maltrail

Maltrail — это система обнаружения вредоносного сетевого трафика, использующая публично доступные черные списки и пользовательские списки индикаторов компрометации для выявления подозрительных соединений и событий.

Она поддерживает обнаружение по доменным именам, URL, IP-адресам и HTTP User-Agent заголовкам, а также использует эвристические методы для выявления новых угроз.

Maltrail имеет архитектуру, состоящую из сенсора, сервера и клиента, где сенсор пассивно анализирует сетевой трафик, сервер хранит события, а клиент предоставляет интерфейс для их просмотра.

📁 Language: #Python 61.6%

⭐️ Stars: 8.3k

➡️ Cсылка на GitHub

📱 @git_developer

CCG Workflow

Используя Claude Code для разработки проектов, при задачах, где переплетаются фронтенд и бэкенд, поручать одному модели обрабатывать все детали оказывается не слишком эффективно. Токены расходуются буквально как вода, что довольно болезненно.

Случайно наткнулся на open-source проект CCG Workflow. Он реализует подход с кооперацией нескольких моделей:
Claude отвечает за общую оркестрацию, Gemini обрабатывает задачи фронтенда, а Codex занимается бэкенд-разработкой.

Благодаря чёткому механизму маршрутизации задач, фронтенд-работа автоматически направляется Gemini, бэкенд-логика — Codex, а Claude сосредоточен на code review и контроле процесса.

Проект предоставляет полноценный шестистадийный процесс разработки — от анализа требований до реализации кода. Все этапы можно быстро вызывать через slash-команды. Также поддерживается режим, управляемый спецификацией OPSX, где требования преобразуются в набор ограничений, что уменьшает «свободную интерпретацию» со стороны моделей.

Кроме того, интегрирована функция параллельного выполнения командой агентов: можно запускать сразу несколько Builder, которые совместно пишут код. Это особенно подходит для модульной разработки сложных проектов.

Установка выполняется одной командой npx, при этом автоматически настраивается окружение Claude Code. В комплекте уже есть полезные инструменты — поиск по коду, Git-утилиты и т.п., так что можно начинать работу сразу после установки.

📁 Language: #Go 56.5%

⭐️ Stars: 3.3k

➡️ Cсылка на GitHub

📱 @git_developer

Hermes Agent

Сегодня в трендах GitHub появился открытый проект Hermes Agent — довольно интересная штука.

Это AI-агент со встроенным полноценным циклом обучения, который может самоэволюционировать и развиваться вместе с пользователем.

Он способен:

▪️автоматически создавать новые навыки на основе реального использования
▪️самосовершенствоваться в процессе выполнения задач
▪️напоминать себе сохранять важную информацию

Более того, он может искать по истории диалогов и накапливать понимание пользователя между сессиями — то есть чем дольше им пользуешься, тем лучше он тебя понимает.

Кроме того, в проекте есть:

▪️встроенный планировщик задач — можно на естественном языке настроить ежедневные отчёты, регулярные бэкапы и другие автоматизации
▪️полноценный терминальный интерфейс с поддержкой:

▪️ многострочного редактирования
▪️автодополнения команд
▪️истории сессий

Если хочется личного AI-ассистента с памятью и “сопровождающим” ростом, этот проект вполне можно развернуть и попробовать.

📁 Language: #Python 86.6%

⭐️ Stars: 4.6k

➡️ Cсылка на GitHub

📱 @git_developer

llm-engineer-toolkit

Каждый день открывается множество AI-проектов. Но когда действительно нужно начать делать RAG или строить Agent, из-за огромного количества библиотек и компонентов часто сложно понять, с чего начать.

Недавно наткнулся на open-source проект llm-engineer-toolkit — своего рода набор инструментов, специально собранный для разработчиков, работающих с большими языковыми моделями.

В нём более 120 популярных open-source библиотек для LLM аккуратно структурированы и распределены по этапам полного цикла разработки.

Охватываются такие ключевые направления, как:

- дообучение моделей (fine-tuning)
- разработка приложений
- RAG-поиск
- инференс и деплой
- построение мультиагентных систем
- и ещё десяток важных этапов разработки

Никакого сложного порога входа — можно просто открыть страницу и быстро подобрать нужный технологический стек.

Это значительно экономит время, которое обычно уходит на сравнение разных фреймворков и эксперименты.

