de modelos, subpensamento e
Use agentes de IA para garantir que as tarefas sejam concluídas minuciosamente e comprove seu progresso em relação a uma lista de verificação (Claude Code necessário)
Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.
Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.
Grátis · sem cartão · cancele quando quiserHabilidade anti-preguiça para agentes de IA. Núcleo: o método Depth Tree, que divide uma tarefa em N camadas de profundidade e dá a cada folha o orçamento de tempo total da tarefa inteira, então o esforço multiplica com a profundidade. Baseado em pesquisa de 2025-2026 sobre preguiça de modelos, subpensamento e
unlazy tem 2.8k estrelas no GitHub. Foi bifurcado 166 vezes. unlazy é escrito principalmente em JavaScript. Está em desenvolvimento ativo desde 2026. unlazy está disponível sob a licença MIT. Os seus principais temas são: ai-agents, claude, claude-code, llm.
Habilidade anti-preguiça para agentes de IA. Núcleo: o método Depth Tree, que divide uma tarefa em N camadas de profundidade e dá a cada folha o orçamento de tempo total da tarefa inteira, então o esforço multiplica com a profundidade. Baseado em pesquisa de 2025-2026 sobre preguiça de modelos, subpensamento e
unlazy é um projeto de código aberto. É distribuído sob a licença MIT.
Sim. unlazy é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.
unlazy está disponível sob a licença MIT.
unlazy é escrito principalmente em JavaScript.
Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.
[](https://olud.ai/project/leonxlnx-unlazy.html)
Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.