Hyprnote

На созвонах одновременно слушать и пытаться лупить по клавиатуре, чтобы что-то записать, это уже само по себе тяжко. А потом ещё переслушивать запись и приводить всё в порядок — прям отдельная боль. При этом большинство AI-ассистентов требуют загрузки данных в облако, что вызывает вопросы по приватности.

Недавно на GitHub нашёл Hyprnote — open-source проект, сделанный как локальный AI-ассистент для заметок с митингов. Основной акцент на приватность и офлайн-работу.

Он может напрямую захватывать системный звук и вход микрофона, делать realtime транскрибацию, и все данные остаются только на твоём устройстве.

Работает через Ollama или LM Studio, так что можно поднять локальные модели и обработать весь пайплайн — от распознавания речи до генерации summary — без интернета. Есть поддержка кастомных шаблонов заметок и функция для последующей ручной доработки.

Если в компании строгие требования по безопасности данных или просто не хочется отправлять записи на сервера третьих сторон, этот инструмент выглядит хорошей open-source альтернативой.

📁 Language: #TypeScript 53.7%

⭐️ Stars: 7k

➡️ Cсылка на GitHub

📱 @git_developer

argos-translate

Если пользоваться Google, DeepL или онлайн-переводчиками на базе ИИ, всегда есть риск утечки чувствительных данных, а офлайн такие сервисы вообще недоступны.

Недавно наткнулся на офлайн-переводчик с открытым исходным кодом на Python: Argos Translate. Все данные обрабатываются локально, никуда не отправляются.

Поддерживает перевод между 40+ языками — китайский, английский, японский, французский, немецкий, испанский и другие. Если прямой модели нет, автоматически делает перевод через промежуточный язык, например испанский → английский → французский.

Работает как Python-библиотека, CLI-утилита и GUI-приложение. Есть поддержка GPU, умеет переводить HTML и разные документ-форматы, а также предоставляет онлайн-демку.

Если нужен офлайн-перевод или хочется поднять свой приватный переводчик ради защиты данных — проект точно стоит посмотреть.

📁 Language: #Python 94.7%

⭐️ Stars: 5.1k

➡️ Cсылка на GitHub

📱 @git_developer

Paper2All

После того как заканчиваешь писать научную работу, самый болезненный этап обычно — промо. Нужно делать проектный сайт, рисовать постер, монтировать видео, писать посты для соцсетей — и всё это иногда утомляет сильнее самой статьи.

Случайно наткнулся на Paper2All — открытый инструмент для академической продуктивности, который по одному загруженному PDF автоматически генерирует полный набор промо-материалов.

Он создаёт интерактивный сайт, научный постер, промо-видео, текст для соцсетей и прочее. Можно задать свои размеры постера, а для видео выбрать, нужен ли цифровой диктор.

Инструмент даже умеет генерировать посты под конкретные площадки вроде Twitter или Xiaohongshu, подстраивая стиль под платформу.

Достаточно развернуть у себя локально — есть подробная инструкция. Поддерживаются API моделей OpenAI, OpenRouter и другие.

Если у тебя вышла научная статья и нужно быстро собрать промо-пакет, чтобы повысить охват и видимость — эта штука серьёзно экономит время.

📁 Language: #Python 80.2%

⭐️ Stars: 275

➡️ Cсылка на GitHub

📱 @git_developer

awesome-technical-writing

Писать код легко, а вот документацию — тяжело. Часто смотришь на пустой README.md и не понимаешь, с чего начать. Или вроде написал, но получилось мутно, и читать это никто не хочет.

На GitHub случайно наткнулся на подборку Awesome Technical Writing — это аккуратно собранный набор ресурсов по техническому письму.

Там есть гайдлайны от Google, Microsoft и других крупных компаний, которые помогают держать терминологию и форматирование в одном стиле. Плюс собран полный рабочий цикл: планирование контента, инфоструктура, подготовка и публикация документации.