Отлично подойдёт тем, кто занимается разработкой AI-приложений или хочет системно разобраться в экосистеме больших языковых моделей.

⭐️ Stars: 10k

➡️ Cсылка на GitHub

📱 @git_developer

SkillDeck

SkillDeck — десктопный менеджер навыков для AI-инструментов

Со временем у разработчиков накапливается много полезных «навыков» и конфигураций для разных AI-инструментов. Но при переключении между ними часто приходится вручную редактировать конфиги и управлять ссылками, что довольно неудобно.

Открытый проект SkillDeck решает эту проблему. Это десктопный клиент для визуального управления навыками, который поддерживает около 10 популярных AI-инструментов, включая:

- Claude Code
- Codex
- Gemini CLI
- Cursor

и другие

С его помощью можно централизованно управлять навыками в одном месте — устанавливать, обновлять и назначать их разным AI-ассистентам для программирования.

📁 Language: #Swift 96.5%

⭐️ Stars: 141

➡️ Cсылка на GitHub

📱 @git_developer

project_aura

Это проект, представляющий собой станцию мониторинга качества воздуха на базе микроконтроллера ESP32-S3 с пользовательским интерфейсом на основе библиотеки LVGL.

Станция собирает данные о качестве воздуха и передает их через протокол MQTT, обеспечивая интеграцию с системами умного дома, такими как Home Assistant.

Проект включает в себя как аппаратную, так и программную части, предоставляя полный набор инструментов для создания и настройки устройства.

📁 Language: #Cpp 94.8%

⭐️ Stars: 386

➡️ Cсылка на GitHub

📱 @git_developer

MySearch-Proxy

MySearch-Proxy — объединяет поиск через Tavily / Firecrawl / X в MCP + Skill + Console

Это не просто «единый поиск» — скорее, это упаковка всего того набора, который обычно каждый раз приходится собирать вручную.

Сразу идёт комплект из трёх компонентов: MCP + Skill + Console, причём чётко разделены роли Tavily / Firecrawl / X (и есть возможность подключить свой агрегирующий шлюз).

📁 Language: #Python 70.1%

⭐️ Stars: 43

➡️ Cсылка на GitHub

📱 @git_developer

Awesome Codex Subagents

Коллекция из 130+ субагентов, разбитых по категориям и заточенных под реальные рабочие процессы разработки.

Субагенты — это специализированные помощники, которые позволяют Codex выполнять конкретные задачи (ревью, отладка, документация, инфраструктура и т.д.) с более понятным результатом и меньшим «шумом» в контексте.

Каждый из них работает в собственном контексте и со своими инструкциями, благодаря чему рабочие процессы становятся более структурированными.

Не просто универсальные промпты, а специализированные агенты для задач вроде ревью, отладки, документации, инфраструктуры и других.

⭐️ Stars: 262

➡️ Cсылка на GitHub

📱 @git_developer

Project N.O.M.A.D.

В последнее время хотел развернуть офлайн-базу знаний: и Wikipedia поставить, и AI-чат подключить, плюс карты и инструменты для заметок — но всё это приходится поднимать и настраивать по отдельности, что довольно муторно.

И вот сегодня на GitHub наткнулся на опенсорс-проект Project N.O.M.A.D. — он позволяет одной командой задеплоить полноценный офлайн-сервер знаний.

Через контейнеризацию на Docker автоматически устанавливаются и конфигурируются: офлайн-версия Wikipedia, локальный AI-ассистент, курсы Khan Academy, офлайн-карты, инструменты шифрования данных и система заметок. Также есть визуальный интерфейс управления для централизованного контроля.

AI-чат построен на базе Ollama и Qdrant, поддерживает загрузку документов для семантического поиска. Картографический модуль позволяет скачивать региональные карты и использовать их офлайн, а образовательная платформа включает полный курс Khan Academy с поддержкой трекинга прогресса для нескольких пользователей.

Дополнительно в комплекте есть инструмент бенчмаркинга железа — можно отправлять результаты производительности устройства в общий рейтинг сообщества. Проект спроектирован без телеметрии и после установки полностью работает офлайн.

📁 Language: #TypeScript 91.5%

⭐️ Stars: 2.8k

➡️ Cсылка на GitHub

📱 @git_developer

job-ops

При поиске работы, когда рассылаешь резюме «вслепую», сложно понять, какие вакансии реально подходят, и легко запутаться, куда уже откликался. Дальнейший фоллоу-ап обычно ведётся вручную в таблицах — это, конечно, головная боль.

