claude-skills

Нашёл ещё одну библиотеку плагинов Claude Skills: внутри 66 профильных skills, покрывают 12 направлений типа фронт, бэк, DevOps и т.д., плюс в комплекте больше 300 глубоких референс-доков.

Есть контекстная активация: если просишь что-то вроде “реализуй JWT-валидацию”, он сам включает нужный “экспертный режим” и подгружает релевантные спеки, без ручного переключения.

Там даже интегрировано 9 наборов проектных workflow, есть связка с Jira и Confluence, чтобы вести весь цикл: от выявления требований до ретро.

Ставится одной командой из плагин-маркета. Если хочешь прокачать Claude Code из “генератора кода” в “разработчика, который понимает домен”, плагин точно стоит попробовать.

📁 Language: #Python 64.0%

⭐️ Stars: 1.8k

➡️ Cсылка на GitHub

📱 @git_developer

Skills Marketplace

Когда используешь Claude Code, чтобы помогать писать код или искать уязвимости, ответы универсальных моделей часто получаются не особо хардкорными: не хватает глубины и поддержки уровня проф. security-инструментов.

И тут как раз в GitHub нашелся open source проект от Trail of Bits: Skills Marketplace. Это такой набор "безопасностных скиллов" специально под Claude Code.

Там собрана куча практических плагинов: можно напрямую дергать Semgrep для написания правил, сканить уязвимости в смарт-контрактах, и даже делать YARA-анализ на вредоносы.

Плюс оно помогает выстраивать аудит-контекст на уровне архитектуры: автоматически подсвечивает потенциально опасные API и небезопасные конфиги, чтобы AI-воркфлоу реально тянул на глубину нормального security-аудита.

Установка максимально простая: в CLI Claude Code вводишь одну команду, подключаешь маркетплейс, и дальше ставишь нужные скиллы почти как товары в магазине.

Сделано топовой security-командой. Если ты пробуешь приземлять Claude Code в задачи по безопасности, этот набор прям очень годный как референс и как рабочий тулсет.

📁 Language: #Python 63.2%

⭐️ Stars: 2.8k

➡️ Cсылка на GitHub

📱 @git_developer

SmarterRouter

Умный LLM-шлюз и VRAM-aware роутер, поддерживает бэкенды Ollama, llama.cpp и OpenAI-совместимые. Сделан специально для локальной AI-лабы: есть семантический кэш, анализ/профилирование моделей и автопереключение при сбоях (failover).

По сути это умный routing-gateway, который сам выбирает самый подходящий модельный эндпоинт под запрос.

Уровень "умности" check:

▪️Автообнаружение: сканирует Ollama/llama.cpp и понимает, какие модели у тебя доступны
▪️Анализ производительности: при первом запуске прогоняет тесты и оценивает скорость/качество каждой модели на твоём железе
▪️Классификация промптов: определяет, что это - код, креативное письмо, Q&A или математика
▪️VRAM-aware: мониторит видеопамять GPU, и если VRAM забита, выгружает неиспользуемые модели

📁 Language: #Python 99.8%

⭐️ Stars: 36

➡️ Cсылка на GitHub

📱 @git_developer

apple-silicon-accelerometer

Этот чел реально залез в неофициальный сенсорный интерфейс Apple?? Читает нераскрытые MEMS-акселерометр и гироскоп на MacBook с Apple Silicon

В твоем MacBook (M1/M2/M3/M4/M5) спрятаны MEMS-акселерометр + гироскоп, которыми управляет SPU (Sensor Processing Unit). Apple никому про это не рассказывала, в API-доках этого нет. Но физически оно там есть, возможно это чип Bosch BMI286.

Что умеет проект?

Через IOKit HID напрямую читает сырые данные:

▪️Акселерометр: 3-осевое ускорение, примерно 800 Гц сэмплинг
▪️Гироскоп: угловая скорость, то же самое
▪️Угол открытия крышки: да, можно детектить, на сколько градусов открыт экран
▪️Датчик освещенности: через тот же интерфейс заодно читается

Если положить запястье рядом с тачпадом, можно мерить пульс (баллистокардиография, BCG).

📁 Language: #Python 76.3%

⭐️ Stars: 573

➡️ Cсылка на GitHub

📱 @git_developer

gdown

gdown — это инструмент для загрузки публичных файлов и папок с Google Drive, особенно полезный в случаях, когда стандартные утилиты, такие как curl или wget, не справляются с задачей.

Он позволяет обходить предупреждения безопасности при загрузке больших файлов, поддерживает рекурсивную загрузку содержимого папок (до 50 файлов в папке) и предоставляет возможность выбора формата загрузки для документов Google (например, PDF, XML, CSV).

Дополнительно, gdown может использоваться как альтернатива curl или wget для загрузки файлов из других источников, а также поддерживает загрузку с использованием прокси-серверов и продолжение прерванных загрузок.

📁 Language: #Python 98.9%

⭐️ Stars: 5.1k

➡️ Cсылка на GitHub

📱 @git_developer

chat-downloader

Это инструмент для извлечения сообщений чата из прямых трансляций, видеороликов, клипов и записей прошлых трансляций.

Он поддерживает различные платформы, включая YouTube, Twitch и Zoom.

Для использования программы не требуется аутентификация

📁 Language: #Python 99.2%

⭐️ Stars: 1.1k

➡️ Cсылка на GitHub

📱 @git_developer

CPA-Dashboard

Руки чешутся: накупил кучу аккаунтов Gemini, Claude или Antigravity, повесил их на CLIProxyAPI и гоняю сервис.

Самое больное: непонятно, какой аккаунт уже отвалился, и сколько у кого осталось квоты. Каждый раз лезть в логи и выискивать это вручную, дико неэффективно.

