FastScheduler

Писать планировщик задач на Python через стандартную библиотеку хоть и просто, но возможностей там немного. Как только появляются асинхронные задачи, работа с таймзонами, ретраи при фейлах и похожие кейсы, становится тяжко.

На GitHub нашел FastScheduler, это опенсорсный легковесный таск-планировщик для Python. Поддерживает async, таймзоны, Cron-выражения и еще имеет визуальную панель.

За счет очень аккуратного синтаксиса на декораторах задачу можно описать одной строкой. Есть разные варианты расписаний: интервалы, конкретное время, Cron и т.д. Асинхронные функции работают из коробки.

Установка через pip в один шаг, а для персистентности доступны разные хранилища вроде SQLite и PostgreSQL. После рестарта сервиса состояние задач не теряется.

📁 Language: #Python 79.5%

⭐️ Stars: 319

➡️ Cсылка на GitHub

📱 @git_developer

Rever

В стартапе иногда больше всего выносит мозг не сам продукт, а финпроцессы. Нестандартные компенсации, закупки, какие-то левые инвойсы и purchase order’ы летят со всех сторон, а ты это все сводишь через Excel и переписку в почте. В итоге медленно, легко ошибиться, и вечно что-то не сходится.

Случайно наткнулся на Rever, это опенсорсная платформа для автоматизации финансов с довольно точным позиционированием: AI-driven финансовая автоматизация, по сути “виртуальный CFO”.

Суть в том, что они собирают в одном месте управление поставщиками, закупочные заказы (PO) и обработку счетов (invoices/bills). Плюс есть двухстороннее сопоставление (2-way matching), которое автоматически сверяет PO и счет по количествам и суммам, чтобы не переплатить и не оплатить не то.

Также внутри есть workflow согласований и полный audit log: каждое действие записывается и потом нормально трассируется, что важно для комплаенса. Дальше обещают поддержку трехстороннего сопоставления (3-way matching), управления документами и продвинутой аналитики.

Есть приватный деплой, что для компаний, которым важна финансовая приватность, прям в тему, данные остаются у тебя.

Если ищешь опенсорсный вариант, который может заменить мучения с Excel и разгребание финансового хаоса, проект точно стоит попробовать.

📁 Language: #TypeScript 47.6%

⭐️ Stars: 416

➡️ Cсылка на GitHub

📱 @git_developer

HanaVerse

Гонять локальную LLM прикольно, но когда перед тобой только голый терминал или простенькое веб-окно чата, как будто не хватает какого-то интерактива.

Случайно наткнулся на проект HanaVerse — он буквально дает ИИ “аватарку”: чат превращается в анимированное аниме-окно с поддержкой Live2D.

Внутри есть динамический персонаж “Hana”, который не только болтает с тобой, но и реагирует на взаимодействие мимикой и анимациями.

По функционалу тоже все серьезно: есть подсветка кода в Markdown и рендеринг математических формул LaTeX, так что можно и код разбирать, и задачи по матану решать.

Стек — Python + Flask, в качестве бэкенда нужен локально поднятый Ollama, развернуть все это несложно.

В настройках можно переключать разные модели вроде Llama3, Mistral и т.д., а еще задавать свои system prompt’ы и тем самым настраивать персональность ИИ под себя.

Если ты любишь аниме/двач-эстетику или просто хочешь добавить “души” в скучный диалог с ИИ, этот проект точно стоит попробовать.

📁 Language: #JavaScript 65.8%

⭐️ Stars: 43

➡️ Cсылка на GitHub

📱 @git_developer

rag-from-scratch

Хотим, чтобы модель знала нашу “внутреннюю кухню”, но финтюн — дорогой, долгий и часто дает так себе результат. Поэтому сейчас в проде в основном используют RAG (retrieval-augmented generation).

Как раз на GitHub есть годный опенсорс-туториал rag-from-scratch от команды LangChain.

Они начинают с базы: индекс, поиск, генерация, а потом постепенно заходят в продвинутые штуки вроде преобразования запросов, роутинга, multi-query retrieval и так далее. Плюс разбирают практические паттерны вроде adaptive RAG и “корректирующего” RAG.

Каждый блок снабжен подробным Jupyter Notebook с кодом и отдельным видеоразбором, можно параллельно смотреть и сразу запускать, чтобы прочувствовать, как RAG работает изнутри.

Туториал не просто показывает “как прикрутить RAG”, а именно через код объясняет, что под капотом, поэтому отлично заходит тем, кто хочет системно освоить разработку LLM-приложений.

