difit
Хочешь делать ревью измененного кода, а в терминале сплошная простыня diff: до/после, красно-зеленая каша, глаза быстро устают.
Особенно когда надо “скормить” изменения AI для Review, а ты вручную копируешь и вставляешь контекст. Морока.
Случайно нашел difit, опенсорсный тул, который локально показывает и дает ревьюить git diff в интерфейсе как на GitHub, плюс умеет превращать комментарии прямо в промпт для AI.
Одной командой можно открыть в браузере diff последнего коммита. Поддерживаются разные сценарии: один коммит, сравнение веток, ревью GitHub PR и т.д.
Внутри есть система комментариев: можно оставлять замечания на любой строке кода, а еще генерировать формат AI-подсказки с контекстом, чтобы сразу “кормить” AI и просить поправить код.
Есть подсветка синтаксиса для 30+ языков. Комментарии сохраняются локально в браузере, так что можно вернуться и продолжить ревью позже.
Такой подход, где “локальный code review” и “вопросы к AI” сшиты вместе без лишних движений, отлично заходит тем, кто привык кодить с AI-помощником.
📁 Language: #TypeScript 93.7%
⭐️ Stars: 1.9k
➡️ Cсылка на GitHub
📱 @git_developer
Хочешь делать ревью измененного кода, а в терминале сплошная простыня diff: до/после, красно-зеленая каша, глаза быстро устают.
Особенно когда надо “скормить” изменения AI для Review, а ты вручную копируешь и вставляешь контекст. Морока.
Случайно нашел difit, опенсорсный тул, который локально показывает и дает ревьюить git diff в интерфейсе как на GitHub, плюс умеет превращать комментарии прямо в промпт для AI.
Одной командой можно открыть в браузере diff последнего коммита. Поддерживаются разные сценарии: один коммит, сравнение веток, ревью GitHub PR и т.д.
Внутри есть система комментариев: можно оставлять замечания на любой строке кода, а еще генерировать формат AI-подсказки с контекстом, чтобы сразу “кормить” AI и просить поправить код.
Есть подсветка синтаксиса для 30+ языков. Комментарии сохраняются локально в браузере, так что можно вернуться и продолжить ревью позже.
Такой подход, где “локальный code review” и “вопросы к AI” сшиты вместе без лишних движений, отлично заходит тем, кто привык кодить с AI-помощником.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3❤1🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
Latitude
Разрабатывая AI-приложения, самое больное часто не сам код, а то, что после релиза все превращается в ....
Обычно непонятно, почему модель вдруг начинает нести ерунду, и страшно трогать prompt: починишь одно, а вылезут еще три новых бага.
Случайно наткнулся на Latitude, это опенсорсная платформа “про инженерку” для продакшена.
Фишка в сквозной наблюдаемости: можно в реальном времени видеть реальные пользовательские запросы, ответы модели и расход токенов с ценой.
Есть версионирование промптов и песочница. Поймал bad case, сразу воспроизвел и отдебажил, а не гадаешь на кофейной гуще.
Добавили Evals: оценка через AI-скоринг или ручную разметку, чтобы собрать автоматическую регрессию и не ломать все при правках.
Поддерживается приватное развертывание, данные остаются у тебя. Это важно для команд с требованиями по приватности.
Если хочется поднять AI-приложение с уровня “ну вроде работает” до “работает стабильно и предсказуемо”, это прям хороший вариант, который стоит поковырять.
📁 Language: #TypeScript 93.6%
⭐️ Stars: 1.3k
➡️ Cсылка на GitHub
📱 @git_developer
Разрабатывая AI-приложения, самое больное часто не сам код, а то, что после релиза все превращается в ....
Обычно непонятно, почему модель вдруг начинает нести ерунду, и страшно трогать prompt: починишь одно, а вылезут еще три новых бага.
Случайно наткнулся на Latitude, это опенсорсная платформа “про инженерку” для продакшена.
