17001
Здесь ты найдешь полезные репозитории с GitHub Связь: @devmangx РКН: https://clck.ru/3FocDP
Web-ScreenRec
Запрос на запись экрана это частая история, но большинство рекордеров надо ставить, а если пересел на другое устройство, снова всё ставить и настраивать, что бесит.
Случайно нашёл на GitHub опенсорсный Web ScreenRec: запись прямо в браузере, без установки софта.
Сделано на веб-технологиях: открыл страницу и сразу можно писать. Поддерживает одновременную запись экрана, микрофона и системного аудио.
После записи можно в один клик прогнать через FFmpeg и конвертнуть в MP4, чтобы дальше было удобно монтировать и шарить.
Проект можно деплоить через Docker, либо просто клонировать и открыть локально в браузере. Кроссплатформенно, и на другой комп переехал без повторной конфигурации.
📁 Language: #JavaScript 57.0%
⭐️ Stars: 42
➡️ Cсылка на GitHub
📱 @git_developer
ai-data-science-team
Когда делаешь проекты по Data Science, львиная доля времени обычно уходит на чистку данных и однотипный код для графиков, а на реальный тюнинг моделей сил остается совсем мало.
Случайно наткнулся на GitHub на проект ai-data-science-team, который по сути собирает тебе универсальную виртуальную команду дата-сайентистов.
Он дает визуальный workflow-инструмент: через интерфейс и в связке с AI можно прогнать весь пайплайн от загрузки данных, очистки и EDA до моделинга.
Внутри несколько специализированных агентов, которые делят работу и берут на себя рутину: автоматом разбираются с пропусками, генерят код для feature engineering, а также могут напрямую дергать H2O и MLflow для обучения и оценки моделей.
Можно подключить OpenAI или локальные модели через Ollama, так что с приватностью данных проще, и все это сделано на Streamlit, в Python ставится и запускается довольно быстро.
Проект сейчас активно пилится и обновляется, так что подойдет тем, кто хочет отдать муторную предобработку AI и больше фокусироваться на бизнес-логике.
📁 Language: #Python 100.0%
⭐️ Stars: 4.6k
➡️ Cсылка на GitHub
📱 @git_developer
Curses
Стримишь или записываешь видео и хочешь реальные субтитры в реальном времени, чтобы зрителям было проще, но у большинства тулов стили однотипные и почти не настраиваются.
Недавно нашел на GitHub опенсорсный инструмент Curses. Он заточен под субтитры speech-to-text для OBS, VRChat, Twitch и Discord, и при этом дает очень много кастомизации.
Поддерживает разные движки распознавания: Microsoft Azure, Speechly, Deepgram и встроенный браузерный WebSpeechAPI. Плюс умеет в обратную сторону, текст-в-речь, чтобы выводить озвучку.
Оформление субтитров можно докрутить по-взрослому: цвета, шрифты, тени, фоновые текстуры, анимация печати, звуки, частицы, и даже CSS. Можно тянуть тысячи бесплатных шрифтов прямо из Google Fonts.
Еще умеет брать источник из Twitch-чата: отображает эмодзи 7TV/FFZ/BTTV, а результаты распознавания можно отправлять обратно в Twitch-чат или в канал Discord.
Есть система сцен: сохраняешь несколько пресетов дизайна и при переключении сцен в OBS стили субтитров переключаются автоматически. Через плагин obs-websocket можно настроить OBS “в один клик”.
📁 Language: #TypeScript 85.9%
⭐️ Stars: 652
➡️ Cсылка на GitHub
📱 @git_developer
DocStrange
Когда делаешь RAG или “скармливаешь” ИИ свои материалы, самая больная тема это таблицы внутри PDF и картинок. Текст из них вытаскивается криво: формат плывет, особенно на сложных макетах, и в таком виде это почти невозможно нормально использовать.
На GitHub как раз нашелся опенсорсный проект DocStrange, который целится ровно в эту проблему: превращать документы в данные без боли.
Он умеет довольно точно конвертировать разные форматы в то, что любят большие модели: Markdown или структурированный JSON.
Поддерживаются PDF, изображения, офисные документы и даже ссылки на веб-страницы. В основе OCR плюс анализ верстки, то есть он не просто распознает текст, а пытается понять структуру документа.
Фишка в том, что он может восстанавливать сложные таблицы, а еще по заданным полям или Schema сразу вытаскивать структурированный JSON.
Есть готовый локальный веб-интерфейс: закинул файл drag-and-drop и получил результат. Плюс поддерживается локальное ускорение на GPU, все крутится у тебя на машине, данные никуда не уезжают, с приватностью спокойнее.