⭐️ Stars: 6.5k

➡️ Cсылка на GitHub

📱 @git_developer

T-Sync Conf

Инженерные конференции часто выглядят одинаково: с докладами, слайдами, вопросами из зала и ощущение, что половина тебе никак не откликается

T-Sync Conf решает эту проблему через формат. 7 февраля Т-Технологии проведут масштабную конференцию для инженеров, где вместо одного общего маршрута — восемь технических контуров, из которых каждый может собрать свою траекторию: AI, Data, R&D, Security, UX/UI, Productivity, Observability, Platform.

Фокус не на рассказах, а на практике: демо-стенды с AI- и Data- платформами, инженерные диалоги с разбором кейсов, хакатон и публичная сборка сервиса. Плюс отдельные форматы для обсуждения UX/UI инструментов — от интерфейсов до дизайн-систем. Пройдет все на площадке TAU в Москве. Проход бесплатный, но рега обязательна

➡️ Ссылка на регистрацию

📱 @git_developer

add-skill

Сейчас AI-инструментов для кодинга развелось куча, почти все умеют ставить Skills, но у каждого свои пути конфигов. В итоге полный бардак: где что лежит, как синкать, как не забыть обновить.

Хорошая новость: команда Vercel Labs недавно выложила в опенсорс add-skill. Это штука в стиле npm, которая приводит управление скиллами к одному формату.

Идея простая: одной командой берёшь skill-репу с GitHub и раскатываешь её локально во все свои Agent-инструменты. Тем самым закрывается боль с разными директориями и вечной рассинхронизацией конфигов.

Сейчас поддерживаются OpenCode, Claude Code, Codex, Cursor и ещё в сумме 13 популярных тулов. Установка максимально “из коробки”: инструмент сам пытается определить, что у тебя стоит, и кладёт конфиги куда надо.

Плюс под это есть Skills-маркет: там много готовых скиллов, у каждого есть описание, и всё отсортировано по установкам. Понравилось - просто копируешь команду и ставишь.

Если ты пользуешься несколькими AI-кодинг тулзами одновременно, это реально удобный менеджер скиллов, есть смысл поставить и потестить.

📁 Language: #TypeScript 62.6%

⭐️ Stars: 1.9k

➡️ Cсылка на GitHub

📱 @git_developer

Anubis

Преподавателю на computer science в универе, помимо подготовки занятий, ещё приходится проверять домашки, разбирать отправленные решения и админить студенческие репозитории с кодом. Всё это довольно выматывает.

А университетские LMS обычно старые, обновляются медленно, поэтому нормально автоматизировать проверку программных заданий там ещё сложнее.

И вот на GitHub попался Anubis LMS, опенсорсная система управления обучением, заточенная именно под курсы по программированию. Её уже используют в Нью-Йоркском университете несколько семестров подряд.

У каждого студента отдельный GitHub-репозиторий. После пуша система автоматически прогоняет тесты и сразу возвращает фидбек. До дедлайна студент может отправлять решения сколько угодно раз и смотреть результаты тестов.

Плюс там есть облачная IDE, запускается в один клик: в браузере студент получает заранее настроенное Linux-окружение, без возни с локальной установкой и конфигами.

Система также умеет на основе таймстемпов коммитов и результатов тестов строить визуальную аналитику по обучению, чтобы преподаватель видел, как у студентов с усвоением конкретных тем.

Если ты ведёшь курс по программированию или недоволен автоматизацией в обычных LMS, проект точно стоит попробовать.

📁 Language: #Python 61.5%

⭐️ Stars: 366

➡️ Cсылка на GitHub

📱 @git_developer

Craft Docs

Разрабатывать с Claude Code реально удобно и мощно, но когда все завязано на CLI, начинаются неудобства: сложно параллельно вести несколько задач, быстро смотреть историю диалогов и нормально переключаться между проектами.

Недавно на GitHub попался Craft Agents, опенсорсный инструмент, который дает понятный UI для управления всем этим, и в итоге ускоряет AI-ассистированный дев.

Он построен на Claude Agent SDK: по сути сохраняет базовый опыт Claude Code, но добавляет полезные штуки вроде управления несколькими сессиями, workflow по статусам, диффов и сравнения файлов.

Есть интеграции с 32+ инструментами Craft Docs, можно подключать MCP-серверы, REST API и локальную файловую систему. Права доступа сделаны в 3 уровня: от read-only режима для безопасного “пощупать”, до автозапуска действий, можно гибко переключаться под ситуацию.

