skills-best-practices

Недавно наткнулся на гайд с best practices по написанию Agent Skills на GitHub: skills-best-practices.

Он описывает стандартизированную структуру директорий, чётко разделяя основные инструкции, исполняемые скрипты и справочные файлы.

Подробно объясняется, как оптимизировать метаданные, грамотно использовать негативные триггер-слова и существенно повысить вероятность точного вызова скиллов.

Также там есть набор практических verification prompts, которые показывают, как с помощью самой LLM проверять логическую целостность и edge cases скиллов.

Ключевая идея — выносить сложные повторяющиеся операции в отдельные скрипты, оставляя модели только принятие высокоуровневых решений, тем самым эффективно контролируя расход токенов.

Контент качественный и максимально прикладной. Тем, кто хочет писать Skills, этот гайд точно стоит сохранить и изучить.

📁 Language: #Python 100.0%

⭐️ Stars: 1.7k

➡️ Cсылка на GitHub

📱 @git_developer

claude-howto

Многие нетехнические знакомые устанавливают Claude Code, запускают пару промптов — и дальше не понимают, как углубиться.

Хотя в официальной документации перечислено множество возможностей, нет понимания, как их комбинировать и с чего вообще начинать обучение.

Случайно наткнулся на структурированный практический туториал для Claude Code на GitHub — claude-howto.

Он включает 10 учебных модулей и шаблоны конфигураций, которые можно сразу копировать и использовать, а также блок-схемы, показывающие внутреннюю работу каждой фичи.

От slash-команд, системы памяти и настройки скиллов — до sub-agents, hook-скриптов и разработки плагинов, всё выстроено от beginner к advanced уровню.

В каждом модуле есть встроенные квизы, которые можно пройти после завершения, чтобы выявить пробелы в знаниях. Весь курс занимает примерно 11–13 часов, но уже через 15 минут можно начать практику с первым шаблоном.

Если ты используешь Claude Code только для базовых диалогов и хочешь реально раскрыть его эффективность — этот гайд точно стоит пройти хотя бы один раз.

📁 Language: #Python 92.2%

⭐️ Stars: 3.7k

➡️ Cсылка на GitHub

📱 @git_developer

На Stepik вышел первый курс по: Claude Code — вайбкодинг с нуля

Изучаете всё шаг за шагом: CLAUDE.md → rules → commands → sub-agent → Skills → hooks:

🔴Оформите правила проекта через CLAUDE.md, подключение файлов через @ и разнесение логики в .claude/rules, чтобы не раздуло инструкцию.

🔴Сделаете свои slash-команды с frontmatter (description/allowed-tools/model) и аргументами через $ARGUMENTS и $1/$2/$3 для буста воркфлоу.

🔴Освоите саб-агентов: когда их запускать, как писать определения и как делегировать им расследования и проверки без засора основного контекста.

🔴Поднимете Hooks под реальный воркфлоу: /hooks, sh-скрипты, SessionStart/Stop/PreToolUse/PostToolUse, exit codes, matchers и env-переменные.

🔴Настроите Skills (SKILL.md + references), свяжете их с саб-агентами через skills-поле и подключите MCP, Web и headless (-p) для продвинутых случаев

Скидка 25%, действует 48 часов

⬇️ Пройти курс на Stepik

chandra

При работе с текстом в PDF и изображениях — особенно в документах, где вперемешку идут таблицы, формулы и рукописный текст — результаты традиционного OCR часто превращаются в полный хаос, с потерей всей разметки.

Сегодня наткнулся на ещё одну новую open-source модель OCR: Chandra OCR 2. Она умеет напрямую конвертировать изображения и PDF в структурированные Markdown, HTML или JSON, при этом сохраняя исходный layout.

Поддерживает более 90 языков и заняла первое место в комплексном leaderboard’е по мультиязычному OCR, показывая сильные результаты в распознавании математических формул, сложных таблиц и рукописного текста.