Лучше всего зайдет тем, кто собирает RAG-базу знаний или кому нужно пачками разбирать сканы, счета, инвойсы и другой неструктурированный хлам.
📁 Language: #Python 85.4%
⭐️ Stars: 1.3k
➡️ Cсылка на GitHub
📱 @git_developer
Text Grab
Иногда видишь текст на картинке, в видео или прямо в интерфейсе какого-нибудь приложения, а скопировать нельзя: не выделяется. Остается только вбивать руками, и если там длинный кусок, это прям боль.
Недавно на GitHub попался Text Grab, опенсорсный OCR-инструмент, который вытаскивает любой видимый на экране текст и дает сразу скопировать.
Он завязан на встроенный Windows OCR-движок: распознает локально, без интернета, не держит постоянно фоновый процесс, запускаешь по необходимости. Работает шустро.
Есть четыре режима:
▪️полноэкранный захват: можно выделить область или кликнуть по слову и сразу распознать;
▪️режим плавающего окна: закрепляешь где угодно и оно постоянно распознает;
▪️окно редактирования текста: внутри есть разные инструменты обработки текста;
▪️быстрые запросы: сохраняешь часто используемые куски и вызываешь их одним действием.
Еще есть поддержка CLI: можно делать OCR по файлу картинки или прогонять пакетно всю папку с изображениями.
Кому надо, можно поставить из Microsoft Store или скачать с GitHub. Также поддерживается установка через менеджеры пакетов scoop и choco.
📁 Language: #Csharp 99.5%
⭐️ Stars: 4.5k
➡️ Cсылка на GitHub
📱 @git_developer
Happy Coder
Когда работаешь над проектом через Claude Code или Codex, часто нужно отойти от компа по делам, но при этом хочется держать руку на пульсе: посмотреть прогресс сборки, быстро подтвердить запрос на permissions, или сразу разрулить ошибку. В итоге приходится буквально сидеть рядом с ноутом.
На GitHub есть опенсорсный инструмент Happy Coder, который решает эту боль: мобильный и веб-клиент, чтобы удалённо гонять Claude Code и Codex с любого устройства.
Ставишь CLI на комп, запускаешь через команду happy. Когда подключаешься с телефона, сессия сама переключается в удалённый режим. Вернулся за ПК, нажал любую клавишу и мгновенно вернул локальное управление.
Есть пуш-уведомления: если AI упёрся в запрос прав или поймал ошибку, тебе сразу прилетит алерт. И важный момент по безопасности: заявлено end-to-end шифрование, то есть код при передаче между устройствами остаётся зашифрованным и не хранится на сервере в виде открытого текста.
Проект полностью open source: мобильное приложение, CLI и код бэкенда. Доступен в iOS App Store и Google Play, плюс есть веб-версия.
📁 Language: #TypeScript 97.6%
⭐️ Stars: 9k
➡️ Cсылка на GitHub
📱 @git_developer
Ciphey
Наткнулся на кусок зашифрованного текста, а что за шифр, непонятно. Вручную перебирать способы расшифровки слишком долго.
На GitHub как раз попался Ciphey, это инструмент для автоматической расшифровки: закидываешь шифртекст, он сам пытается определить тип шифрования/кодировки и расшифровать, чаще всего укладывается в 3 секунды.
Он опирается на кастомный AI-модуль и NLP, чтобы автоматически угадывать метод и распознавать осмысленный plaintext, без того чтобы заранее знать какие-то параметры шифрования.
Поддерживает больше 50 вариантов шифров и кодировок: бинарь, азбука Морзе, Base64, шифр Цезаря, Виженер, XOR и другие классические и современные варианты, плюс умеет распознавать хэши.
Внутри много написано на C++, поэтому работает быстро. Есть CLI, а также можно подключать как Python-библиотеку в свой проект. Поддерживаются Windows, Linux и macOS.
📁 Language: #Python 100.0%
⭐️ Stars: 20.8k
➡️ Cсылка на GitHub
📱 @git_developer
Anubis
Преподавателю на computer science в универе, помимо подготовки занятий, ещё приходится проверять домашки, разбирать отправленные решения и админить студенческие репозитории с кодом. Всё это довольно выматывает.
А университетские LMS обычно старые, обновляются медленно, поэтому нормально автоматизировать проверку программных заданий там ещё сложнее.
И вот на GitHub попался Anubis LMS, опенсорсная система управления обучением, заточенная именно под курсы по программированию. Её уже используют в Нью-Йоркском университете несколько семестров подряд.
У каждого студента отдельный GitHub-репозиторий. После пуша система автоматически прогоняет тесты и сразу возвращает фидбек. До дедлайна студент может отправлять решения сколько угодно раз и смотреть результаты тестов.