Плюсом идут фоновые задачи, кастомные темы, окна для сравнения нескольких файлов, и даже поддержка drag-and-drop для картинок, PDF и Office-доков с автоконвертацией.

Если хочется превратить Claude Code из чистого командного инструмента в более наглядное и жирное десктоп-приложение, Craft Agents точно стоит попробовать.

📁 Language: #TypeScript 96.9%

⭐️ Stars: 1.1k

➡️ Cсылка на GitHub

📱 @git_developer

Ciphey

Наткнулся на кусок зашифрованного текста, а что за шифр, непонятно. Вручную перебирать способы расшифровки слишком долго.

На GitHub как раз попался Ciphey, это инструмент для автоматической расшифровки: закидываешь шифртекст, он сам пытается определить тип шифрования/кодировки и расшифровать, чаще всего укладывается в 3 секунды.

Он опирается на кастомный AI-модуль и NLP, чтобы автоматически угадывать метод и распознавать осмысленный plaintext, без того чтобы заранее знать какие-то параметры шифрования.

Поддерживает больше 50 вариантов шифров и кодировок: бинарь, азбука Морзе, Base64, шифр Цезаря, Виженер, XOR и другие классические и современные варианты, плюс умеет распознавать хэши.

Внутри много написано на C++, поэтому работает быстро. Есть CLI, а также можно подключать как Python-библиотеку в свой проект. Поддерживаются Windows, Linux и macOS.

📁 Language: #Python 100.0%

⭐️ Stars: 20.8k

➡️ Cсылка на GitHub

📱 @git_developer

butterfly

Обычно с заметками и набросками боль: то интерфейс перегружен и сложно вкатиться, то везде ограничения. Найти приложение, которое одновременно простое и мощное, реально непросто.

И тут на GitHub попался Butterfly, опенсорсный заметочник в стиле белой доски. Дизайн максимально минималистичный, но по функциям всё на месте: можно быстро рисовать от руки, писать текст, вставлять картинки, а ещё импортировать и прямо там редактировать PDF, SVG и другие форматы. Включил и сразу работаешь, инструменты лежат ровно там, где ожидаешь.

Полотно бесконечное: добавляешь фигуры, области, точки/узлы на путях, чтобы нормально структурировать мысли. Потом спокойно правишь каждый элемент: размер, цвет, позицию.

Хранение данных тоже гибкое: локально или синхронизация в WebDAV, плюс офлайн-режим.

Работает кроссплатформенно: Android, Windows, Linux и веб. То есть телефон, планшет, комп все ок, ещё и со стилусом и рукописным вводом дружит.

Если уже достали рамки “классических” заметочников и хочется свободно раскладывать идеи на доске, этот маленький, но приятный инструмент точно стоит попробовать.

📁 Language: #Dart 95.7%

⭐️ Stars: 1.7k

➡️ Cсылка на GitHub

📱 @git_developer

Happy Coder

Когда работаешь над проектом через Claude Code или Codex, часто нужно отойти от компа по делам, но при этом хочется держать руку на пульсе: посмотреть прогресс сборки, быстро подтвердить запрос на permissions, или сразу разрулить ошибку. В итоге приходится буквально сидеть рядом с ноутом.

На GitHub есть опенсорсный инструмент Happy Coder, который решает эту боль: мобильный и веб-клиент, чтобы удалённо гонять Claude Code и Codex с любого устройства.

Ставишь CLI на комп, запускаешь через команду happy. Когда подключаешься с телефона, сессия сама переключается в удалённый режим. Вернулся за ПК, нажал любую клавишу и мгновенно вернул локальное управление.

Есть пуш-уведомления: если AI упёрся в запрос прав или поймал ошибку, тебе сразу прилетит алерт. И важный момент по безопасности: заявлено end-to-end шифрование, то есть код при передаче между устройствами остаётся зашифрованным и не хранится на сервере в виде открытого текста.

Проект полностью open source: мобильное приложение, CLI и код бэкенда. Доступен в iOS App Store и Google Play, плюс есть веб-версия.

📁 Language: #TypeScript 97.6%

⭐️ Stars: 9k

➡️ Cсылка на GitHub

📱 @git_developer

PageLM

Материалов для учебы куча: PDF, доки, заметки, все раскидано где попало. Когда садишься повторять, вообще непонятно, с чего начать. Задачи решать, карточки учить тоже приходится самому собирать и раскладывать, времени и сил уходит море.