Одна из самых практичных фич — точное восстановление структуры форм, включая такие детали, как чекбоксы, а также возможность извлекать графики из документов и автоматически генерировать их описания. Одной командой можно обрабатывать как один файл, так и целую директорию.

Если ты часто конвертируешь сканы, научные статьи или мультиязычные документы в редактируемые форматы — стоит попробовать: точность распознавания китайского языка достигает примерно 89%.

📁 Language: #Python 76.8%

⭐️ Stars: 7.6k

➡️ Cсылка на GitHub

📱 @git_developer

ClaudePrism

При написании научных статей или работе с исследовательскими отчётами приходится использовать LaTeX для вёрстки, запускать Python-скрипты и постоянно переключаться между редактором и AI-веб-страницами.

Недавно, просматривая GitHub, наткнулся на open-source проект под названием ClaudePrism — это локальный десктопный клиент, специально заточенный под академическое и исследовательское письмо.

В нём есть встроенный офлайн-компилятор LaTeX, среда выполнения Python и AI-ассистент для написания текстов, при этом все файлы хранятся локально.

Также в нём есть более 100 профессиональных skill-паков для разных научных областей: биоинформатика, хемоинформатика, машинное обучение и другие.

Плюс есть фича Q&A по скриншотам — можно выделить формулу или график из PDF и сразу отправить в AI с вопросом, а также таким образом разбирать комментарии рецензентов.

📁 Language: #TypeScript 71.6%

⭐️ Stars: 859

➡️ Cсылка на GitHub

📱 @git_developer

🙂 Большинство бэкенд-разработчиков готовятся к собеседованиям неправильно!

Решают задачи, читают статьи, делают пет-проекты — но всё равно проваливают интервью.

Почему?
Потому что на собеседованиях проверяют не только знания.
Смотрят, как ты думаешь, рассуждаешь, проектируешь системы и решаешь реальные задачи.

Хочу познакомить вас с Егором — бэкенд-разработчиком и наставником по Go, который помогает получать сильные офферы.

🤓 Как проходит обучение:
— обучение с нуля: теория + задачи + проекты
— командный проект с реальными рабочими процессами
(код-ревью, созвоны, постановка задач — всё как в настоящей команде разработки)
— прокачка навыков, которые реально проверяют на интервью
— в конце обучения вместе соберём тебе сильное резюме под рынок

🤓 Подойдёт, если ты:
— знаешь любой язык и хочешь войти в backend
— прошёл курсы, но так и не получил работу
— хочешь перейти в Go из другого стека

💪 Результаты учеников:
— офферы от 224 000 ₽
— средний оффер — 353 000 ₽
— лучший оффер — $6 700

⬇️Если актуально — можно разобрать свою ситуацию бесплатно.

airecon

Проведение пентестов безопасности почти всегда требует вручную запускать кучу инструментов и многократно вводить команды — процесс не только утомительный, но и при использовании ИИ возникают опасения утечки данных цели.

Поэтому я нашёл AIRecon на GitHub — это open-source инструмент для пентеста с ИИ, который полностью работает офлайн, и все данные остаются на локальной машине.

Он запускает большую языковую модель локально, в связке с sandbox-окружением Kali Linux, и автоматически проходит весь процесс пентеста через четыре этапа: разведка (reconnaissance), анализ (analysis), эксплуатация (exploitation) и отчётность (reporting) — без необходимости в API-ключе.

В комплекте идёт 57 встроенных skill-файлов, которые автоматически подбирают соответствующие стратегии пентеста по ключевым словам.

Поддерживаются мультиагентное параллельное тестирование, автоматизация браузера, fuzzing API, а также автоматическое удаление дубликатов уязвимостей при формировании отчёта.

Прерванные тесты можно в любой момент продолжить, а весь процесс в реальном времени отображается в терминальном интерфейсе.

Если вы регулярно занимаетесь кибербезопасностью и предъявляете повышенные требования к приватности данных, это офлайн-решение определённо стоит попробовать.

📁 Language: #Python 98.6%

⭐️ Stars: 273

➡️ Cсылка на GitHub

📱 @git_developer