Плюс там есть облачная IDE, запускается в один клик: в браузере студент получает заранее настроенное Linux-окружение, без возни с локальной установкой и конфигами.
Система также умеет на основе таймстемпов коммитов и результатов тестов строить визуальную аналитику по обучению, чтобы преподаватель видел, как у студентов с усвоением конкретных тем.
Если ты ведёшь курс по программированию или недоволен автоматизацией в обычных LMS, проект точно стоит попробовать.
📁 Language: #Python 61.5%
⭐️ Stars: 366
➡️ Cсылка на GitHub
📱 @git_developer
T-Sync Conf
Инженерные конференции часто выглядят одинаково: с докладами, слайдами, вопросами из зала и ощущение, что половина тебе никак не откликается
T-Sync Conf решает эту проблему через формат. 7 февраля Т-Технологии проведут масштабную конференцию для инженеров, где вместо одного общего маршрута — восемь технических контуров, из которых каждый может собрать свою траекторию: AI, Data, R&D, Security, UX/UI, Productivity, Observability, Platform.
Фокус не на рассказах, а на практике: демо-стенды с AI- и Data- платформами, инженерные диалоги с разбором кейсов, хакатон и публичная сборка сервиса. Плюс отдельные форматы для обсуждения UX/UI инструментов — от интерфейсов до дизайн-систем. Пройдет все на площадке TAU в Москве. Проход бесплатный, но рега обязательна
➡️ Ссылка на регистрацию
📱 @git_developer
HanaVerse
Гонять локальную LLM прикольно, но когда перед тобой только голый терминал или простенькое веб-окно чата, как будто не хватает какого-то интерактива.
Случайно наткнулся на проект HanaVerse — он буквально дает ИИ “аватарку”: чат превращается в анимированное аниме-окно с поддержкой Live2D.
Внутри есть динамический персонаж “Hana”, который не только болтает с тобой, но и реагирует на взаимодействие мимикой и анимациями.
По функционалу тоже все серьезно: есть подсветка кода в Markdown и рендеринг математических формул LaTeX, так что можно и код разбирать, и задачи по матану решать.
Стек — Python + Flask, в качестве бэкенда нужен локально поднятый Ollama, развернуть все это несложно.
В настройках можно переключать разные модели вроде Llama3, Mistral и т.д., а еще задавать свои system prompt’ы и тем самым настраивать персональность ИИ под себя.
Если ты любишь аниме/двач-эстетику или просто хочешь добавить “души” в скучный диалог с ИИ, этот проект точно стоит попробовать.
📁 Language: #JavaScript 65.8%
⭐️ Stars: 43
➡️ Cсылка на GitHub
📱 @git_developer
FastScheduler
Писать планировщик задач на Python через стандартную библиотеку хоть и просто, но возможностей там немного. Как только появляются асинхронные задачи, работа с таймзонами, ретраи при фейлах и похожие кейсы, становится тяжко.
На GitHub нашел FastScheduler, это опенсорсный легковесный таск-планировщик для Python. Поддерживает async, таймзоны, Cron-выражения и еще имеет визуальную панель.
За счет очень аккуратного синтаксиса на декораторах задачу можно описать одной строкой. Есть разные варианты расписаний: интервалы, конкретное время, Cron и т.д. Асинхронные функции работают из коробки.
Установка через pip в один шаг, а для персистентности доступны разные хранилища вроде SQLite и PostgreSQL. После рестарта сервиса состояние задач не теряется.
📁 Language: #Python 79.5%
⭐️ Stars: 319
➡️ Cсылка на GitHub
📱 @git_developer
robotics_master
Хочешь системно вкатиться в робототехнику, а курсы в интернете либо слишком разрозненные, либо без нормальной практической глубины, из-за чего сложно собрать цельную базу знаний.
Как раз поэтому на GitHub попалась эта опенсорсная дорожная карта Robotics Master. Она сводит в одну программу хорошие курсы из Боннского университета, Мюнхенского технического университета и MIT, и за 21 месяц предлагает пройти обучение уровня магистратуры по робототехнике.
План разбит на 7 семестров и идет по нарастающей: стартуешь с базы по C++, дальше постепенно углубляешься в мобильных роботов, компьютерное зрение, планирование траекторий, deep learning и другие ключевые направления.
Программа покрывает темы вроде 2D/3D computer vision, планирования маршрутов для автономных систем, методов оптимизации в робототехнике, сенсорики, 3D SLAM. Для каждого семестра есть четкие цели и привязанные видеоматериалы.
Плюс добавлены доп. ресурсы по PyTorch, линейной алгебре, матану и т.п., чтобы подтянуть математику и кодинг. В целом, хороший референс для разработчиков, которые хотят прокачаться в робототехнике не кусками, а по нормальной структуре.
