PDF Document Layout Analysis

Когда возишься с PDF и нужно точно определить, где заголовок, где таблица, где картинка, большинство инструментов либо мажут мимо, либо перегружены до абсурда.

Нашёл на GitHub проект PDF Document Layout Analysis. Это опенсорс, заточенный под разбор сложной структуры документов.

Он различает больше 11 типов элементов: заголовки, основной текст, таблицы, формулы, изображения и так далее. Плюс сам выстраивает корректный порядок чтения.

Есть экспорт в Markdown и HTML. OCR завёрнут через Tesseract, из коробки поддерживается 150+ языков.

Помимо этого, встроен автоперевод — можно выгнать документ сразу в другую языковую версию, сохранив формат и структуру.

Для работы есть визуальный Web UI, а ещё доступен REST API. Весь стек можно поднять локально через Docker одной командой.

📁 Language: #Python 89.2%

⭐️ Stars: 1k

➡️ Cсылка на GitHub

📱 @git_developer

popcorntime

Сейчас видеоплатформ куча и все вперемешку: чтобы посмотреть один сериал, часто приходится прыгать между несколькими приложениями, а подписки в сумме выходят в приличную сумму.

Недавно на GitHub наткнулся на опенсорс-проект Popcorn Time. Это не просто каталог ссылок, а по сути полностью пересобранная платформа для просмотра контента.

Они каждую неделю выкатывают обновления с актуальными данными по фильмам и сериалам, агрегируют контент, чтобы не бегать и не искать все вручную.

Плюс есть поддержка разных платформ: macOS, Windows, Android, iOS и ТВ-устройства.

Если хочется опенсорс-кинотеатра, который умеет и онлайн-контент смотреть, и локальные файлы нормально менеджить, за проектом стоит последить.

📁 Language: #TypeScript 83.5%

⭐️ Stars: 10.4k

➡️ Cсылка на GitHub

📱 @git_developer

awesome-ai-memory

При разработке AI-агентов самая больная тема это как дать большой модели нормальную "долгую память". На рынке куча вариантов: векторные БД, графовые БД, разные memory-фреймворки. От выбора быстро начинает кипеть голова.

На GitHub попался проект awesome-ai-memory. Это по сути панорама инструментов вокруг AI-памяти, собранная в одном месте.

Инструменты четко разделены на open-source и closed-source, удобно сразу отсеять то, что не хочется тащить в прод по причинам контроля и лицензий.

Есть сравнение по базовой архитектуре хранилища: Graph, Vector или гибрид (и то и другое). Это прям в точку, потому что обычно выбор упирается именно в это.

Дальше все разложено по категориям: memory-компоненты, dev-фреймворки, оптимизаторы и базовые стореджи, чтобы искать не по названию, а по задаче.

Список оформлен таблицей: видно ключевые различия между популярными проектами вроде Cognee, Mem0, Zep и т.д., чтобы не блуждать в выборе инфраструктуры.

Если ты сейчас строишь AI-приложение или копаешь RAG-архитектуру, эту штуку реально стоит сохранить как шпаргалку.

📁 Language: #Python 100%

⭐️ Stars: 434

➡️ Cсылка на GitHub

📱 @git_developer

Ghostty

Все больше людей пересаживается на терминал Ghostty, но настроить его под себя не так-то просто.

Голый текстовый конфиг с кучей параметров: любые правки приходится делать вслепую и каждый раз проверять результат. Довольно муторно.

На GitHub как раз нашёлся полезный тул под названием Ghostty Config, который эту проблему и решает.

Это визуальный генератор конфигов, который позволяет забыть про ручное редактирование конфигурационных файлов.

Он даёт веб-интерфейс, в котором можно наглядно крутить шрифт, цветовую схему, стиль курсора и прозрачность окна.

Самое удобное — справа есть live-превью: сразу видно, как меняются настройки.

Есть онлайн-версия, которой можно пользоваться прямо в браузере, а когда всё настроено — одним кликом экспортировать конфиг.

Также поддерживается локальный деплой: клонируешь репу, поднимаешь у себя, и все данные остаются на твоей машине.

