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

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

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

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