⭐️ Stars: 211
➡️ Cсылка на GitHub
📱 @git_developer
json-render
Идея про AI-генерацию UI сейчас реально меняется. Команда Vercel Labs недавно выложила в опенсорс json-render и по сути ломает старые правила.
Вместо привычной (и часто нестабильной) генерации кода они предлагают новый пайплайн: AI → JSON → UI. За какие-то три дня проект собрал 6000+ звезд.
Ключевая мысль: не давать AI “свободно творить”, а заставить работать внутри “ограждений”, чтобы на выходе были полностью предсказуемые структурированные данные.
Тебе нужно лишь описать библиотеку компонентов в нужной директории, а дальше AI заполняет данные. Так можно практически полностью убрать галлюцинации.
Это не только лечит вечную проблему “поплыл стиль”, но и дает стриминговый рендер с задержками на уровне миллисекунд, скорость там прям безумная.
Если хочешь собирать “абсолютно контролируемый” генеративный интерфейс, эту фронтенд-библиотеку точно стоит покопать.
📁 Language: #TypeScript 98.1%
⭐️ Stars: 6.7k
➡️ Cсылка на GitHub
📱 @git_developer
local_ai_ocr
Если нужно вытаскивать текст из документов или PDF, загружать файлы в онлайн-конвертеры всегда как-то стрёмно. А у многих локальных тулов то распознавание так себе, то форматирование превращается в кашу.
Случайно наткнулся на GitHub на open-source проект local_ai_ocr: он собран на модели DeepSeek-OCR и заточен под локальное офлайн-распознавание текста на Windows.
Он умеет с GPU-ускорением обрабатывать картинки и PDF: не просто точно вытягивает текст, но и может сразу экспортировать в Markdown, чтобы сохранить сложные таблицы и верстку.
Работает полностью офлайн: ничего не нужно отправлять в облако. Скачал, распаковал, запустил init-скрипт и можно пользоваться, без сложной настройки окружения.
Если для тебя критична приватность данных или нужна максимально точная “реконструкция” форматирования документа, штука точно стоит того, чтобы попробовать.
📁 Language: #Python 67%
⭐️ Stars: 493
➡️ Cсылка на GitHub
📱 @git_developer
paperetl
Когда занимаешься исследованием или анализом данных и у тебя сотни или тысячи PDF-статей, каждый раз вручную вытаскивать и раскладывать информацию это ад.
Недавно, пока копался в тулзах для обработки данных, наткнулся на paperetl. Это опенсорсная библиотека для пакетной обработки и парсинга научных публикаций, которая приводит разный входной формат к структурированным данным.
Поддерживает массовый парсинг и преобразование источников в разных форматах: полный текст PDF, PubMed XML, ArXiv XML и другие.
Может складывать неструктурированные статьи прямо в SQLite, выгружать в JSON, а также подключаться к Elasticsearch для полнотекстового поиска.
По сути, одной командой можно прогнать целую папку с файлами и превратить её в БД или набор структурированных файлов, чтобы потом нормально искать, фильтровать и анализировать.
Если ты делаешь литобзор, систематический обзор или хочешь собрать свою базу статей, инструмент точно стоит попробовать.
📁 Language: #Python 96.2%
⭐️ Stars: 490
➡️ Cсылка на GitHub
📱 @git_developer
PaddleOCR-VL-1.5.
Только что Baidu мощно опенсорснули новое поколение модели для парсинга документов: PaddleOCR-VL-1.5.
Всего 0.9B параметров, и она заняла первое место в глобальном рейтинге OmniDocBench V1.5. По совокупной производительности обходит Gemini-3-Pro, DeepSeek-OCR-2 и GPT-5.2.
В повседневной работе и жизни фото контрактов или счетов, снятые на телефон, часто получаются с перекосом, изгибом или деформацией.
Если распознавать такое классическими OCR-инструментами, нередко бывает пропуск контента или вообще полный провал распознавания.
С PaddleOCR-VL-1.5 эти проблемы решаются.
Это первая в мире OCR-модель, которая поддерживает “позиционирование по нестандартным рамкам”. Она точно распознаёт трапециевидные, сложенные, изогнутые и другие нерегулярные формы документов.
Даже если документ смяли или он сильно исказился из-за угла съёмки, модель может восстановить структуру таблиц и текста “ячейка за ячейкой” с точностью, близкой к сканеру.
Плюс добавили распознавание печатей и автосклейку таблиц, которые идут на нескольких страницах. Ещё отдельно прокачали редкие иероглифы, древние тексты и 109 языков, чтобы заметно повысить стабильность в сложных рабочих сценариях.