Если ты сейчас ковыряешь Ghostty или просто хочешь освежить тему за счёт новой цветовой схемы, этот инструмент серьёзно экономит время на чтение док и подбор настроек.

📁 Language: #Svelte 53.0%

⭐️ Stars: 2.2k

➡️ Cсылка на GitHub

📱 @git_developer

Tabminal

Часто приходится работать вне офиса или прыгать между устройствами. В обычных терминалах сессия закончилась — и все, контекст пропал, дальше работай заново. Неудобно, особенно когда хочешь продолжить с того же места.

На GitHub наткнулся на Tabminal — опенсорс, который переносит терминал в браузер. Сессии хранятся на сервере, так что можно продолжить работу откуда угодно.

Связь держится через WebSocket, есть поддержка сетевого роуминга: можно сменить сеть или обновить страницу, и состояние не потеряется.

Внутри есть AI-помощник, который учитывает текущую директорию, env-переменные и историю команд. Можно задавать вопросы прямо в терминале. Если команда упала, помощник сам разберёт ошибку и подскажет, как починить.

Плюс встроены Monaco Editor и файловый менеджер — можно править файлы на сервере напрямую в браузере. Есть поддержка PWA, можно поставить как приложение на десктоп.

Для мобильных устройств всё адаптировано: есть виртуальная раскладка под HHKB, на iPad или телефоне терминал работает без боли. Полезно тем, кто регулярно работает в движении.

📁 Language: #JavaScript 78.1%

⭐️ Stars: 98

➡️ Cсылка на GitHub

📱 @git_developer

chroma-cookbooks

При разработке AI-приложений одного чтения API-документации векторной БД мало. Неясно, как применить это на практике, нет полноценных примерных проектов, и в коде легко залипнуть.

На GitHub попался open-source проект Chroma Cookbooks. В нем собрана серия готовых примеров и гайдов по разработке AI-приложений.

Там есть всё от базовых операций вроде embeddings и поиска до сборки полноценного RAG-пайплайна. Примеры показывают, как реально встраивать Chroma в рабочие процессы и продакшн-логику.

Большинство примеров заточены под Chroma Cloud, но их можно использовать и как основу для локальной разработки. Это экономит кучу времени на настройку и экспериментирование.

Вместо сухой документации эта подборка ощущается как рабочая книга рецептов. Подходит тем, кто хочет быстро въехать в векторные БД и собрать свой AI-функционал без долгих блужданий.

📁 Language: #TypeScript 39.8%

⭐️ Stars: 36

➡️ Cсылка на GitHub

📱 @git_developer

Internet Archive Downloader

Если на Internet Archive или HathiTrust попалась нужная книга, но её дают только почитать онлайн по таймеру и без кнопки скачать, то вот решение.

На GitHub есть Internet Archive Downloader — браузерный плагин, который выкачивает такие «взаймы выданные» книги в PDF или набор картинок.

Он проходит книгу постранично, забирает контент и в фоне собирает PDF-поток прямо на диск. Даже если там несколько тысяч страниц, плагин спокойно справляется, памяти почти не жрет.

Функционал:

* выгрузка PDF с текстовым слоем;
* экспорт в JPEG/PNG + текстовый файл;
* параллельная загрузка нескольких книг;
* выбор качества, диапазон страниц, другие параметры.

Работает в Chrome, Edge, Firefox и прочих нормальных браузерах. Можно поставить из стора или вручную.

Важно: скачанные книги использовать только для учебы и ресерча. Если привыкли читать офлайн и локально, можно попробовать.

📁 Language: #JavaScript 93.7%

⭐️ Stars: 1.1k

➡️ Cсылка на GitHub

📱 @git_developer

ClickClickClick

Хочется, чтобы телефон или комп сам разбирался с рутиной, но обычно для этого надо городить скрипты и ковыряться в автоматизации. Для новичков порог высокий.

На GitHub наткнулся на проект ClickClickClick — опенсорс, который использует визуальные возможности LLM и позволяет автоматизировать управление Android и macOS.

Не нужно выписывать жёсткие координаты и клики. Просто говоришь обычным языком, типа: «открой Gmail и отправь письмо» или «найди автобусные остановки на карте», и ИИ сам проходит интерфейс.

