project_aura

Это проект, представляющий собой станцию мониторинга качества воздуха на базе микроконтроллера ESP32-S3 с пользовательским интерфейсом на основе библиотеки LVGL.

Станция собирает данные о качестве воздуха и передает их через протокол MQTT, обеспечивая интеграцию с системами умного дома, такими как Home Assistant.

Проект включает в себя как аппаратную, так и программную части, предоставляя полный набор инструментов для создания и настройки устройства.

📁 Language: #Cpp 94.8%

⭐️ Stars: 386

➡️ Cсылка на GitHub

📱 @git_developer

MySearch-Proxy

MySearch-Proxy — объединяет поиск через Tavily / Firecrawl / X в MCP + Skill + Console

Это не просто «единый поиск» — скорее, это упаковка всего того набора, который обычно каждый раз приходится собирать вручную.

Сразу идёт комплект из трёх компонентов: MCP + Skill + Console, причём чётко разделены роли Tavily / Firecrawl / X (и есть возможность подключить свой агрегирующий шлюз).

📁 Language: #Python 70.1%

⭐️ Stars: 43

➡️ Cсылка на GitHub

📱 @git_developer

Awesome Codex Subagents

Коллекция из 130+ субагентов, разбитых по категориям и заточенных под реальные рабочие процессы разработки.

Субагенты — это специализированные помощники, которые позволяют Codex выполнять конкретные задачи (ревью, отладка, документация, инфраструктура и т.д.) с более понятным результатом и меньшим «шумом» в контексте.

Каждый из них работает в собственном контексте и со своими инструкциями, благодаря чему рабочие процессы становятся более структурированными.

Не просто универсальные промпты, а специализированные агенты для задач вроде ревью, отладки, документации, инфраструктуры и других.

⭐️ Stars: 262

➡️ Cсылка на GitHub

📱 @git_developer

Project N.O.M.A.D.

В последнее время хотел развернуть офлайн-базу знаний: и Wikipedia поставить, и AI-чат подключить, плюс карты и инструменты для заметок — но всё это приходится поднимать и настраивать по отдельности, что довольно муторно.

И вот сегодня на GitHub наткнулся на опенсорс-проект Project N.O.M.A.D. — он позволяет одной командой задеплоить полноценный офлайн-сервер знаний.

Через контейнеризацию на Docker автоматически устанавливаются и конфигурируются: офлайн-версия Wikipedia, локальный AI-ассистент, курсы Khan Academy, офлайн-карты, инструменты шифрования данных и система заметок. Также есть визуальный интерфейс управления для централизованного контроля.

AI-чат построен на базе Ollama и Qdrant, поддерживает загрузку документов для семантического поиска. Картографический модуль позволяет скачивать региональные карты и использовать их офлайн, а образовательная платформа включает полный курс Khan Academy с поддержкой трекинга прогресса для нескольких пользователей.

Дополнительно в комплекте есть инструмент бенчмаркинга железа — можно отправлять результаты производительности устройства в общий рейтинг сообщества. Проект спроектирован без телеметрии и после установки полностью работает офлайн.

📁 Language: #TypeScript 91.5%

⭐️ Stars: 2.8k

➡️ Cсылка на GitHub

📱 @git_developer

job-ops

При поиске работы, когда рассылаешь резюме «вслепую», сложно понять, какие вакансии реально подходят, и легко запутаться, куда уже откликался. Дальнейший фоллоу-ап обычно ведётся вручную в таблицах — это, конечно, головная боль.

Недавно на GitHub наткнулся на опенсорс-инструмент для управления поиском работы — JobOps, который реализует полностью автоматизированный AI-пайплайн для джоб-хантинга.

Он умеет автоматически парсить вакансии с основных job-платформ и с помощью AI матчит их с нашим опытом, выставляя скоринг по релевантности.

При нахождении вакансий с высоким скором инструмент, опираясь на описание позиции, автоматически генерирует кастомизированное PDF-резюме под конкретную вакансию и сразу отправляет отклик.

Более того, есть трекинг почты: после подключения email система автоматически распознаёт приглашения на интервью или отказы и в реальном времени обновляет статус откликов.