Случайно наткнулся на PageLM, это опенсорсная платформа для обучения, которая сама превращает твои материалы в интерактив: квизы, флешкарты, подкасты и т.п.

Загружаешь PDF, Word или Markdown, дальше можно сразу “общаться” с содержимым, задавать вопросы, генерить аккуратно структурированные конспекты, а еще она автоматически вытаскивает карточки под интервальное повторение.

Плюс есть режимы типа пробного экзамена, планирования домашки, тренировки дебатов. И даже умеет конвертить заметки в подкаст-аудио, чтобы учиться по дороге.

Поддерживает разные модели: Google Gemini, OpenAI, Claude, Ollama и другие. Можно выбрать облако или локальный запуск, есть вариант деплоя одной командой через Docker.

Если тебя уже накрывает волной учебных материалов или хочется сделать повторение реально эффективнее, PageLM точно стоит попробовать.

📁 Language: #TypeScript 97.4%

⭐️ Stars: 1.1k

➡️ Cсылка на GitHub

📱 @git_developer

Text Grab

Иногда видишь текст на картинке, в видео или прямо в интерфейсе какого-нибудь приложения, а скопировать нельзя: не выделяется. Остается только вбивать руками, и если там длинный кусок, это прям боль.

Недавно на GitHub попался Text Grab, опенсорсный OCR-инструмент, который вытаскивает любой видимый на экране текст и дает сразу скопировать.

Он завязан на встроенный Windows OCR-движок: распознает локально, без интернета, не держит постоянно фоновый процесс, запускаешь по необходимости. Работает шустро.

Есть четыре режима:

▪️полноэкранный захват: можно выделить область или кликнуть по слову и сразу распознать;
▪️режим плавающего окна: закрепляешь где угодно и оно постоянно распознает;
▪️окно редактирования текста: внутри есть разные инструменты обработки текста;
▪️быстрые запросы: сохраняешь часто используемые куски и вызываешь их одним действием.

Еще есть поддержка CLI: можно делать OCR по файлу картинки или прогонять пакетно всю папку с изображениями.

Кому надо, можно поставить из Microsoft Store или скачать с GitHub. Также поддерживается установка через менеджеры пакетов scoop и choco.

📁 Language: #Csharp 99.5%

⭐️ Stars: 4.5k

➡️ Cсылка на GitHub

📱 @git_developer

Clawdbot

Сейчас ИИ умеет и код писать, и картинки рисовать, и в роли собеседника выступать, но есть одна проблема: чтобы всем этим пользоваться, почти всегда нужно идти в отдельную веб-страницу или отдельный клиент.

Как только хочется, чтобы он помог с рабочей задачей или обсудить с ним требования и решение, приходится открывать нужное окно ИИ и постоянно прыгать между разными интерфейсами. Это реально неудобно.

И вот на GitHub как раз попался очень хайповый open-source проект Clawdbot, который закрывает эту боль. Буквально за несколько дней он набрал 20000+ звёзд.

В отличие от простых AI-чатиков, Clawdbot это приватный AI-ассистент, который может полностью работать локально и у которого есть условные “руки и ноги”.

Внутри у него есть инструменты вроде управления браузером, Canvas-холста, планировщика задач и т.д. Он может как человек автоматом ходить по сайтам, заполнять формы, читать и писать файлы и даже выполнять shell-команды.

Его можно подключить к популярным большим моделям вроде Gemini и Claude, а также завести в разные мессенджеры и соц-чаты.

В итоге можно прямо в привычных чат-приложениях отдавать ему команды, чтобы он сам автоматизировал и выполнял задачи, без постоянного переключения между приложениями.

У проекта есть пошаговая установка: одной командой можно быстро развернуть. Запускается и локально на Mac, и на Linux-сервере для удалённого доступа.

📁 Language: #TypeScript 82.5%

⭐️ Stars: 60k

➡️ Cсылка на GitHub

📱 @git_developer

DocStrange

Когда делаешь RAG или “скармливаешь” ИИ свои материалы, самая больная тема это таблицы внутри PDF и картинок. Текст из них вытаскивается криво: формат плывет, особенно на сложных макетах, и в таком виде это почти невозможно нормально использовать.

На GitHub как раз нашелся опенсорсный проект DocStrange, который целится ровно в эту проблему: превращать документы в данные без боли.

Он умеет довольно точно конвертировать разные форматы в то, что любят большие модели: Markdown или структурированный JSON.

Поддерживаются PDF, изображения, офисные документы и даже ссылки на веб-страницы. В основе OCR плюс анализ верстки, то есть он не просто распознает текст, а пытается понять структуру документа.