Поддерживает OpenAI, Claude, Gemini и локальные модели через Ollama. Конфиденциальность под контролем, достаточно настроить ADB и можно управлять андроид-устройством.

Подходит, если хочется попробовать, как ИИ может “по кликам” проходить приложения, гонять тесты или автоматизировать бытовую рутину. Нормальная экспериментальная база для таких задач.

📁 Language: #Python 100.0%

⭐️ Stars: 563

➡️ Cсылка на GitHub

📱 @git_developer

LikeC4

Когда пытаешься рисовать архитектуру в классических инструментах, всё либо слишком тяжеловесно и неудобно, либо моментально устаревает. Чуть код поменял — диаграмма уже не совпадает, и поддержка превращается в боль.

Есть вариант получше: LikeC4, открытый проект, где архитектура описывается кодом, а диаграммы генерируются автоматически и всегда остаются актуальными.

Можно задавать свои типы элементов, обозначения связей и строить вложенные уровни как удобно под конкретную систему.

Запускаешь одну команду — и в браузере открывается интерактивная диаграмма с переключением представлений и возможностью проваливаться в детали.

Есть плагин для VSCode с живым превью. Плюс экспорт статического сайта, чтобы задеплоить документацию куда угодно и держать её синхронной с кодовой базой.

Если поддержка архитектурных схем уже надоела или хочется упростить обсуждения внутри команды — инструмент точно стоит посмотреть.

📁 Language: #TypeScript 98.1%

⭐️ Stars: 1.1k

➡️ Cсылка на GitHub

📱 @git_developer

Raven

При работе с разными документами часто приходится прыгать между форматами. PDF открывай в отдельной читалке, текст с картинки набирай вручную, а если нужно найти фразу в аудио или видео — вообще беда.

Наткнулся на GitHub на Raven — опенсорс-приложение, которое превращает любые документы в “живой” интерактивный контент. Можно просто задавать вопросы по файлам и получать ответы.

Работает на локальных моделях от Apple, вытягивает текст из PDF, изображений, аудио и видео, поддерживает умные ответы и анализ содержимого. Всё локально, без интернета.

Сценарий использования простой: создаёшь проект, кидаешь туда файлы, дальше спрашиваешь по содержимому — приложение отвечает на основе конкретных документов. Поддерживается транскрибация аудио, извлечение текста из видео и сквозной анализ сразу по нескольким файлам.

Данные никуда не уходят, всё крутится локально, приватность на твоей стороне. Сейчас доступны версии для macOS и iOS, можно поставить из App Store или собрать самому из исходников.

📁 Language: #Swift 100.0%

⭐️ Stars: 126

➡️ Cсылка на GitHub

📱 @git_developer

LifeTrace

Каждый день работаешь за компом, используешь кучу софта, делаешь миллион задач, а через пару дней уже не вспомнишь, куда ушло время и что именно делал. Не говоря уже о деталях за несколько месяцев.

На GitHub попался проект LifeTrace — open source тулза, которая с помощью автоскриншотов, OCR и умного поиска фиксирует и восстанавливает твою активность.

Она по расписанию делает скриншоты экрана, вытаскивает текст через OCR, группирует всё по контексту в “события” и строит график распределения времени за 24 часа.

Кроме фиксации, есть поиск — векторный и мультимодальный. Можно быстро найти нужный кусок информации за конкретный день или момент.

Разворачивается через Docker или обычную установку, работает на Windows и macOS.

Если хочется вести свой рабочий “след”, отслеживать, чем реально занят, или разбирать, куда утекает время — инструмент стоит попробовать.

📁 Language: #Python 53.9%

⭐️ Stars: 1.5k

➡️ Cсылка на GitHub

📱 @git_developer

Guardian

При проведении пентеста или security-оценки больше всего бесит не нехватка инструментов, а их разрозненность.

Приходится постоянно прыгать между Nmap, SQLMap, Nuclei, плюс вручную разбирать тонны результатов сканирования. Эффективность падает в ноль.

Недавно на GitHub попался open-source фреймворк Guardian с довольно интересной идеей: к классическим security-инструментам прикрутили AI-мозг.