Недавно на GitHub наткнулся на опенсорс-инструмент для управления поиском работы — JobOps, который реализует полностью автоматизированный AI-пайплайн для джоб-хантинга.

Он умеет автоматически парсить вакансии с основных job-платформ и с помощью AI матчит их с нашим опытом, выставляя скоринг по релевантности.

При нахождении вакансий с высоким скором инструмент, опираясь на описание позиции, автоматически генерирует кастомизированное PDF-резюме под конкретную вакансию и сразу отправляет отклик.

Более того, есть трекинг почты: после подключения email система автоматически распознаёт приглашения на интервью или отказы и в реальном времени обновляет статус откликов.

Поддерживается локальный деплой в один клик через Docker, все данные хранятся локально. Тем, кто сейчас в поиске работы, стоит присмотреться к этому инструменту.

📁 Language: #TypeScript 98.7%

⭐️ Stars: 2k

➡️ Cсылка на GitHub

📱 @git_developer

Maestro

При разработке мобильных приложений или end-to-end тестировании веба традиционные инструменты либо сложно настраивать и тяжело осваивать, либо тестовые скрипты легко ломаются при изменениях интерфейса — в итоге высокая стоимость поддержки.

Сегодня в GitHub Trending наткнулся на open-source фреймворк Maestro — тесты пишутся на простом YAML, и первый тест-кейс можно сделать буквально за 5 минут.

Поддерживает Android, iOS и веб-приложения, включая React Native, Flutter и другие фреймворки. Можно запускать на эмуляторах, реальных устройствах или в браузере. Есть встроенный механизм “умного ожидания”, который автоматически обрабатывает динамический UI — не нужно руками прописывать задержки.

Также есть визуальный редактор Maestro Studio: можно записывать пользовательские действия, инспектить элементы, визуально собирать тестовые сценарии, плюс есть встроенная AI-помощь для генерации тест-команд.

Настройка окружения максимально простая — установка одной командой, а тесты можно запускать сразу, без компиляции.

Подойдёт командам, которые часто делают UI-тестирование — помогает существенно сократить время на поддержку автотестов.

📁 Language: #Kotlin 77.3%

⭐️ Stars: 12.8k

➡️ Cсылка на GitHub

📱 @git_developer

HyperAgent

При написании автотестов или парсеров с использованием классического Playwright часто приходится постоянно поддерживать различные селекторы элементов.

Стоит лишь немного измениться структуре целевой страницы — и существующие скрипты начинают падать и перестают работать, а их поддержка становится довольно трудозатратной.

Недавно на GitHub наткнулся на open-source проект HyperAgent, который изящно объединяет Playwright с большими языковыми моделями.

Он позволяет управлять браузером с помощью естественного языка и выполнять сложные задачи автоматизации без необходимости писать кучу хрупкого кода с селекторами.

Поддерживает как одношаговые операции (быстро и дёшево), так и сложные многошаговые сценарии, включая визуальное понимание и адаптивную подстройку.

Также есть встроенное кеширование действий: записанный один раз workflow можно воспроизводить повторно без необходимости каждый раз обращаться к LLM.

На низком уровне используется напрямую Chrome DevTools Protocol, что обеспечивает более точное выполнение действий, автоматическую фильтрацию рекламных фреймов и поддержку работы с глубоко вложенными iframe.

Кроме того, есть поддержка облачного масштабирования: через Hyperbrowser можно быстро развернуть сотни сессий, а также интегрироваться с MCP-инструментами для построения полноценных workflow.

Если вы используете Playwright для автоматизации тестирования или сбора данных и устали от постоянной поддержки селекторов — этот проект определённо стоит попробовать.

📁 Language: #TypeScript 97.2%

⭐️ Stars: 1.1k

➡️ Cсылка на GitHub

📱 @git_developer

tennis

Это инструмент командной строки для отображения CSV-таблиц в терминале с улучшенным форматированием.

Он поддерживает автоматическое определение ширины колонок и выравнивание данных для лучшей читаемости.

Программа позволяет настраивать стили границ и разделителей, а также поддерживает цветовое выделение для улучшения визуального восприятия.

📁 Language: #Zig 92.7%

⭐️ Stars: 375

➡️ Cсылка на GitHub

📱 @git_developer