За последние полгода OCR-гонка реально стала очень жёсткой: крупные компании активно выкатывают новые модели и пытаются занять нишу документ-парсинга.
А релиз Baidu PaddleOCR-VL-1.5 попал ровно в боль разработчиков: распознавание “нестандартных документов”, которые обычно хуже всего даются.
То есть OCR перестаёт быть штукой только для идеальных сканов и начинает нормально работать в сложных бизнес-сценариях.
Сейчас веса модели полностью открыты. Разработчики могут скачать или протестировать онлайн на Hugging Face.
Онлайн демо, Скачать модель
📁 Language: #Python 76.3%
⭐️ Stars: 61.9k
➡️ Cсылка на GitHub
📱 @git_developer
plexe
Чтобы натренировать ML-модель, обычно надо шарить в алгоритмах, писать код и бесконечно тюнить гиперпараметры. Для большинства это входной барьер, который сразу отбивает желание.
На GitHub есть Plexe, опенсорсный проект, который сильно снижает порог: ты описываешь задачу обычным языком, а он автоматически собирает машинное обучение под это.
Достаточно по-человечески объяснить, что именно хочешь предсказать, какие данные на входе и что должно быть на выходе. Дальше система через связку нескольких агентов сама проходит весь пайплайн: анализ данных, план решения, генерация кода, тесты и оценка качества.
Поддерживает разных провайдеров LLM: OpenAI, Anthropic, Ollama и другие. Плюс умеет автоматически выводить структуру данных или даже генерировать синтетический датасет.
Еще внутри есть распределенное обучение на Ray: можно параллельно прогонять несколько вариантов моделей и сильно ускоряться.
Если тебе нужно быстро проверить ML-идею или дать возможность строить модели не технарям, штука выглядит реально полезной.
📁 Language: #Python 92.0%
⭐️ Stars: 2.3k
➡️ Cсылка на GitHub
📱 @git_developer
PDF3MD
Когда работаешь с PDF и хочешь перегнать его в Markdown для нормального редактирования или выгрузить в Word, часто упираешься в то, что инструменты либо слишком примитивные, либо замороченные.
Случайно наткнулся на PDF3MD, опенсорсный тул, который специально конвертит PDF в Markdown и Word. Интерфейс простой, все делается интуитивно.
Сделан на React (фронт) и Flask (бэк). Просто перетаскиваешь PDF в окно, видишь прогресс конвертации в реальном времени, а после завершения можешь сразу скопировать Markdown или скачать Word-документ.
Поддерживает пакетную загрузку нескольких PDF одновременно: показывает для каждого файла исходное имя, размер, количество страниц и таймстамп конвертации.
Есть быстрый деплой через Docker: одной командой запускаешь локально, либо можно повесить за reverse proxy и развернуть на сервере.
📁 Language: #JavaScript 42.6%
⭐️ Stars: 241
➡️ Cсылка на GitHub
📱 @git_developer
Clawdbot
Сейчас ИИ умеет и код писать, и картинки рисовать, и в роли собеседника выступать, но есть одна проблема: чтобы всем этим пользоваться, почти всегда нужно идти в отдельную веб-страницу или отдельный клиент.
Как только хочется, чтобы он помог с рабочей задачей или обсудить с ним требования и решение, приходится открывать нужное окно ИИ и постоянно прыгать между разными интерфейсами. Это реально неудобно.
И вот на GitHub как раз попался очень хайповый open-source проект Clawdbot, который закрывает эту боль. Буквально за несколько дней он набрал 20000+ звёзд.
В отличие от простых AI-чатиков, Clawdbot это приватный AI-ассистент, который может полностью работать локально и у которого есть условные “руки и ноги”.
Внутри у него есть инструменты вроде управления браузером, Canvas-холста, планировщика задач и т.д. Он может как человек автоматом ходить по сайтам, заполнять формы, читать и писать файлы и даже выполнять shell-команды.
Его можно подключить к популярным большим моделям вроде Gemini и Claude, а также завести в разные мессенджеры и соц-чаты.
В итоге можно прямо в привычных чат-приложениях отдавать ему команды, чтобы он сам автоматизировал и выполнял задачи, без постоянного переключения между приложениями.
У проекта есть пошаговая установка: одной командой можно быстро развернуть. Запускается и локально на Mac, и на Linux-сервере для удалённого доступа.
📁 Language: #TypeScript 82.5%
⭐️ Stars: 60k
➡️ Cсылка на GitHub
📱 @git_developer
PageLM
Материалов для учебы куча: PDF, доки, заметки, все раскидано где попало. Когда садишься повторять, вообще непонятно, с чего начать. Задачи решать, карточки учить тоже приходится самому собирать и раскладывать, времени и сил уходит море.