В подборку также входят программы для вклада в документацию опенсорса вроде Google Season of Docs, а ещё список вспомогательных инструментов: статические генераторы сайтов, линтеры для текста и прочий софт.

Если хочешь подтянуть документацию в своих проектах или смотришь в сторону технического писательства как отдельной профессии, эта коллекция точно стоит того, чтобы сохранить.

⭐️ Stars: 2k

➡️ Cсылка на GitHub

📱 @git_developer

MLE-agent

Когда делаешь ML-проект, весь цикл обычно разваливается на постоянные прыжки между инструментами: подготовка данных, обучение модели, отладка, оптимизация. В итоге теряется куча времени.

На GitHub попался MLE-Agent — опенсорсный AI-ассистент, сделанный специально под задачи ML-инженеров.

Он умеет по нечётким требованиям собирать базовый ML-пайплайн, а ещё способен самостоятельно участвовать в Kaggle: от подготовки данных и тренировки модели до финальной отправки сабмита.

Внутри есть интеграция с Arxiv и Papers with Code, так что он может искать релевантные статьи. При ошибках пробует сам разобраться и подсказать фикс. Может даже генерировать недельные отчёты по проделанной работе.

Есть интерактивный CLI-чат, и можно подключить OpenAI, Claude или локальную модель через Ollama.

Если ты регулярно работаешь с ML-процессами и хочешь помощника, который соберёт базовую модель, подправит код и найдёт нужные статьи — этот проект стоит попробовать.

📁 Language: #Python 96.0%

⭐️ Stars: 1.4k

➡️ Cсылка на GitHub

📱 @git_developer

101-linux-commands

При изучении Linux-командной строки в интернете чаще всего либо рассказывают одну теорию, либо просто накидывают кучу команд для заучивания, почти не объясняя реальные сценарии использования.

Недавно на GitHub наткнулся на открытую электронную книгу 101 Linux Commands. Она через 101 практическую команду помогает системно освоить работу с Linux-консолью.

Каждая команда идёт с подробным описанием, реальными примерами использования и прикладными сценариями. Всё разбирается последовательно: от базовых операций с файлами до продвинутого администрирования системы.

Контент охватывает управление файлами, обработку текста, работу с процессами, сетевую диагностику, мониторинг системы и другие практические сценарии. Для каждой команды есть реальные примеры.

Доступно в разных форматах: онлайн-версия, PDF и ePub. Также есть возможность запускать всё локально через Docker.

Подойдёт как новичкам в Linux, так и опытным разработчикам, которые хотят системно разложить команды по полочкам. Эту подборку точно стоит сохранить и изучить.

📁 Language: #HTML 98.7%

⭐️ Stars: 175

➡️ Cсылка на GitHub

📱 @git_developer

qxresearch-event-1

При изучении Python часто становится скучно: сидишь перед толстыми туториалами, строчишь код, а ощущения быстрого результата почти нет. Хотя на самом деле многие полезные вещи делаются буквально в несколько строк.

Как раз на GitHub наткнулся на проект qxresearch-event-1, который продвигает идею «минимализма». В нём собрано 50+ Python-приложений, каждое из которых запускается примерно из 10 строк кода.

Покрытие очень широкое: от базовых задач вроде шифрования PDF и объединения файлов до более продвинутых вещей — GUI-интерфейсы, диктофон, а также автоматизация почты и голосовой ассистент на базе ChatGPT.

Такой короткий и плотный код отлично подходит для чтения и разбора. Плюс к каждому примеру есть видеоразбор, который помогает быстро понять логику каждой строки.

Достаточно простой настройки окружения, и всё сразу запускается. Подойдёт и новичкам, которые ищут практику, и опытным разработчикам, которым нужен набор удобных скриптов на каждый день.

📁 Language: #Python 100%

⭐️ Stars: 2.1k

➡️ Cсылка на GitHub

📱 @git_developer

python-markdownify

Когда делаешь парсер или переносишь сайт, на экране часто лежит куча рваной HTML-разметки. Привести это в аккуратный Markdown обычно та еще морока.