Поддерживается локальный деплой в один клик через Docker, все данные хранятся локально. Тем, кто сейчас в поиске работы, стоит присмотреться к этому инструменту.

📁 Language: #TypeScript 98.7%

⭐️ Stars: 2k

➡️ Cсылка на GitHub

📱 @git_developer

Maestro

При разработке мобильных приложений или end-to-end тестировании веба традиционные инструменты либо сложно настраивать и тяжело осваивать, либо тестовые скрипты легко ломаются при изменениях интерфейса — в итоге высокая стоимость поддержки.

Сегодня в GitHub Trending наткнулся на open-source фреймворк Maestro — тесты пишутся на простом YAML, и первый тест-кейс можно сделать буквально за 5 минут.

Поддерживает Android, iOS и веб-приложения, включая React Native, Flutter и другие фреймворки. Можно запускать на эмуляторах, реальных устройствах или в браузере. Есть встроенный механизм “умного ожидания”, который автоматически обрабатывает динамический UI — не нужно руками прописывать задержки.

Также есть визуальный редактор Maestro Studio: можно записывать пользовательские действия, инспектить элементы, визуально собирать тестовые сценарии, плюс есть встроенная AI-помощь для генерации тест-команд.

Настройка окружения максимально простая — установка одной командой, а тесты можно запускать сразу, без компиляции.

Подойдёт командам, которые часто делают UI-тестирование — помогает существенно сократить время на поддержку автотестов.

📁 Language: #Kotlin 77.3%

⭐️ Stars: 12.8k

➡️ Cсылка на GitHub

📱 @git_developer

HyperAgent

При написании автотестов или парсеров с использованием классического Playwright часто приходится постоянно поддерживать различные селекторы элементов.

Стоит лишь немного измениться структуре целевой страницы — и существующие скрипты начинают падать и перестают работать, а их поддержка становится довольно трудозатратной.

Недавно на GitHub наткнулся на open-source проект HyperAgent, который изящно объединяет Playwright с большими языковыми моделями.

Он позволяет управлять браузером с помощью естественного языка и выполнять сложные задачи автоматизации без необходимости писать кучу хрупкого кода с селекторами.

Поддерживает как одношаговые операции (быстро и дёшево), так и сложные многошаговые сценарии, включая визуальное понимание и адаптивную подстройку.

Также есть встроенное кеширование действий: записанный один раз workflow можно воспроизводить повторно без необходимости каждый раз обращаться к LLM.

На низком уровне используется напрямую Chrome DevTools Protocol, что обеспечивает более точное выполнение действий, автоматическую фильтрацию рекламных фреймов и поддержку работы с глубоко вложенными iframe.

Кроме того, есть поддержка облачного масштабирования: через Hyperbrowser можно быстро развернуть сотни сессий, а также интегрироваться с MCP-инструментами для построения полноценных workflow.

Если вы используете Playwright для автоматизации тестирования или сбора данных и устали от постоянной поддержки селекторов — этот проект определённо стоит попробовать.

📁 Language: #TypeScript 97.2%

⭐️ Stars: 1.1k

➡️ Cсылка на GitHub

📱 @git_developer

tennis

Это инструмент командной строки для отображения CSV-таблиц в терминале с улучшенным форматированием.

Он поддерживает автоматическое определение ширины колонок и выравнивание данных для лучшей читаемости.

Программа позволяет настраивать стили границ и разделителей, а также поддерживает цветовое выделение для улучшения визуального восприятия.

📁 Language: #Zig 92.7%

⭐️ Stars: 375

➡️ Cсылка на GitHub

📱 @git_developer

collab-public

Обычно, когда используешь AI-ассистентов для программирования, постоянно приходится переключаться между терминалом, редактором и документацией — из-за этого легко теряется ход мысли.

Недавно на GitHub наткнулся на Collaborator — end-to-end рабочее пространство, специально спроектированное для разработки Agent’ов.

При запуске — это бесконечный canvas, где терминал, контекстные файлы и выполняемый код разложены в одном интерфейсе.

Двойной клик по пустому месту создаёт новый терминал для запуска Agent’а, а файлы можно перетаскивать из сайдбара — сразу открываются для предпросмотра или редактирования.

Это избавляет от постоянного переключения между окнами и вкладками, позволяя AI и коду работать бок о бок.

Сейчас проект находится на ранней стадии и активно развивается, пока поддерживаются только устройства на macOS с Apple Silicon.

Есть скрипт для установки в один клик, терминал под капотом работает на tmux, все данные сохраняются локально.

Подойдёт тем, кто часто экспериментирует с разработкой AI-агентов — стоит попробовать, чтобы прочувствовать такой иммерсивный ритм кодинга.

📁 Language: #TypeScript 73.7%

⭐️ Stars: 1.2k

➡️ Cсылка на GitHub

📱 @git_developer

alexandria-audiobook

Слушать аудиокниги удобно, но если нужно конвертировать имеющийся роман или электронную книгу в аудиоформат, большинство инструментов выдают «механический» голос с одним тембром — без разделения персонажей и эмоциональной выразительности.

Недавно наткнулся на open-source проект Alexandria Audiobook Generator, который с помощью AI автоматически размечает текст и генерирует аудиокнигу с озвучкой нескольких персонажей. Сначала большая модель парсит весь текст книги, точно разделяя нарратив (описание) и реплики разных персонажей, а также проставляет эмоциональные теги.

В проект встроен локальный TTS-движок: поддерживаются разные языки, а такие вещи, как вздохи, смех и прочие паралингвистические элементы, воспроизводятся естественно с учётом контекста.

Есть удобный UI, где можно назначать разные голоса для каждого персонажа; также поддерживается клонирование голоса по короткому аудио-сэмплу (буквально несколько секунд).

Поддерживается one-click локальный деплой — без необходимости использовать внешние голосовые сервисы, всё работает полностью на локальной машине.

На выходе можно экспортировать аудиокнигу в формате M4B с главами или в виде многодорожечного аудио. Отличный вариант для тех, кто любит аудиокниги или занимается созданием аудиоконтента.

📁 Language: #Python 58.3%

⭐️ Stars: 422

➡️ Cсылка на GitHub

📱 @git_developer

alexandria-audiobook

Слушать аудиокниги удобно, но если нужно конвертировать имеющийся роман или электронную книгу в аудиоформат, большинство инструментов выдают «механический» голос с одним тембром — без разделения персонажей и эмоциональной выразительности.

Недавно наткнулся на open-source проект Alexandria Audiobook Generator, который с помощью AI автоматически размечает текст и генерирует аудиокнигу с озвучкой нескольких персонажей. Сначала большая модель парсит весь текст книги, точно разделяя нарратив (описание) и реплики разных персонажей, а также проставляет эмоциональные теги.

В проект встроен локальный TTS-движок: поддерживаются разные языки, а такие вещи, как вздохи, смех и прочие паралингвистические элементы, воспроизводятся естественно с учётом контекста.

Есть удобный UI, где можно назначать разные голоса для каждого персонажа; также поддерживается клонирование голоса по короткому аудио-сэмплу (буквально несколько секунд).

Поддерживается one-click локальный деплой — без необходимости использовать внешние голосовые сервисы, всё работает полностью на локальной машине.

На выходе можно экспортировать аудиокнигу в формате M4B с главами или в виде многодорожечного аудио. Отличный вариант для тех, кто любит аудиокниги или занимается созданием аудиоконтента.

📁 Language: #Python 58.3%

⭐️ Stars: 422

➡️ Cсылка на GitHub

📱 @git_developer

mockd

mockd — это однофайловый многопротокольный API mock-сервер на Go, который, похоже, хочет сразу «поглотить весь зоопарк mock-инструментов».

HTTP, gRPC, GraphQL, WebSocket, MQTT, SSE, SOAP — всё в одном месте. Но действительно обращает на себя внимание не столько количество протоколов, сколько то, что туда ещё впихнули import, record/replay, stateful CRUD, dashboard и cloud tunnel.

📁 Language: #Go 99.5%

⭐️ Stars: 66

➡️ Cсылка на GitHub

📱 @git_developer