Фишка в сквозной наблюдаемости: можно в реальном времени видеть реальные пользовательские запросы, ответы модели и расход токенов с ценой.
Есть версионирование промптов и песочница. Поймал bad case, сразу воспроизвел и отдебажил, а не гадаешь на кофейной гуще.
Добавили Evals: оценка через AI-скоринг или ручную разметку, чтобы собрать автоматическую регрессию и не ломать все при правках.
Поддерживается приватное развертывание, данные остаются у тебя. Это важно для команд с требованиями по приватности.
Если хочется поднять AI-приложение с уровня “ну вроде работает” до “работает стабильно и предсказуемо”, это прям хороший вариант, который стоит поковырять.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1
glide-data-grid
На веб-странице при отображении больших объёмов данных стандартные таблицы часто начинают тормозить — при росте количества строк падает FPS, скролл становится дерганым.
Недавно на GitHub наткнулся на Glide Data Grid — open-source компонент таблицы, рендерящий через Canvas, способный плавно работать с миллионами строк.
Он использует рендеринг по требованию: отрисовываются только видимые ячейки, скролл нативный, благодаря чему прокрутка очень плавная. Поддерживает разные типы ячеек и встроенное редактирование.
Функционал: перетаскивание и изменение ширины колонок, настраиваемая высота строк, объединение ячеек, выбор строк/столбцов/ячейки (одиночный и множественный). Полная кастомизация рендеринга ячеек через Canvas — можно рисовать что угодно.
Есть встроенный поиск (поддержка замороженных колонок), совместимость с React 16–19. Если нужно показывать большие данные с плавным UX, этот компонент определённо стоит попробовать.
📁 Language: #TypeScript 99.3%
⭐️ Stars: 5k
➡️ Cсылка на GitHub
📱 @git_developer
На веб-странице при отображении больших объёмов данных стандартные таблицы часто начинают тормозить — при росте количества строк падает FPS, скролл становится дерганым.
Недавно на GitHub наткнулся на Glide Data Grid — open-source компонент таблицы, рендерящий через Canvas, способный плавно работать с миллионами строк.
Он использует рендеринг по требованию: отрисовываются только видимые ячейки, скролл нативный, благодаря чему прокрутка очень плавная. Поддерживает разные типы ячеек и встроенное редактирование.
Функционал: перетаскивание и изменение ширины колонок, настраиваемая высота строк, объединение ячеек, выбор строк/столбцов/ячейки (одиночный и множественный). Полная кастомизация рендеринга ячеек через Canvas — можно рисовать что угодно.
Есть встроенный поиск (поддержка замороженных колонок), совместимость с React 16–19. Если нужно показывать большие данные с плавным UX, этот компонент определённо стоит попробовать.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5
PipesHub
На работе важные данные разбросаны по разным сервисам — Google Drive, Slack, Jira, Confluence и так далее. Каждый раз, чтобы найти нужный документ, приходится копаться во всём по отдельности, что сильно тормозит работу.
На GitHub нашёл PipesHub — open-source AI-платформу для поиска, которая умеет собирать разбросанные данные в одном месте и позволяет быстро находить нужную информацию с помощью естественного языка.
Использует граф знаний и технологии ранжирования страниц, поэтому выдаёт не только релевантные результаты, но и помечает источник информации — поиск прозрачный и объяснимый.
Поддерживаются интеграции с Google Workspace, Microsoft 365, Slack, Jira, Notion, GitHub и ещё 27 популярными приложениями. Работает с PDF, Office-документами, изображениями, аудио и видео.
Помимо поиска есть no-code интерфейс для создания кастомных приложений и агентов. Поддерживается реальное или плановое индексирование, при этом соблюдаются все права доступа исходных систем, чтобы данные оставались безопасными.
Развернуть можно через Docker Compose, работает как локально, так и в облаке. Для облачной версии нужно настроить HTTPS-сертификат.
