LibreAI / LLM locaux / llm-space
// local-llm · deer-flow/llm-space

llm-space

llm-space est un projet de LLM locaux open source, créé par deer-flow (deer-flow/llm-space sur GitHub). Il compte 1 978 étoiles sur GitHub et 215 forks, il est publié sous la licence MIT et a été mis à jour pour la dernière fois sur GitHub le 1er octobre 2026.

Desktop lab for prototyping AI agents — inspect steps, replay failures.

💎 Pépite cachée★ 2,0 k étoiles⑂ 215 forksMITmis à jour oct. 2026
▦ visuel — le README de ce projet ne contient aucune capture intégrable,
voici donc un emplacement réservé. Le guide ci-dessous est complet malgré tout.
// détails du projet

Détails du projet

Étoiles GitHub
1 978
Forks
215
Licence
MIT
Dernière mise à jour sur GitHub
1er octobre 2026
Catégorie
LLM locaux
Type de fiche
Pépite cachée — une page plus courte pour un projet moins connu
Site officiel
Official site
// fonctionnement

Comment ça marche

  1. Install the app

    Get the desktop build for your OS.

  2. Prototype an agent

    Sketch your agent idea in the workspace.

  3. Inspect steps

    Watch every harness step as it runs.

  4. Replay and evaluate

    Reproduce failures and measure fixes.

// fonctionnalités

Pourquoi on l'adore

Step inspection

See exactly what the agent did and why.

Failure replay

Reproduce bugs without full re-runs.

Evaluation

Measure agent performance over time.

Local-first

Prototype on your own machine.

Cloud-ready

Graduate to managed agents when ready.

All in one place

Prototype, debug, and eval in one app.

Advertisement
// lancez-le

Lancez-le vous-même

  1. Step 1 — Clone the repo

    Download the source and move into the project folder.

    git clone https://github.com/deer-flow/llm-space.git
    cd llm-space
  2. Step 2 — Check the README

    Every project documents its own setup; start with install requirements.

    cat README.md | head -60
  3. Step 3 — Run it

    Follow the project's launch command — Docker, pip, npm, or a binary release.

    # see README for the exact launch command
// cas d'usage

Ce que vous pouvez créer

Advertisement
// faq

Questions fréquentes

Is it only for DeerFlow agents?

It prototypes agent ideas generally; check the docs for harness details.

Is llm-space free for commercial use?

MIT licensed — commercial use allowed.

Do I need the cloud?

No, it is local-first; cloud is for managed agents later.

What does evaluation cover?

Performance measurement of your agents; see the docs for metrics.

Which platforms are supported?

It is a desktop app; check the releases for your OS.

// continuez l'exploration

Outils similaires

LLM locaux

FastChat

An open platform for training, serving, and evaluating large language models. Release repo for Vicuna and Chatbot Arena.

★ 39,6 k étoilesApache-2.0
Voir le guide →
Chat IA

chatbox

Powerful AI Client

★ 41,9 k étoilesGPL-3.0
Voir le guide →
LLM locaux

Fabric

Fabric is an open-source framework for augmenting humans using AI. It provides a modular system for solving specific problems using a crowdsourced set of AI …

★ 44,2 k étoilesMIT
Voir le guide →
LLM locaux

Orkas

Local-first desktop where a commander LLM directs specialist coding agents.

★ 2,2 k étoilesMIT
Voir le guide →
LLM locaux

Dark-Moon

Autonomous AI pentesting with 50 specialist agents on a local LLM.

★ 992 étoilesGPL-3.0
Voir le guide →
LLM locaux

alethe-agents

Local-first desktop workspace designed for running.

★ 804 étoilesAGPL-3.0
Voir le guide →
// alternatives

Alternatives en LLM locaux

Les autres projets de la catégorie LLM locaux avec le plus d'étoiles du catalogue LibreAI — la sélection réaliste d'alternatives si llm-space ne vous convient pas.

// plus en local-llm

Plus en LLM locaux

Projets de la catégorie LLM locaux proches dans le catalogue, les plus proches en étoiles de llm-space — continuez à explorer de part et d'autre.

Obtenir llm-space

Gratuit et ouvert : récupérez le code source, mettez une étoile au dépôt et commencez à créer.