По сути, это автоматизированная платформа для пентеста на базе Google Gemini.

Она объединяет Nmap, Nuclei, SQLMap и ещё около 15 популярных security-тулзов, а AI занимается интеллектуальным планированием атак.

Фреймворк автоматически проходит весь пайплайн — от порт-сканирования и веб-разведки до валидации уязвимостей, и даже умеет динамически менять стратегию тестирования на основе полученных результатов.

Есть Docker-образ из коробки со всеми предустановленными инструментами, также поддерживается локальный деплой с кастомной конфигурацией. Потребуется только API-ключ Google Gemini.

📁 Language: #Python 97.8%

⭐️ Stars: 219

➡️ Cсылка на GitHub

📱 @git_developer

Second Brain AI Assistant

Заметки, которые мы складываем в Notion или локальные документы, обычно после сохранения больше никогда не открываются и просто тихо лежат мертвым грузом.

Недавно на GitHub попался открытый курс Second Brain AI Assistant, где шаг за шагом показывают, как с нуля собрать AI-ассистента, который умеет общаться с личной базой знаний.

Это не просто примитивный Q&A. Курс системно объясняет, как построить production-ready Agentic RAG-систему и реально «оживить второй мозг».

В программе полный пайплайн: сбор и построение дата-пайплайнов, веб-скрейпинг, оценка качества данных, генерация датасетов, fine-tuning моделей Llama, векторный поиск, сборка агентов и все связанное с этим.

Плюс подробный код и сопроводительные статьи. Если пройти проект целиком, расходы на API вызовы составят всего 1–5 долларов.

Отличный вариант для разработчиков, которые хотят выйти из стадии демо и перейти к нормальному инженерному продакшену, заодно на практике освоив разработку LLM-приложений.

⭐️ Stars: 2k

➡️ Cсылка на GitHub

📱 @git_developer

Lovcode

Когда долго используешь Claude Code для разработки, диалогов со временем накапливается куча. Хочешь вспомнить, как был реализован какой-то функционал, или найти обсуждение конкретного куска кода — и начинается мучительный скроллинг.

Можно попробовать Lovcode — open-source десктопный инструмент, сделанный специально как компаньон для Claude Code и других AI-инструментов для программирования.

Он дает:

- просмотр истории диалогов с полнотекстовым поиском
- быстрый поиск по всем чатам и проектам
- управление slash-командами
- настройку MCP (Model Control Protocol) серверов

Помимо базового управления командами и конфигами, есть:

- переиспользуемые skill-шаблоны
- автоматические хуки
- кастомные AI-агенты
- маркетплейс с community-шаблонами, которые можно ставить сразу

Кроссплатформенный: macOS, Windows и Linux. Можно скачать готовый билд или собрать из исходников.

📁 Language: #TypeScript 71.6%

⭐️ Stars: 154

➡️ Cсылка на GitHub

📱 @git_developer

WinShot

Хочешь делать скриншоты в Windows и быстро их размечать — встроенный инструмент слишком примитивный, а сторонние утилиты часто весят десятки, а то и сотни мегабайт и тащат за собой кучу ненужных функций.

В итоге на GitHub нашёл WinShot — опенсорсный инструмент для скриншотов. Установочный пакет всего около 10 МБ, при этом работает шустро и без тормозов.

Поддерживает три режима: полный экран, область и окно. Есть глобальные хоткеи, можно вызвать в любой момент. После снятия скриншота сразу открывается редактор для аннотаций.

В наличии прямоугольники, эллипсы, стрелки, текст, числовые метки, подсветка и другие инструменты. Все аннотации можно редактировать и удалять уже после добавления, плюс есть свободная обрезка и настройка пропорций изображения.

В редакторе встроено 24 градиентных фона — можно добавить скриншоту аккуратный glassmorphism-эффект. Экспорт поддерживает PNG и JPEG, для JPEG доступна настройка степени сжатия.

Если нужен лёгкий, адекватный по функциям и не раздутый инструмент для скриншотов под Windows — WinShot точно стоит попробовать.