📁 Language: #Python 61.4%
⭐️ Stars: 2.6k
➡️ Cсылка на GitHub
📱 @git_developer
На работе важные данные разбросаны по разным сервисам — Google Drive, Slack, Jira, Confluence и так далее. Каждый раз, чтобы найти нужный документ, приходится копаться во всём по отдельности, что сильно тормозит работу.
На GitHub нашёл PipesHub — open-source AI-платформу для поиска, которая умеет собирать разбросанные данные в одном месте и позволяет быстро находить нужную информацию с помощью естественного языка.
Использует граф знаний и технологии ранжирования страниц, поэтому выдаёт не только релевантные результаты, но и помечает источник информации — поиск прозрачный и объяснимый.
Поддерживаются интеграции с Google Workspace, Microsoft 365, Slack, Jira, Notion, GitHub и ещё 27 популярными приложениями. Работает с PDF, Office-документами, изображениями, аудио и видео.
Помимо поиска есть no-code интерфейс для создания кастомных приложений и агентов. Поддерживается реальное или плановое индексирование, при этом соблюдаются все права доступа исходных систем, чтобы данные оставались безопасными.
Развернуть можно через Docker Compose, работает как локально, так и в облаке. Для облачной версии нужно настроить HTTPS-сертификат.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2💊1
vibe
Сейчас AI-агенты всё лучше пишут код, но запускать их напрямую на локалке всегда немного тревожно.
Особенно в режиме автозапуска — страшно, что AI случайно удалит важные файлы или получит доступ к приватным данным.
Недавно на GitHub наткнулся на Vibe — open source проект для macOS, который поднимает сверхбыструю Linux-виртуалку в песочнице.
Главные плюсы: нулевая конфигурация, изоляция за <10 секунд, можно спокойно «запереть» AI в клетку.
Поддерживается точный контроль доступа к файлам: AI видит только текущий проект, а все остальные чувствительные каталоги полностью изолированы.
Написан на Rust, использует родную виртуализацию Apple, безопаснее Docker и при этом почти не грузит ресурсы.
Если часто юзаешь Claude Code и подобные кодогенераторы, но не хочешь ломать локальную среду — лёгкий и надёжный вариант.
📁 Language: #Rust 95.8%
⭐️ Stars: 518
➡️ Cсылка на GitHub
📱 @git_developer
Сейчас AI-агенты всё лучше пишут код, но запускать их напрямую на локалке всегда немного тревожно.
Особенно в режиме автозапуска — страшно, что AI случайно удалит важные файлы или получит доступ к приватным данным.
Недавно на GitHub наткнулся на Vibe — open source проект для macOS, который поднимает сверхбыструю Linux-виртуалку в песочнице.
Главные плюсы: нулевая конфигурация, изоляция за <10 секунд, можно спокойно «запереть» AI в клетку.
Поддерживается точный контроль доступа к файлам: AI видит только текущий проект, а все остальные чувствительные каталоги полностью изолированы.
Написан на Rust, использует родную виртуализацию Apple, безопаснее Docker и при этом почти не грузит ресурсы.
Если часто юзаешь Claude Code и подобные кодогенераторы, но не хочешь ломать локальную среду — лёгкий и надёжный вариант.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7👍3😁1
Awesome Public Real-Time Datasets
Если обычно вы работаете с историческими статическими данными для анализа или проектов, а нужны потоки реальных данных для тестирования или обучения моделей, то ресурсов не так уж много и они разбросаны.
На GitHub есть открытый сборник , где системно собраны разные источники и API с реальными потоковыми данными.
Ресурсы разделены на бесплатные и платные, охватывают более десятка сфер: финансы и крипту, транспорт, погоду и землетрясения, IoT‑сенсоры, кибербезопасность и т.д.
Бесплатные источники: Coinbase (рыночные данные), реальное положение поездов Нью‑Йорка, поток редактирования Википедии, NOAA (погодные данные) и многое другое. Доступ через WebSocket или HTTP.