Случайно наткнулся на PageLM, это опенсорсная платформа для обучения, которая сама превращает твои материалы в интерактив: квизы, флешкарты, подкасты и т.п.
Загружаешь PDF, Word или Markdown, дальше можно сразу “общаться” с содержимым, задавать вопросы, генерить аккуратно структурированные конспекты, а еще она автоматически вытаскивает карточки под интервальное повторение.
Плюс есть режимы типа пробного экзамена, планирования домашки, тренировки дебатов. И даже умеет конвертить заметки в подкаст-аудио, чтобы учиться по дороге.
Поддерживает разные модели: Google Gemini, OpenAI, Claude, Ollama и другие. Можно выбрать облако или локальный запуск, есть вариант деплоя одной командой через Docker.
Если тебя уже накрывает волной учебных материалов или хочется сделать повторение реально эффективнее, PageLM точно стоит попробовать.
📁 Language: #TypeScript 97.4%
⭐️ Stars: 1.1k
➡️ Cсылка на GitHub
📱 @git_developer
butterfly
Обычно с заметками и набросками боль: то интерфейс перегружен и сложно вкатиться, то везде ограничения. Найти приложение, которое одновременно простое и мощное, реально непросто.
И тут на GitHub попался Butterfly, опенсорсный заметочник в стиле белой доски. Дизайн максимально минималистичный, но по функциям всё на месте: можно быстро рисовать от руки, писать текст, вставлять картинки, а ещё импортировать и прямо там редактировать PDF, SVG и другие форматы. Включил и сразу работаешь, инструменты лежат ровно там, где ожидаешь.
Полотно бесконечное: добавляешь фигуры, области, точки/узлы на путях, чтобы нормально структурировать мысли. Потом спокойно правишь каждый элемент: размер, цвет, позицию.
Хранение данных тоже гибкое: локально или синхронизация в WebDAV, плюс офлайн-режим.
Работает кроссплатформенно: Android, Windows, Linux и веб. То есть телефон, планшет, комп все ок, ещё и со стилусом и рукописным вводом дружит.
Если уже достали рамки “классических” заметочников и хочется свободно раскладывать идеи на доске, этот маленький, но приятный инструмент точно стоит попробовать.
📁 Language: #Dart 95.7%
⭐️ Stars: 1.7k
➡️ Cсылка на GitHub
📱 @git_developer
Craft Docs
Разрабатывать с Claude Code реально удобно и мощно, но когда все завязано на CLI, начинаются неудобства: сложно параллельно вести несколько задач, быстро смотреть историю диалогов и нормально переключаться между проектами.
Недавно на GitHub попался Craft Agents, опенсорсный инструмент, который дает понятный UI для управления всем этим, и в итоге ускоряет AI-ассистированный дев.
Он построен на Claude Agent SDK: по сути сохраняет базовый опыт Claude Code, но добавляет полезные штуки вроде управления несколькими сессиями, workflow по статусам, диффов и сравнения файлов.
Есть интеграции с 32+ инструментами Craft Docs, можно подключать MCP-серверы, REST API и локальную файловую систему. Права доступа сделаны в 3 уровня: от read-only режима для безопасного “пощупать”, до автозапуска действий, можно гибко переключаться под ситуацию.
Плюсом идут фоновые задачи, кастомные темы, окна для сравнения нескольких файлов, и даже поддержка drag-and-drop для картинок, PDF и Office-доков с автоконвертацией.
Если хочется превратить Claude Code из чистого командного инструмента в более наглядное и жирное десктоп-приложение, Craft Agents точно стоит попробовать.
📁 Language: #TypeScript 96.9%
⭐️ Stars: 1.1k
➡️ Cсылка на GitHub
📱 @git_developer
add-skill
Сейчас AI-инструментов для кодинга развелось куча, почти все умеют ставить Skills, но у каждого свои пути конфигов. В итоге полный бардак: где что лежит, как синкать, как не забыть обновить.
Хорошая новость: команда Vercel Labs недавно выложила в опенсорс add-skill. Это штука в стиле npm, которая приводит управление скиллами к одному формату.
Идея простая: одной командой берёшь skill-репу с GitHub и раскатываешь её локально во все свои Agent-инструменты. Тем самым закрывается боль с разными директориями и вечной рассинхронизацией конфигов.
Сейчас поддерживаются OpenCode, Claude Code, Codex, Cursor и ещё в сумме 13 популярных тулов. Установка максимально “из коробки”: инструмент сам пытается определить, что у тебя стоит, и кладёт конфиги куда надо.
Плюс под это есть Skills-маркет: там много готовых скиллов, у каждого есть описание, и всё отсортировано по установкам. Понравилось - просто копируешь команду и ставишь.