В опенсорсе нашелся удобный инструмент python-markdownify, который как раз решает задачу конвертации HTML в Markdown.

Логика у него проста: берешь громоздкий HTML, на выходе получаешь понятный и чисто структурированный Markdown.

Инструмент хорошо настраивается. Можно вычищать нужные теги, менять формат заголовков, аккуратно обрабатывать таблицы и картинки. Все это конфигурируется.

Ставится через pip. Им можно пользоваться как из Python-кода, так и из командной строки, конвертируя файлы пачками.

При желании можно унаследоваться и переопределить правила преобразования под свои кейсы. С расширяемостью там все ок.

Если приходится гонять большие объемы текста или переносить блог, библиотека экономит кучу времени, которое обычно уходит на ковыряние регулярок.

📁 Language: #Python 100%

⭐️ Stars: 1.9k

➡️ Cсылка на GitHub

📱 @git_developer

OpenContracts

Когда работаешь с юрдоками и контрактами, сама по себе читка не так напрягает, как необходимость выгребать из сотен файлов ключевые пункты, помечать важные места и при этом держать формат данных единым для последующей аналитики.

На GitHub попался OpenContracts — опенсорсный анализатор документов, заточенный под знания-интенсивные задачи. Он заметно упрощает управление файлами и вытягивание данных.

Поддерживает загрузку PDF и обычного текста, разметку и анализ. Внутри стоит плагиноподобный парсер, который автоматически вытаскивает структурные особенности документа и делает векторные представления для удобного поиска.

Главная фича — массовое извлечение данных. Можно задать вопрос сразу к сотне документов, получить структурированный ответ и увидеть подсветку прямо в исходниках. Есть настройка схемы метаданных, совместная разметка, управление доступами и прочие корпоративные возможности.

Система построена на PydanticAI. Там есть и управление диалогом, и стриминговые ответы. Развернуть можно через Docker.

Если приходится разбирать горы контрактов, юрбумаг или любых материалов с высоким порогом знаний, этот инструмент хорошо переводит работу из ручной рутины в нормальный поток.

📁 Language: #TypeScript 52.3%, #Python 46.9%

⭐️ Stars: 985

➡️ Cсылка на GitHub

📱 @git_developer

awesome-bash

Писать Bash-скрипты не так уж просто: туториалы и инструменты раскиданы по всему интернету, и если хочется нормально поучиться или найти удобную библиотеку, приходится тратить кучу времени на поиск и разбор.

Совсем недавно наткнулся на опенсорсный ресурс Awesome Bash. Это подборка отобранных ресурсов и инструментов для разработки на Bash.

Все разложено по десяткам категорий: учебные материалы, консольные утилиты, фреймворки для разработки, инструменты для тестирования и так далее, так что получается почти полноценный путь обучения от входа до продвинутого уровня.

В подборку входят официальное руководство по Bash, гайд по типичным ошибкам новичков, рекомендации по стилю от Google для shell-скриптов и другие обучающие материалы. Плюс там есть полезные консольные тулзы вроде улучшенной работы с историей, закладок для директорий, подсветки синтаксиса и так далее.

Разработческая часть тоже неплохо прокачана: собраны фреймворки для юнит-тестирования, инструменты для форматирования кода, статический анализатор ShellCheck, а также разные библиотеки и фреймворки, которые упрощают написание скриптов.

Проект постоянно обновляется и поддерживается, качество ресурсов контролируется. Тем, кто пишет на Bash или планирует, определенно имеет смысл сохранить в закладки.

📁 Language: #Shell 100.0%

⭐️ Stars: 9.2k

➡️ Cсылка на GitHub

📱 @git_developer

inksight

Когда фотографируешь рукописные заметки и хочешь превратить их в редактируемый цифровой документ, обычный OCR распознаёт только текст и теряет сами штрихи письма. А профессиональные планшеты для рукописного ввода требуют отдельного оборудования.