Платные: Bloomberg (финансовые потоки), FlightAware (отслеживание рейсов по всему миру), Reuters (новостные ленты) и другие профессиональные сервисы.
Если вы занимаетесь потоковой обработкой данных или хотите тестировать проекты на реальных потоках, эта подборка точно стоит иметь под рукой.
⭐️ Stars: 2.2k
➡️ Cсылка на GitHub
📱 @git_developer
Если обычно вы работаете с историческими статическими данными для анализа или проектов, а нужны потоки реальных данных для тестирования или обучения моделей, то ресурсов не так уж много и они разбросаны.
На GitHub есть открытый сборник , где системно собраны разные источники и API с реальными потоковыми данными.
Ресурсы разделены на бесплатные и платные, охватывают более десятка сфер: финансы и крипту, транспорт, погоду и землетрясения, IoT‑сенсоры, кибербезопасность и т.д.
Бесплатные источники: Coinbase (рыночные данные), реальное положение поездов Нью‑Йорка, поток редактирования Википедии, NOAA (погодные данные) и многое другое. Доступ через WebSocket или HTTP.
Платные: Bloomberg (финансовые потоки), FlightAware (отслеживание рейсов по всему миру), Reuters (новостные ленты) и другие профессиональные сервисы.
Если вы занимаетесь потоковой обработкой данных или хотите тестировать проекты на реальных потоках, эта подборка точно стоит иметь под рукой.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5
💻 Нужно развернуть low-code платформу без лишней инфраструктурной сложности?
С My NocoBase вы можете развернуть платформу в облачной инфраструктуре за несколько минут с доступом почти ко всем возможностям платформы и плагинам.
Кроме того, у вас будет возможность масштабироваться без ограничений по пользователям, перейти на self-host и получать техническую поддержку и консультации от команды в любой момент.
⏩️ В телеграм-канале @nocobase_ru мы делимся практическими кейсами и гайдами, как быстро создавать приложения, автоматизировать процессы и запускать проекты без лишнего кода.
#nocobase #lowcode #nocode #opensource #ai #it
С My NocoBase вы можете развернуть платформу в облачной инфраструктуре за несколько минут с доступом почти ко всем возможностям платформы и плагинам.
Кроме того, у вас будет возможность масштабироваться без ограничений по пользователям, перейти на self-host и получать техническую поддержку и консультации от команды в любой момент.
⏩️ В телеграм-канале @nocobase_ru мы делимся практическими кейсами и гайдами, как быстро создавать приложения, автоматизировать процессы и запускать проекты без лишнего кода.
#nocobase #lowcode #nocode #opensource #ai #it
❤1
Paper2Code
Наткнуться на крутую AI-статью и попытаться воспроизвести результаты на практике часто бывает той еще головной болью. Нужно не только разобраться в сложной математике, но и с нуля собрать весь проект.
На GitHub нашелся опенсорсный проект Paper2Code. Название говорит само за себя: он автоматически превращает научные статьи в готовые к запуску репозитории с кодом.
Достаточно скормить ему PDF статьи или исходники в LaTeX, и на выходе получится полноценная структура проекта со всеми нужными конфигами.
Проект использует подход с несколькими агентами, имитируя реальный процесс разработки: сначала планируется архитектура, затем разбирается ключевая логика, после чего генерируется полный код.
Есть поддержка модели o3-mini от OpenAI, при этом воспроизведение одной статьи обходится всего в несколько долларов. Также можно подключить локальные опенсорсные модели через vLLM.
Для исследователей, которым нужно быстро проверить идею, или для тех, кто хочет глубже понять, как именно реализована статья, это очень полезный инструмент.
📁 Language: #Python 95.2%
⭐️ Stars: 4.1k
➡️ Cсылка на GitHub
📱 @git_developer
Наткнуться на крутую AI-статью и попытаться воспроизвести результаты на практике часто бывает той еще головной болью. Нужно не только разобраться в сложной математике, но и с нуля собрать весь проект.