Если ты пользуешься несколькими AI-кодинг тулзами одновременно, это реально удобный менеджер скиллов, есть смысл поставить и потестить.
📁 Language: #TypeScript 62.6%
⭐️ Stars: 1.9k
➡️ Cсылка на GitHub
📱 @git_developer
rag-from-scratch
Хотим, чтобы модель знала нашу “внутреннюю кухню”, но финтюн — дорогой, долгий и часто дает так себе результат. Поэтому сейчас в проде в основном используют RAG (retrieval-augmented generation).
Как раз на GitHub есть годный опенсорс-туториал rag-from-scratch от команды LangChain.
Они начинают с базы: индекс, поиск, генерация, а потом постепенно заходят в продвинутые штуки вроде преобразования запросов, роутинга, multi-query retrieval и так далее. Плюс разбирают практические паттерны вроде adaptive RAG и “корректирующего” RAG.
Каждый блок снабжен подробным Jupyter Notebook с кодом и отдельным видеоразбором, можно параллельно смотреть и сразу запускать, чтобы прочувствовать, как RAG работает изнутри.
Туториал не просто показывает “как прикрутить RAG”, а именно через код объясняет, что под капотом, поэтому отлично заходит тем, кто хочет системно освоить разработку LLM-приложений.
⭐️ Stars: 6.5k
➡️ Cсылка на GitHub
📱 @git_developer
Rever
В стартапе иногда больше всего выносит мозг не сам продукт, а финпроцессы. Нестандартные компенсации, закупки, какие-то левые инвойсы и purchase order’ы летят со всех сторон, а ты это все сводишь через Excel и переписку в почте. В итоге медленно, легко ошибиться, и вечно что-то не сходится.
Случайно наткнулся на Rever, это опенсорсная платформа для автоматизации финансов с довольно точным позиционированием: AI-driven финансовая автоматизация, по сути “виртуальный CFO”.
Суть в том, что они собирают в одном месте управление поставщиками, закупочные заказы (PO) и обработку счетов (invoices/bills). Плюс есть двухстороннее сопоставление (2-way matching), которое автоматически сверяет PO и счет по количествам и суммам, чтобы не переплатить и не оплатить не то.
Также внутри есть workflow согласований и полный audit log: каждое действие записывается и потом нормально трассируется, что важно для комплаенса. Дальше обещают поддержку трехстороннего сопоставления (3-way matching), управления документами и продвинутой аналитики.
Есть приватный деплой, что для компаний, которым важна финансовая приватность, прям в тему, данные остаются у тебя.
Если ищешь опенсорсный вариант, который может заменить мучения с Excel и разгребание финансового хаоса, проект точно стоит попробовать.
📁 Language: #TypeScript 47.6%
⭐️ Stars: 416
➡️ Cсылка на GitHub
📱 @git_developer
RemoveWindowsAI
Обновления Windows 11 становятся все агрессивнее: систему набивают разными обязательными AI-фичами вроде Copilot, Recall, AI в Paint и т.д. Если хочется “чистую” среду, руками отключать все это довольно муторно и долго.
На GitHub нашли RemoveWindowsAI: опенсорсный скрипт, который лезет глубже в систему и предназначен для полного удаления этих вездесущих AI-компонентов.
Достаточно одной команды, чтобы запустить графический интерфейс: отмечаешь, какие AI-функции убрать, жмешь выполнить и получаешь “очистку”. Также заявлены бэкап и откат (backup/restore).
Дополнительно поддерживается установка старых “чистых” версий приложений и блокировка ситуации, когда Windows Update тихо ставит AI-пакеты обратно.
Тем, кто гонится за максимально чистой системой и не хочет, чтобы AI что-то “подсматривал”, может зайти. Так как это изменения на уровне системных компонентов, перед экспериментами рекомендуют сделать резервную копию данных/системы.
📁 Language: #PowerShell 100.0%
⭐️ Stars: 9k
➡️ Cсылка на GitHub
📱 @git_developer
web-check
Чтобы нормально разобрать техархитектуру сайта, его security-настройки и потенциальные риски, вручную проверять DNS, SSL, инфу по серверу и т.д. обычно значит открыть кучу разных тулзов. Это реально неудобно.
Случайно наткнулся на Web-Check, опенсорс-проект: на одной странице можно прогнать десятки проверок по сайту, от IP-информации до security-конфига, всё видно сразу.
Он делает и браузерные, и серверные проверки. Вводишь домен, и дальше автоматически запускаются: поиск IP, разбор цепочки SSL-сертификатов, парсинг DNS-записей, проверка cookie, анализ HTTP-заголовков и ещё больше 30 разных тестов.