Фишка в том, что он может восстанавливать сложные таблицы, а еще по заданным полям или Schema сразу вытаскивать структурированный JSON.

Есть готовый локальный веб-интерфейс: закинул файл drag-and-drop и получил результат. Плюс поддерживается локальное ускорение на GPU, все крутится у тебя на машине, данные никуда не уезжают, с приватностью спокойнее.

Лучше всего зайдет тем, кто собирает RAG-базу знаний или кому нужно пачками разбирать сканы, счета, инвойсы и другой неструктурированный хлам.

📁 Language: #Python 85.4%

⭐️ Stars: 1.3k

➡️ Cсылка на GitHub

📱 @git_developer

Curses

Стримишь или записываешь видео и хочешь реальные субтитры в реальном времени, чтобы зрителям было проще, но у большинства тулов стили однотипные и почти не настраиваются.

Недавно нашел на GitHub опенсорсный инструмент Curses. Он заточен под субтитры speech-to-text для OBS, VRChat, Twitch и Discord, и при этом дает очень много кастомизации.

Поддерживает разные движки распознавания: Microsoft Azure, Speechly, Deepgram и встроенный браузерный WebSpeechAPI. Плюс умеет в обратную сторону, текст-в-речь, чтобы выводить озвучку.

Оформление субтитров можно докрутить по-взрослому: цвета, шрифты, тени, фоновые текстуры, анимация печати, звуки, частицы, и даже CSS. Можно тянуть тысячи бесплатных шрифтов прямо из Google Fonts.

Еще умеет брать источник из Twitch-чата: отображает эмодзи 7TV/FFZ/BTTV, а результаты распознавания можно отправлять обратно в Twitch-чат или в канал Discord.

Есть система сцен: сохраняешь несколько пресетов дизайна и при переключении сцен в OBS стили субтитров переключаются автоматически. Через плагин obs-websocket можно настроить OBS “в один клик”.

📁 Language: #TypeScript 85.9%

⭐️ Stars: 652

➡️ Cсылка на GitHub

📱 @git_developer

plexe

Чтобы натренировать ML-модель, обычно надо шарить в алгоритмах, писать код и бесконечно тюнить гиперпараметры. Для большинства это входной барьер, который сразу отбивает желание.

На GitHub есть Plexe, опенсорсный проект, который сильно снижает порог: ты описываешь задачу обычным языком, а он автоматически собирает машинное обучение под это.

Достаточно по-человечески объяснить, что именно хочешь предсказать, какие данные на входе и что должно быть на выходе. Дальше система через связку нескольких агентов сама проходит весь пайплайн: анализ данных, план решения, генерация кода, тесты и оценка качества.

Поддерживает разных провайдеров LLM: OpenAI, Anthropic, Ollama и другие. Плюс умеет автоматически выводить структуру данных или даже генерировать синтетический датасет.

Еще внутри есть распределенное обучение на Ray: можно параллельно прогонять несколько вариантов моделей и сильно ускоряться.

Если тебе нужно быстро проверить ML-идею или дать возможность строить модели не технарям, штука выглядит реально полезной.

📁 Language: #Python 92.0%

⭐️ Stars: 2.3k

➡️ Cсылка на GitHub

📱 @git_developer

ai-data-science-team

Когда делаешь проекты по Data Science, львиная доля времени обычно уходит на чистку данных и однотипный код для графиков, а на реальный тюнинг моделей сил остается совсем мало.

Случайно наткнулся на GitHub на проект ai-data-science-team, который по сути собирает тебе универсальную виртуальную команду дата-сайентистов.

Он дает визуальный workflow-инструмент: через интерфейс и в связке с AI можно прогнать весь пайплайн от загрузки данных, очистки и EDA до моделинга.

Внутри несколько специализированных агентов, которые делят работу и берут на себя рутину: автоматом разбираются с пропусками, генерят код для feature engineering, а также могут напрямую дергать H2O и MLflow для обучения и оценки моделей.

Можно подключить OpenAI или локальные модели через Ollama, так что с приватностью данных проще, и все это сделано на Streamlit, в Python ставится и запускается довольно быстро.

Проект сейчас активно пилится и обновляется, так что подойдет тем, кто хочет отдать муторную предобработку AI и больше фокусироваться на бизнес-логике.

📁 Language: #Python 100.0%

⭐️ Stars: 4.6k

➡️ Cсылка на GitHub

📱 @git_developer