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

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

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: #Python61.4%

⭐️ Stars: 2.6k

➡️ Cсылка на GitHub

📱 @git_developer

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

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