📁 Language: #TypeScript 59.8%

⭐️ Stars: 253

➡️ Cсылка на GitHub

📱 @git_developer

llm-madness

Обучение больших языковых моделей — это обычно целая цепочка из настройки окружения, подбора гиперпараметров и трекинга экспериментов. Процесс громоздкий, легко накосячить, а быстро проверить идею или разобраться в принципах работы — то ещё удовольствие.

И тут как раз попался open-source проект llm-madness на GitHub. Это лёгкий end-to-end пайплайн для обучения LLM с визуальным интерфейсом.

Он закрывает весь цикл: от сборки токенизатора и подготовки датасета до обучения GPT-модели. Плюс через веб-интерфейс можно в реальном времени смотреть, как меняется loss и какие сэмплы генерирует модель.

Внутри — реализация Transformer в GPT-стиле с возможностью кастомизировать архитектуру: количество слоёв, число attention-голов, размер эмбеддингов и т.д. Есть живые графики лосса, генерация примеров и визуализация attention.

Также встроено обучение BPE-токенизатора, что позволяет подгонять токенизацию под конкретный домен — код, математику, медицину и прочие специализированные корпуса.

Если хочется быстро проверить идеи по архитектуре модели или глубже понять, как устроен Transformer изнутри, без поднятия тяжёлого тренировочного стека — проект точно стоит посмотреть.

📁 Language: #Python 50.2%

⭐️ Stars: 88

➡️ Cсылка на GitHub

📱 @git_developer

NanoBanana Studio

Хочешь быстро отредактировать картинку, а Photoshop слишком перегружен и тяжело осваивается — найти простой, но при этом мощный редактор реально непросто.

Можно попробовать NanoBanana Studio — опенсорсный инструмент, построенный на NanoBanana API. Он позволяет редактировать изображения с помощью обычного текста.

Поддерживает редактирование по natural language-командам вроде «сделай небо более драматичным» или «добавь эффект заката», а также генерацию новых изображений по текстовому описанию.

Помимо редактирования изображений, умеет напрямую генерировать картинки из текста и предлагает простой, понятный интерфейс с возможностью переключаться между стандартной и Pro-версией модели.

Разворачивается быстро — через Docker или npm. Достаточно прописать API Key, и можно сразу работать.

📁 Language: #TypeScript 63.6%

⭐️ Stars: 298

➡️ Cсылка на GitHub

📱 @git_developer

Fincept Terminal

Занимаясь финансовым анализом или инвестиционными исследованиями, больше всего напрягает не нехватка данных, а то, что они размазаны по разным платформам, а инструменты анализа живут каждый сам по себе. Связать данные по цепочкам поставок с инвестиционным портфелем и нормально это проанализировать — та еще боль.

Недавно на GitHub наткнулся на Fincept Terminal — open-source платформу для финансового анализа, которая объединяет инструменты уровня CFA, ИИ-автоматизацию и кросс-доменную интеграцию данных.

Внутри есть полноценные аналитические модули по программе CFA: оптимизация портфеля, оценка по DCF, ценообразование опционов и другие профессиональные инструменты. Плюс интегрированы аналитические стили более чем 20 инвестиционных мастеров — стратегии Баффета, Далио, Сороса можно вызывать напрямую.

Самое интересное — кросс-доменная работа с данными. Поддерживается более 100 коннекторов к источникам данных: можно связать данные по морским перевозкам с прогнозом ВВП и затем спроецировать это на позиции по акциям, либо напрямую связать геополитические события с валютной волатильностью и стратегиями хеджирования через опционы, собирая собственные аналитические метрики.

Также есть визуальный редактор рабочих процессов: аналитические пайплайны собираются перетаскиванием нод. В том числе поддерживается 3D-глобус с отслеживанием в реальном времени маршрутов судов, самолетов и спутников.

Если ты ищешь инструмент для финансовых исследований без жестких ограничений по данным, с возможностью свободно комбинировать логику анализа, или если тебя уже достал классический формат финансовых терминалов с их «островками данных», на этот проект точно стоит посмотреть.

📁 Language: #Python 53.0%

⭐️ Stars: 992

➡️ Cсылка на GitHub

📱 @git_developer