Недавно на GitHub появился InkSight — это опенсорсный проект от Google для преобразования рукописных заметок. Он умеет превращать фото рукописного текста в векторные штрихи, сохраняя траекторию письма, с поддержкой редактирования и поиска.

Система построена на архитектуре ViT + mT5 (encoder–decoder). Модель проходит двойное обучение через этапы «чтения» и «письма», благодаря чему она не только понимает рукописный текст, но и умеет восстанавливать сам процесс письма.

Поддерживается многоязычное распознавание, разные фоны и стили письма. Есть два режима конвертации:

на уровне слов,

и на уровне всей страницы.

На выходе получается векторный цифровой почерк, который можно напрямую редактировать, искать по нему или импортировать в заметочные приложения.

Также есть онлайн-демо на Hugging Face, выложен полный датасет и примеры кода в Jupyter для локального запуска.

📁 Language: #Python 13.2%

⭐️ Stars: 759

➡️ Cсылка на GitHub

📱 @git_developer

MedLLMsPracticalGuide

Если хочешь глубоко погрузиться в медицинские большие языковые модели, то среди огромного потока статей и разрозненных датасетов легко потеряться и не понять, с чего начать выстраивать системную базу знаний.

Проект MedLLMsPracticalGuide на GitHub как раз закрывает эту проблему, предлагая подробное практическое руководство по медицинским LLM, основанное на свежем обзорном материале из Nature Reviews Bioengineering.

В гайде разобран полный пайплайн от построения модели (предобучение, дообучение, промпт-инжиниринг) до прикладных сценариев использования. В том числе рассматриваются такие популярные архитектуры, как BioGPT и Med-PaLM.

В подборку включены ключевые медицинские датасеты вроде PubMed и MIMIC-III, а также детально разложены по шагам прикладные задачи: суммаризация текстов, вопрос-ответ, извлечение сущностей и другие даунстрим-таски.

Авторы не только собрали существующие open-source ресурсы, но и глубоко разобрали проблемы галлюцинаций, приватности и безопасности, а также направления будущего развития, включая мультимодальные модели и Agent-подходы.

И для начинающих исследователей, и для разработчиков, ищущих реальные кейсы внедрения, этот список точно стоит сохранить. Он экономит массу времени на ручной отбор материалов.

⭐️ Stars: 1.9k

➡️ Cсылка на GitHub

📱 @git_developer

ChatGPT MD

Иногда хочется прямо в заметках Obsidian общаться с AI, без постоянного переключения между окнами и без риска для приватности, который есть у онлайн-сервисов.

Недавно на GitHub попался плагин ChatGPT MD, который позволяет бесшовно интегрировать ChatGPT, OpenRouter и локальные большие языковые модели прямо в Obsidian.

Он поддерживает запуск диалогов прямо в любой заметке, умеет подтягивать другие заметки как контекст, а вся история переписки хранится полностью локально, без передачи через сторонние серверы.

Помимо OpenAI, можно подключать модели с платформы OpenRouter, включая Claude, Gemini, DeepSeek, либо использовать локальные модели через Ollama и LM Studio с полностью офлайн-режимом.

Для каждой заметки можно отдельно настраивать параметры модели. Есть поддержка рендеринга Markdown, автогенерации заголовков, переиспользования шаблонов и других функций.

Если ты хочешь эффективно использовать AI прямо в Obsidian и при этом держать диалоги и заметки в едином пространстве, этот плагин точно стоит попробовать.

📁 Language: #TypeScript 95.3%

⭐️ Stars: 1.2k

➡️ Cсылка на GitHub

📱 @git_developer

🌍 Код на практике: как встроить профессиональную 4K-видеосвязь и чаты в ваше приложение?

10 декабря в 11:00 мск команда Труконф покажет в прямом эфире, как с помощью набора TrueConf VideoSDK интегрировать технологии для общения в любое решение.

Не нужно писать своё ядро или заимствовать открытый код — можно взять готовый отточенный продукт и встроить современную видеоконференцсвязь и корпоративный мессенджер в ваши решения на Windows.

Что вас ждёт:

⚡️ Подробный разбор возможностей VideoSDK
⚡️ Примеры интеграции в собственные приложения
⚡️ Ответы на технические вопросы в прямом эфире

🔗 Регистрируйтесь по ссылке и создавайте новые ИТ-решения вместе с нами!

easy-llm-cli

Многие, кто привык писать код прямо в терминале, постоянно спотыкаются о то, что каждый AI-инструмент привязан к своему конкретному модели. В итоге в одном CLI гибко переключаться между разными LLM оказывается не так-то просто.

На GitHub нашёлся как раз подходящий опенсорс — Easy LLM CLI. Проект построен поверх Google Gemini CLI, но при этом полностью снимает ограничение на один единственный модельный бекенд.

Он умеет работать с Gemini, OpenAI, Claude, DeepSeek и даже с локальными моделями через Ollama.

Поддерживает MCP (Model Context Protocol) для подключения инструментов, умеет читать контекст кода прямо из репозитория и может автоматом выполнять Git-операции, рефакторить код или генерировать приложение.

Работает в Node.js-окружении, можно запускать через npx без установки. Модели настраиваются обычными переменными окружения — подставляешь нужный провайдер и работаешь.

Хороший вариант для тех, кто не хочет привязываться к одному вендору и любит решать задачи прямо из терминала.

📁 Language: #TypeScript 96.0%

⭐️ Stars: 1.1k

➡️ Cсылка на GitHub

📱 @git_developer

claude-mem

Писать код с Claude Code больше всего мешает его амнезия после перезапуска сессии. Каждый раз заново объяснять контекст проекта утомляет, жрет токены и ломает рабочий темп.

На GitHub есть проект claude-mem, который как раз решает эту проблему. Он добавляет Claude Code постоянную внешнюю память.

Инструмент автоматически фиксирует наши действия и вызовы тулов, собирает семантические сводки и сохраняет их, чтобы AI помнил ход разработки.

Поддерживается поиск по истории проекта обычным языком. Можно даже быстро найти конкретное исправление бага или цепочку принятых решений.

Механизм работает по принципу постепенного раскрытия: загружает детальный контекст только тогда, когда он реально нужен. Это заметно экономит токены при старте каждой сессии.

Устанавливается одной командой через плагинные инструкции Claude Code, а в комплекте идет локальный веб-интерфейс для просмотра памяти в реальном времени.

Есть и механизм приватности: чувствительные данные можно отфильтровать по тегам, чтобы ничего важного не покидало локальную машину.

Если ты активно ведешь разработку через Claude Code, этот модуль, который делает AI все более вкурсе твоего проекта, точно стоит добавить в рабочий процесс.

📁 Language: #JavaScript 68.9%

⭐️ Stars: 1.1k

➡️ Cсылка на GitHub

📱 @git_developer

⚡️⚠️📊Сделал подборку рекомендую вам ознакомьтесь 🤙

• Арсенал Безопасника — Лучшие инструменты для хакинга и OSINT

• Хакер | Red Team — Библиотека Хакера тут вы найдете только эксклюзив! Автор делится лучшим. (новинка)

• Max Open Source — Полезные статьи и бесплатные курсы по этическому хакингу, пентесту, программированию и информационным технологиям.

• IT MEGA — Тут эксклюзивные материалы, курсы по программированию, информационная безопасность хакингу, Osint и IT.

• Книги | Books — Одна из крупных библиотек в сегменте Telegram. Тысячи книг и полезного материала.

• Библиотека Cobalt Strike — Все для знакомства с хакингом, пентестом, эксклюзивной информация, курсы, книги, статьи и инструменты.

• Журнал Хакер — Журнал хакер, канал архив, все выпуски с 1999- до последнего! Удивительный мир!

• Библиотека разведчика Osint — Единственная в своем роде библиотека по теме OSINT, разведки в сети, сбору информации, технологии конкурентной разведки, поиск о цели.

‼️ В общей сложности, данные проекты насчитывают терабайты курсов и книг. Присоединяйся 📲💻

openskills

Надо признать, что навыки Claude Code реально удобные, а вот заставить те же навыки работать в Cursor, Windsurf и прочих инструментах — та ещё морока.

И тут как раз попался OpenSkills, опенсорсный проект, который переносит систему навыков Claude Code во все AI-помощники для кодинга.

Через CLI он фактически воспроизводит весь механизм навыков Claude Code: тот же формат промтов, тот же маркет навыков, та же структура каталогов, только вызовы идут не через IDE, а через команды в терминале.

После установки одной командой можно подтянуть навыки из официального репозитория Anthropic: работа с PDF, редактирование Excel, создание документов и десятки других профнавыков. Можно ставить и кастомные навыки из любого GitHub-репо.

Если ты работаешь в Cursor, Windsurf или Aider и хочешь получить уровень навыков Claude Code, или просто хочешь шарить конфигурацию навыков между разными помощниками, этот инструмент точно стоит попробовать.

📁 Language: #TypeScript 92.5%

⭐️ Stars: 1.9k

➡️ Cсылка на GitHub

📱 @git_developer

all-agentic-architectures

Хочешь системно разобраться в архитектуре AI-агентов, но почти все доступные материалы либо тонут в абстрактных академических статьях, либо сводятся к примитивным демкам, которые сложно применить на практике.

Недавно на GitHub появился опенсорс-проект all-agentic-architectures, который по ощущениям тянет на полноценный практический учебник по современному дизайну AI-агентов.

В репозитории собрано 17 популярных архитектур агентов: от базовых подходов вроде ReAct и tool calling до продвинутых сценариев с мультиагентным взаимодействием, саморефлексией и коррекцией поведения.

Все примеры оркестрируются через LangGraph и подробно разбирают сложные паттерны: Tree of Thoughts (ToT), долгосрочную память, blackboard-архитектуру и другие нетривиальные модели мышления.

Проект включает полностью исполняемые Jupyter Notebook’и, которые превращают абстрактные идеи в наглядный, рабочий код, а не рассуждения на бумаге.

Отдельный плюс — встроенный подход к количественной оценке, где LLM используется для скоринга качества работы агента. Для продакшена это критически важная часть, о которой обычно забывают.

Отличная отправная точка для тех, кто хочет глубже понять внутреннюю логику агентных систем или ищет зрелые архитектурные паттерны для разработки сложных AI-агентов.

⭐️ Stars: 1.7k

➡️ Cсылка на GitHub

📱 @git_developer

shapash

Обучить модель машинного обучения — это только первый шаг. Самая болезненная часть начинается, когда нужно объяснить начальству или бизнес-команде, почему модель выдала именно такой прогноз. В случае с «черными ящиками» обычно просто нечего сказать.

Недавно я нашел на GitHub библиотеку Shapash — Python-инструмент, который как раз помогает сделать модель «понятной», превращая сложную алгоритмическую логику в наглядные визуализации.

Библиотека умеет генерировать интерактивную веб-панель, где наглядно показано, какие признаки и как влияют на работу модели. Поддерживается детальный разбор от глобального уровня до отдельных предсказаний. И самое важное — все графики сопровождаются понятными бизнес-лейблами, так что даже люди без техбэкграунда смогут быстро разобраться.

Работает с CatBoost, XGBoost, LightGBM и Sklearn — то есть покрывает основные ML-фреймворки.

Помимо визуализации, библиотека может одним вызовом собрать отдельный HTML-отчет для аудита. Есть даже легковесный предиктор для продакшена, который ставится через pip и сразу готов к использованию.

Если ты регулярно показываешь результаты моделей нетехническим командам или тебе нужна прозрачность для регуляторных проверок, этот проект реально экономит кучу времени на объяснениях.

📁 Language: #Python 14.3%

⭐️ Stars: 3.1k

➡️ Cсылка на GitHub

📱 @git_developer