AppUpdater

При разработке macOS-приложений добавление автообновлений через Sparkle и похожие фреймворки часто превращается в боль: куча зависимостей, сложная конфигурация, лишняя тяжеловесность.

На GitHub нашёлся AppUpdater — компактная опенсорсная библиотека, которая использует GitHub Releases для тихих обновлений macOS-приложений.

Проект переработан на базе классического AppUpdater: убрали зависимость от PromiseKit и полностью перешли на async/await, код стал современнее и проще в поддержке.

Поддерживает SwiftUI: буквально несколько строк кода — и у тебя есть проверка обновлений, загрузка и автоматическая установка. Также есть мультиязычные release notes.

Встроена настройка прокси, что решает частые проблемы с доступом к GitHub API из Китая, плюс есть проверка кодовой подписи, чтобы обновления были безопасными.

По сравнению с тяжёлыми решениями вроде Sparkle это более подходящий вариант для инди-разработчиков: минимальные затраты — и при этом надёжная и безопасная доставка обновлений.

📁 Language: #Swift 100.0%

⭐️ Stars: 178

➡️ Cсылка на GitHub

📱 @git_developer

OpenContracts

Когда работаешь с юридическими документами и договорами, боль обычно не в самом чтении, а в том, чтобы из сотен и тысяч файлов вытащить ключевую инфу, разметить важные пункты и при этом привести данные к единому формату, чтобы потом нормально анализировать.

Недавно на GitHub попался OpenContracts, опенсорсная платформа для анализа документов, заточенная под knowledge-intensive задачи, чтобы управление документами и извлечение данных было проще и быстрее.
Поддерживает загрузку, разметку и анализ PDF и текстовых документов. Внутри есть плагинный движок парсинга, который может автоматически извлекать признаки лейаута документа и строить векторные эмбеддинги для дальнейшего поиска/ретривала.

Главная фича это пакетное извлечение данных: можно одновременно задавать вопросы по сотням документов и вытаскивать структурированные данные, а результаты сразу подсвечиваются прямо в исходнике. Ещё есть поддержка кастомных схем метаданных, совместной разметки, управления доступами и прочих enterprise-историй.

Платформа построена на фреймворке PydanticAI: там собрана полноценная LLM-система с управлением диалогом и стримингом ответов в реальном времени. Разворачивается быстро через Docker.

Если у тебя много контрактов, юрдоков или другой “тяжёлой” по знаниям документации, и хочется превратить анализ из ручной рутины в более системный воркфлоу, платформу стоит попробовать.

📁 Language: #Python 52.0%

⭐️ Stars: 1.1k

➡️ Cсылка на GitHub

📱 @git_developer

awesome-ai-for-science

В научных исследованиях чаще всего выматывают не сами эксперименты, а бесконечное чтение статей, бесконечная чистка данных и нескончаемые презентации для отчетов.

На GitHub нашлась отличная подборка Awesome AI for Science — это систематизированный список инструментов и ресурсов, показывающий, как ИИ применяется на всех этапах научной работы.

Внутри — десятки категорий: управление литературой, анализ данных, превращение статей в постеры, автоматизация экспериментов и многое другое. Есть и специализированные инструменты для биологии, химии, физики и других областей.

В коллекции есть, например, Paper2Poster, который автоматически превращает научные статьи в постеры, MinerU — мощный инструмент для парсинга документов, и The AI Scientist — система для полностью автоматизированных исследований.

Также собраны современные научные статьи, датасеты, вычислительные фреймворки и образовательные материалы. По сути, это полный toolchain для AI-ассистированного ресерча. Определенно стоит сохранить.

⭐️ Stars: 674

➡️ Cсылка на GitHub

📱 @git_developer

Constrict

Нужно сжать видео до заданного размера для загрузки. Ручная подгонка битрейта с кучей проб и ошибок отнимает время, а онлайн-сервисы вызывают вопросы к приватности и скорости.

На GitHub нашелся Constrict — open-source инструмент для сжатия видео. Ты просто задаешь целевой размер файла, а он сам рассчитывает оптимальные параметры кодирования. Все обрабатывается локально, без загрузок в облако.

Инструмент построен на FFmpeg и автоматически подбирает битрейт, разрешение, FPS и качество аудио, стараясь сохранить максимум качества при нужном размере.

Поддерживает пакетную обработку в одну директорию, ограничение FPS для баланса четкости и плавности, а также кодеки H.264, HEVC, AV1 и VP9.

Если часто приходится ужимать видео под конкретный лимит и не хочется возиться с настройками или онлайн-сервисами, стоит попробовать.

📁 Language: #Python 94.2%

⭐️ Stars: 323

➡️ Cсылка на GitHub

📱 @git_developer