Помимо базового определения техстека, геолокации/размещения сервера и скана портов, он умеет проверять DNSSEC, тип фаервола, безопасность TLS-наборов шифров и даже считать углеродный след сайта. Плюс есть полезные штуки вроде превью со скриншотом, поиска по историческим снапшотам, глобального рейтинга и т.п.
Проект поддерживает деплой одной командой через Docker, а ещё его можно задеплоить на Netlify или Vercel. Если нужно глубже понять архитектуру сайта или сделать security-оценку, инструмент точно стоит сохранить.
📁 Language: #TypeScript 65.5%
⭐️ Stars: 30.3k
➡️ Cсылка на GitHub
📱 @git_developer
Neoflow
Когда команда устраивает брейншторм или рисует схемки, за нормальные коммерческие whiteboard-инструменты приходится платить, а бесплатные обычно душат лимитами и пользоваться ими бесит.
На GitHub как раз попался Neoflow — опенсорсный whiteboard, который полностью бесплатный и при этом не урезанный. Заточен под простую коллаборацию.
Собран на базе tldraw, поэтому интерфейс приятный и лёгкий. Есть realtime совместное редактирование — несколько человек могут двигать блоки одновременно без лагов.
Плюс завезли AI-фичи, которые реально помогают в работе — авто-организация канваса, распознавание фигур и прочие полезные штуки.
Лицензия MIT. Можно поднять локально через Docker или npm — без танцев и без привязки к SaaS.
Подходит дизайнерам для набросков и идей, а дев-команде — для обсуждения архитектур и процессов. Хорошая альтернатива коммерческим whiteboard-сервисам.
📁 Language: #JavaScript 87.1%
⭐️ Stars: 142
➡️ Cсылка на GitHub
📱 @git_developer
NoLanguageLeftWaiting
Если хочется делать стриминговый перевод для трансляций или прям настоящий синхрон, быстро упираешься в тупняк классических офлайн-моделей: они часто ждут, пока человек договорит фразу целиком, и из-за этого появляется заметная задержка.
На GitHub нашелся опенсорсный проект NoLanguageLeftWaiting. Ребята взяли офлайн-переводчик Meta NLLB и переделали его в режим реального синхронного перевода: модель может переводить на лету, не дожидаясь конца предложения.
Плюс они закрывают типичные боли “псевдо-синхрона”: когда пунктуация вставляется криво, а работа с префиксами и контекстом превращается в кашу.
Что по возможностям:
* перевод между ~200 языками
* два варианта бэкенда: HuggingFace и CTranslate2
* внутри сразу два размера модели: 600M и 1.3B
Сейчас они ещё пилят speculative decoding (спекулятивное декодирование), чтобы ускорить вывод. Идея: часть гипотез быстро “пробрасывать” и потом частично валидировать, чтобы не тормозить на каждом шаге. По их замерам валидация занимает примерно 0.15 секунды.
Если делаешь голосовой перевод, субтитры для стрима или любой кросс-языковой созвон, где задержка решает, проект прям стоит потыкать.
📁 Language: #Python 100.0%
⭐️ Stars: 41
➡️ Cсылка на GitHub
📱 @git_developer
TaxHacker
Каждый раз, когда надо разгрести чеки и инвойсы для налогов, обычно все превращается в ручной ад: по одной бумажке вбивать в таблицу продавца, сумму, дату, налоги и прочие поля. Долго и легко накосячить.
На GitHub недавно нашелся TaxHacker, опенсорсный учетный инструмент под фрилансеров и малый бизнес. Фишка в том, что он с помощью AI автоматически распознает и вытаскивает данные из инвойсов.
Сфоткал чек или загрузил PDF и AI сам вытащит ключевое: названия позиций, суммы, дату, продавца, налоговые поля и т.д. Дальше это сохраняется сразу в структурированную базу, плюс можно добавить кастомные поля, чтобы вытягивать то, что нужно именно тебе.
Есть поддержка 170+ фиатных валют и 14 криптовалют, а также автоматический пересчет по курсу на дату операции. Можно фильтровать записи по дате, категориям, проектам, сумме и другим признакам, и выгружать полный журнал транзакций в CSV.
Отдельно полезно, что можно настраивать промпты для AI, включая системные шаблоны: заставить модель вытаскивать дополнительные атрибуты под твой кейс, например email, адрес, код проекта и т.п.
Для деплоя есть Docker-образ и Docker Compose, можно быстро поднять на своем сервере и держать данные под полным контролем. Также поддерживается подключение к уже существующему PostgreSQL.
📁 Language: #TypeScript 99.7%
⭐️ Stars: 1k
➡️ Cсылка на GitHub
📱 @git_developer