На GitHub нашелся опенсорсный проект Paper2Code. Название говорит само за себя: он автоматически превращает научные статьи в готовые к запуску репозитории с кодом.
Достаточно скормить ему PDF статьи или исходники в LaTeX, и на выходе получится полноценная структура проекта со всеми нужными конфигами.
Проект использует подход с несколькими агентами, имитируя реальный процесс разработки: сначала планируется архитектура, затем разбирается ключевая логика, после чего генерируется полный код.
Есть поддержка модели o3-mini от OpenAI, при этом воспроизведение одной статьи обходится всего в несколько долларов. Также можно подключить локальные опенсорсные модели через vLLM.
Для исследователей, которым нужно быстро проверить идею, или для тех, кто хочет глубже понять, как именно реализована статья, это очень полезный инструмент.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2
Maestro
Когда приходится одновременно вести несколько AI-проектов, постоянно прыгать между разными терминальными окнами, историей диалогов и ветками кода, эффективность сильно падает, а хаос почти неизбежен.
И тут как раз есть Maestro — кроссплатформенное десктоп-приложение, созданное для параллельного управления несколькими AI-агентами и проектами. Оно превращает мульти-проектную разработку в упорядоченный процесс.
Поддерживаются Claude Code, OpenAI Codex, OpenCode, Factory Droid и другие популярные AI-инструменты для программирования. Можно запускать несколько агентов одновременно, у каждого свой рабочий простор и история диалогов.
Главная фишка — работа с Git Worktrees. Это позволяет на отдельных ветках параллельно запускать разных агентов без конфликтов и в один клик создавать Merge Request после завершения работы.
Есть функция Auto Run: AI автоматически выполняет задачи согласно плану из документации. Разработчик проверял работу почти 24 часа подряд — система выдерживает.
Также есть групповые диалоги, где несколько AI-агентов могут совместно обсуждать задачи, и встроенный мобильный контроль: через QR-код можно наблюдать за всеми агентами и управлять ими прямо со смартфона.
Приложение построено с приоритетом на клавиатуру: почти все действия доступны через горячие клавиши, плюс есть система отслеживания навыка работы с клавиатурой — идеально для разработчиков, которые любят работать без мышки.
📁 Language: #TypeScript 99.6%
⭐️ Stars: 1.8k
➡️ Cсылка на GitHub
📱 @git_developer
Когда приходится одновременно вести несколько AI-проектов, постоянно прыгать между разными терминальными окнами, историей диалогов и ветками кода, эффективность сильно падает, а хаос почти неизбежен.
И тут как раз есть Maestro — кроссплатформенное десктоп-приложение, созданное для параллельного управления несколькими AI-агентами и проектами. Оно превращает мульти-проектную разработку в упорядоченный процесс.
Поддерживаются Claude Code, OpenAI Codex, OpenCode, Factory Droid и другие популярные AI-инструменты для программирования. Можно запускать несколько агентов одновременно, у каждого свой рабочий простор и история диалогов.
Главная фишка — работа с Git Worktrees. Это позволяет на отдельных ветках параллельно запускать разных агентов без конфликтов и в один клик создавать Merge Request после завершения работы.
Есть функция Auto Run: AI автоматически выполняет задачи согласно плану из документации. Разработчик проверял работу почти 24 часа подряд — система выдерживает.
Также есть групповые диалоги, где несколько AI-агентов могут совместно обсуждать задачи, и встроенный мобильный контроль: через QR-код можно наблюдать за всеми агентами и управлять ими прямо со смартфона.
Приложение построено с приоритетом на клавиатуру: почти все действия доступны через горячие клавиши, плюс есть система отслеживания навыка работы с клавиатурой — идеально для разработчиков, которые любят работать без мышки.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM