SvgPathEditor

Если занимаешься дизайном или фронтенд-разработкой, то SVG-пути приходится править постоянно. Обычно это выглядит так: бесконечно переключаешься между кодом и превью, меняешь координаты почти наугад. Медленно и утомительно.

Недавно на GitHub нашёл открытый инструмент SvgPathEditor. Он позволяет визуально редактировать SVG-пути прямо в браузере: перетаскиваешь точки мышкой и сразу видишь результат, чистый WYSIWYG.

Можно просто вставить код SVG-пути и редактировать его, либо создать путь с нуля: кликаешь, добавляешь команду и указываешь точки прямо на холсте.

Поддерживается drag-and-drop для контрольных точек, по клику на команду можно переключать относительные и абсолютные координаты, вставлять, удалять и преобразовывать типы команд. Есть операции масштабирования, панорамирования, поворота, округления координат, а также undo/redo.

Есть онлайн-версия, которая работает сразу из коробки, и возможность развернуть локально. Отлично подходит фронтенд-разработчикам для точной подгонки деталей иконок.

📁 Language: #TypeScript 65.5%

⭐️ Stars: 4.7k

➡️ Cсылка на GitHub

📱 @git_developer

Awesome local LLM

Если хочешь развернуть большую языковую модель локально, легко утонуть в куче инструментов и гайдов. То Ollama, то vLLM, плюс десятки фреймворков для дообучения. В итоге сложно понять, за что браться и какой стек вообще рабочий.

Случайно наткнулся на GitHub-проект Awesome local LLM. По сути, это энциклопедия по запуску LLM локально. Подборка очень полная и при этом хорошо структурирована, помогает быстро разложить весь стек по полочкам.

Внутри есть разделы по inference-платформам, inference-движкам, UI, самим языковым моделям, инструментам для разработки и ещё с десяток категорий. Плюс советы по выбору железа и полезные туториалы.

У каждого проекта указано количество GitHub Stars и короткое описание, так что можно быстро оценить популярность и понять, для чего он нужен. Также собраны обучающие ресурсы, включая YouTube-гайды и обзоры железа.

Если планируешь собирать локальное окружение под LLM или ищешь open source инструменты под конкретные задачи, эту подборку точно стоит сохранить.

⭐️ Stars: 613

➡️ Cсылка на GitHub

📱 @git_developer

nexa-sdk

Если хочется запустить быстрый, полностью офлайн и бесплатный AI-модель прямо на своём компе или телефоне, можно посмотреть в сторону Nexa SDK. Это open-source проект.

По сути, сейчас это одно из самых интегрированных и полноценных решений на рынке среди опенсорса, с нормальной экосистемой и инструментарием.

За счёт собственной технологии сжатия моделей он спокойно работает без интернета и за миллисекунды прогоняет поиск по тысячам локальных фотографий.

С обработкой десятков тысяч чувствительных документов тоже проблем нет. Все данные остаются на устройстве, так что по безопасности и приватности это сильно выигрывает у облачных API.

Есть полная совместимость с OpenAI API, поэтому его можно без боли встраивать в уже существующие дев-воркфлоу.

Плюс в комплекте идёт готовый CLI. Одна команда — и модель скачана и запущена. Вкатиться можно буквально за пару минут.

📁 Language: #Go 50.8%

⭐️ Stars: 6.5k

➡️ Cсылка на GitHub

📱 @git_developer

sokuji

При созвонах с зарубежными клиентами или просмотре иностранных стримов языковой барьер быстро становится проблемой. Большинство инструментов для синхронного перевода либо дорогие, либо дают посредственное качество.

В GitHub нашёл Sokuji — open-source инструмент, заточенный именно под реальный перевод речи в онлайне.

Он подключается к OpenAI, Google Gemini и другим популярным LLM, в реальном времени слушает микрофон и сразу воспроизводит переведённую речь.

Кроме десктопной версии есть браузерное расширение для Chrome и Edge, с нормальной поддержкой сценариев Google Meet и Microsoft Teams.

На Linux можно поднять виртуальное аудиоустройство и напрямую прокидывать переведённый звук в другие приложения. Есть поддержка сквозного аудиопотока и визуализации звука в реальном времени.

Доступны установочные пакеты для Windows, macOS и Linux. Браузерные расширения уже опубликованы в магазинах Chrome и Edge.

📁 Language: #TypeScript 60.2%

⭐️ Stars: 352

➡️ Cсылка на GitHub

📱 @git_developer

Reconya

Когда в домашней или корпоративной локалке висит куча IP-адресов и нужно понять, какие устройства вообще подключены, обычно приходится залипать в админке роутера. Наглядности ноль, деталей минимум.

Случайно на GitHub попался Reconya — опенсорсный проект для обнаружения устройств в локальной сети и их мониторинга в реальном времени.

Сделан на Go и HTMX. Автоматически сканирует сеть и находит все устройства: поддерживает активное сканирование IPv4 и пассивное прослушивание IPv6.

Умеет глубоко разбирать информацию об устройствах — показывает MAC-адрес, вендора железа, hostname и даже тип операционной системы.

В комплекте есть наглядная web-панель: видно топологию сети и онлайн-статус устройств.

Также есть скрипт установки в один клик — сам определяет тип системы, ставит зависимости и сразу запускается.

Подойдёт сетевым администраторам или тем, кто хочет проверить, не сидит ли кто-то лишний в домашнем Wi-Fi.

📁 Language: #Go 47.5%

⭐️ Stars: 895

➡️ Cсылка на GitHub

📱 @git_developer

BentoPDF

Когда нужно поработать с PDF, онлайн-инструменты из поиска обычно требуют загрузить файлы на их серверы и при этом упираются в кучу ограничений по функционалу. В итоге больше раздражения, чем пользы.

Случайно наткнулся на GitHub на BentoPDF — это open source PDF-тулбокс, где вся обработка происходит локально в браузере. Файлы никуда не отправляются.

Внутри больше 50 полезных инструментов: объединение и разбиение PDF, редактирование и конвертация, шифрование и сжатие. Можно создавать заполняемые формы, добавлять водяные знаки и номера страниц, делать OCR и вытаскивать текст.

Плюс поддерживаются разные форматы изображений для конвертации в PDF, включая HEIC и WebP. Можно работать с Markdown, JSON и другими форматами, а также чинить повреждённые PDF.

Есть Docker-образ для быстрого деплоя. Либо можно скачать готовую сборку и развернуть на любом веб-сервере. Поддерживается установка в подкаталог и упрощённый режим интерфейса.

📁 Language: #JavaScript 55.3%

⭐️ Stars: 7.7k

➡️ Cсылка на GitHub

📱 @git_developer

VideoPipe

Разрабатывать приложение для видеоаналитики с детекцией, распознаванием, трекингом, анализом поведения и прочими фичами, начиная с нуля, — это огромный объём работы.

На GitHub нашёл VideoPipe — опенсорсный фреймворк, заточенный именно под сборку видеоаналитических приложений. Функциональные узлы можно комбинировать как конструктор, собирая нужный пайплайн под задачу.

Фреймворк закрывает полный цикл: чтение и декодирование видео, многоуровневый инференс, трекинг объектов, анализ поведения, отправка данных, запись и скриншоты, наложение графики, кодирование и стриминг видео. Плюс есть поддержка интеграции мультимодальных LLM.

В комплекте больше 40 демо-примеров: распознавание и трекинг лиц, детекция автомобилей, оценка позы, face swap и другие сценарии. Есть подробные видеоуроки и документация.

Написан на C++, с минимальными зависимостями и хорошей переносимостью. Архитектура конвейерная: каждый узел работает независимо и свободно комбинируется. Поддерживаются разные inference-бэкенды, включая OpenCV, TensorRT и PaddleInference.

Если ты занимаешься видео-структурированием, умным видеонаблюдением, транспортной аналитикой или просто хочешь быстро собрать прототип video AI-приложения, этот фреймворк точно стоит посмотреть.

📁 Language: #Cpp 99.2%

⭐️ Stars: 2.1k

➡️ Cсылка на GitHub

📱 @git_developer

cocoindex

При разработке RAG-приложений или сборке базы знаний самая больная часть обычно не выбор модели, а дата-пайплайн.

Нужно писать кучу Python-скриптов для очистки данных, чанкинга и векторизации. А как только меняется исходный датасет, приходится гонять полный пересчёт — долго и дорого.

Недавно на GitHub попался CocoIndex — опенсорсный высокопроизводительный фреймворк для трансформации данных, заточенный под AI-сценарии.

Примерно в 100 строках Python можно описать весь процесс: чтение файлов, разбиение на чанки и загрузку эмбеддингов в векторное хранилище.

Поддерживаются разные источники и приёмники данных: локальные файлы, Amazon S3, Google Drive, а также векторные БД вроде Postgres, Qdrant и LanceDB.

Кроме этого, внутри уже есть готовые компоненты для текстового чанкинга, генерации эмбеддингов, парсинга PDF, построения графов знаний и других типовых трансформаций.

В проекте много примеров — больше 20 реальных кейсов: семантический поиск, графы знаний, рекомендации товаров, поиск по изображениям и т.д. Можно брать и использовать как есть.

📁 Language: #Rust 77.4%

⭐️ Stars: 4.6k

➡️ Cсылка на GitHub

📱 @git_developer

XL Converter

При работе с фотками и изображениями постоянно всплывают две боли: файлы слишком тяжёлые и формат не поддерживается. Найти инструмент, который умеет сжимать без потери качества, на практике не так просто.

На GitHub как раз попался открытый проект XL Converter. В одном интерфейсе он закрывает конвертацию между разными форматами изображений.

Поддерживается взаимное преобразование между JPEG XL, AVIF, WebP, JPEG, PNG и другими форматами. Есть параллельная обработка, так что можно гонять сразу пачку файлов.

Также есть поддержка lossless-транскодинга JPEG: размер JPEG-файлов уменьшается примерно на 16–22% без потери качества, и процесс полностью обратимый.

Помимо конвертации форматов, есть ресайз изображений. Можно менять размер по разрешению, в процентах или по минимальной стороне.

Доступны сборки под Windows и Linux, всё работает из коробки. Если часто приходится массово перегонять картинки между форматами, инструмент точно стоит посмотреть.

📁 Language: #Python 94.6%

⭐️ Stars: 399

➡️ Cсылка на GitHub

📱 @git_developer

Docus

Писать техдоку в Markdown просто, но когда дело доходит до нормального сайта с документацией, начинается боль. Хочется, чтобы было красиво, с поиском, мультиязычностью, тёмной темой и без ручной сборки всего стека.

На GitHub как раз нашёлся открытый фреймворк Docus, который решает эту задачу. Одна команда — и у тебя готовый, функциональный сайт документации.

Он построен на Nuxt 4 и из коробки даёт адаптивную вёрстку, тёмный режим, полнотекстовый поиск и i18n. Плюс можно прямо в Markdown использовать Vue-компоненты, без костылей.

Внутри уже всё собрано: Nuxt Content для управления контентом, Nuxt UI как компонентная база, Tailwind CSS для стилей, плюс встроенная оптимизация изображений.

Структура проекта понятная и чистая: контент лежит в папке content, свои компоненты и страницы добавляются напрямую. Не нужно с нуля настраивать весь тулчейн — можно сразу писать документацию и расширять проект по мере необходимости.

📁 Language: #TypeScript 54.3%

⭐️ Stars: 2.4k

➡️ Cсылка на GitHub

📱 @git_developer

Serie

Смотреть историю коммитов Git в терминале то еще удовольствие: вывод git log --graph с его символами читается тяжело, а при большом количестве веток вообще превращается в кашу.

Недавно на GitHub попался открытый проект Serie, который прямо в терминале рисует аккуратную и наглядную визуализацию истории коммитов. По ощущениям почти как GUI-инструменты.

Он использует протоколы отображения изображений в терминальных эмуляторах и рендерит граф коммитов как картинки. Поддерживаются протоколы iTerm2 и Kitty, при этом в WezTerm, Ghostty и других терминалах все работает плавно.

Помимо базового просмотра истории, есть поиск и фильтрация, просмотр списков ссылок, кастомные команды вывода (например, вызов difft для просмотра diff), а также куча горячих клавиш и настроек.

Если хочется прокачать Git-логи в терминале с уровня «ну, терпимо» до «удобно и приятно», инструмент точно стоит попробовать.

📁 Language: #Rust 100.0%

⭐️ Stars: 1.5k

➡️ Cсылка на GitHub

📱 @git_developer

Агентный RAG для чайников

Если хочешь собрать рабочую RAG-систему, то большинство гайдов в интернете заканчиваются на самом базовом "retrieval + generation". Как только появляется многотуровый диалог или более сложная логика, качество ответов часто становится просто ужасным.

На GitHub нашел проект Агентный RAG для чайников. Не ведись на слово "для чайников" в названии: по сути это продакшен-уровневое решение agentic RAG, собранное на LangGraph.

Там добавлены память диалога и иерархическая индексация: сначала точный поиск по маленьким чанкам, потом подтягивание больших чанков как полноценного контекста. Это неплохо лечит проблему, когда модель выдирает фразы без нормального окружения.

Поддерживается параллельная работа нескольких агентов для разруливания сложных запросов. Если инструкция расплывчатая, система может сама переспросить, чтобы уточнить намерение, вместо того чтобы уверенно галлюцинировать.

Еще внутри есть Gradio-интерфейс: управление документами, сохранение диалогов, ручное вмешательство (human-in-the-loop) и прочее. Плюс дается полный гайд по конвертации PDF в Markdown, с инструментами и сравнением вариантов.

Есть быстрый деплой через Docker и подробные Notebook-уроки, так что локально поднять все довольно легко. Если хочешь апгрейднуть базовый RAG до уровня продакшена или ищешь кастомизируемую схему умного поиска, проект стоит попробовать.

📁 Language: #Python 32.1%

⭐️ Stars: 1.2k

➡️ Cсылка на GitHub

📱 @git_developer

OSINT Framework.

Если нужно глубже копнуть по какому-то объекту в интернете, просто хаотично гонять запросы в поисковике — так себе идея. Получается медленно, а инфа в итоге кусками и без структуры.

Наткнулся на GitHub на классический проект OSINT Framework. Это по сути большая шпаргалка по сбору открытой разведданной (OSINT).

Там собраны куча бесплатных тулов и сервисов. Всё разложено как майнд-мапа: юзернеймы, почты, домены, IP, соцсети и так далее — удобно ориентироваться по категориям.

Есть онлайн-версия, ничего ставить не нужно. Просто кликаешь по нужной ветке и смотришь список инструментов по теме. Быстро и наглядно.

Изначально делали под инфобез, но и для обычного бэкграунд-чека или сбора данных по человеку/компании это вполне годный справочник.

📁 Language: #JavaScript 61.4%

⭐️ Stars: 10.3k

➡️ Cсылка на GitHub

📱 @git_developer