Случайно наткнулся на проект CPA-Dashboard. Это визуальная панель управления, заточенная специально под CLIProxyAPI: вместо холодного CLI получаешь понятный веб-интерфейс.

Что умеет:

- В вебе прямо включать/выключать сервисы
- В реальном времени смотреть runtime-логи
- Самое полезное: пачкой обновлять квоты аккаунтов, автоматически детектить и помечать протухшие аккаунты, которым нужен повторный логин
- Есть интеграция OAuth-флоу: чтобы добавить новый аккаунт, не надо в терминале набивать сложные команды, пару кликов и готово

Есть one-click скрипты запуска для Windows, macOS и Linux: они сами поднимут Python-окружение, поставят зависимости и подхватят существующий конфиг, так что можно сразу стартовать.

Если ты на CLIProxyAPI строишь свой AI API-сервис, эта панель реально экономит кучу времени на поддержке, стоит задеплоить.

📁 Language: #HTML 51.3%, #Python 42.5%

⭐️ Stars: 212

➡️ Cсылка на GitHub

📱 @git_developer

PM Skills Marketplace

Работать продакт-менеджером сложно не столько потому, что не хватает идей, сколько потому, что из кучи идей нужно найти ту, которую действительно стоит делать, а потом по правильному фреймворку довести ее до релиза.

Случайно наткнулся на GitHub на open-source проект PM Skills Marketplace. Он превращает продуктовые методологии таких экспертов, как Teresa Torres и Marty Cagan, в 65 AI-скиллов, которые можно вызывать напрямую.

Через 8 плагинов проект покрывает весь жизненный цикл продукта: от discovery, стратегического планирования и delivery до growth и операционки. В каждый скилл уже встроены зрелые продуктовые фреймворки и пошаговые guided-flow сценарии.

Проект специально сделан под Claude Code и Cowork, поддерживает установку всех модулей-плагинов в один клик, а также совместим с другими AI-инструментами вроде Cursor, которые могут использовать его core prompt.

Если ты продакт-менеджер и хочешь прокачать AI до уровня продуктового ассистента, который реально понимает методологии, на проект точно стоит посмотреть.

📁 Language: #Python 100.0%

⭐️ Stars: 3.8k

➡️ Cсылка на GitHub

📱 @git_developer

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

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

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

alexandria-audiobook

Слушать аудиокниги удобно, но если нужно конвертировать имеющийся роман или электронную книгу в аудиоформат, большинство инструментов выдают «механический» голос с одним тембром — без разделения персонажей и эмоциональной выразительности.

Недавно наткнулся на open-source проект Alexandria Audiobook Generator, который с помощью AI автоматически размечает текст и генерирует аудиокнигу с озвучкой нескольких персонажей. Сначала большая модель парсит весь текст книги, точно разделяя нарратив (описание) и реплики разных персонажей, а также проставляет эмоциональные теги.

В проект встроен локальный TTS-движок: поддерживаются разные языки, а такие вещи, как вздохи, смех и прочие паралингвистические элементы, воспроизводятся естественно с учётом контекста.

Есть удобный UI, где можно назначать разные голоса для каждого персонажа; также поддерживается клонирование голоса по короткому аудио-сэмплу (буквально несколько секунд).

Поддерживается one-click локальный деплой — без необходимости использовать внешние голосовые сервисы, всё работает полностью на локальной машине.

На выходе можно экспортировать аудиокнигу в формате M4B с главами или в виде многодорожечного аудио. Отличный вариант для тех, кто любит аудиокниги или занимается созданием аудиоконтента.

📁 Language: #Python 58.3%

⭐️ Stars: 422

➡️ Cсылка на GitHub

📱 @git_developer

alexandria-audiobook

Слушать аудиокниги удобно, но если нужно конвертировать имеющийся роман или электронную книгу в аудиоформат, большинство инструментов выдают «механический» голос с одним тембром — без разделения персонажей и эмоциональной выразительности.

Недавно наткнулся на open-source проект Alexandria Audiobook Generator, который с помощью AI автоматически размечает текст и генерирует аудиокнигу с озвучкой нескольких персонажей. Сначала большая модель парсит весь текст книги, точно разделяя нарратив (описание) и реплики разных персонажей, а также проставляет эмоциональные теги.

В проект встроен локальный TTS-движок: поддерживаются разные языки, а такие вещи, как вздохи, смех и прочие паралингвистические элементы, воспроизводятся естественно с учётом контекста.

Есть удобный UI, где можно назначать разные голоса для каждого персонажа; также поддерживается клонирование голоса по короткому аудио-сэмплу (буквально несколько секунд).

Поддерживается one-click локальный деплой — без необходимости использовать внешние голосовые сервисы, всё работает полностью на локальной машине.

На выходе можно экспортировать аудиокнигу в формате M4B с главами или в виде многодорожечного аудио. Отличный вариант для тех, кто любит аудиокниги или занимается созданием аудиоконтента.

📁 Language: #Python 58.3%

⭐️ Stars: 422

➡️ Cсылка на GitHub

📱 @git_developer

ui-ux-pro-max-skill

Когда пишешь фронтенд-код с помощью AI, интерфейсы получаются однотипными: устаревшие цветовые схемы, хаотичная верстка. Хочется сделать красиво, но нет навыков дизайна — в итоге сплошная головная боль.

Случайно наткнулся на open-source проект UI UX Pro Max — ощущение, будто нашёл его слишком поздно. Уже набрал более 50 000 .

После установки это фактически как добавить AI-код-ассистенту «мозг» профессионального дизайнера: он автоматически генерирует полноценные дизайн-решения.

Достаточно описать тип проекта — и он, исходя из особенностей индустрии, автоматически подбирает цветовую палитру, шрифты, лейаут страниц и стиль взаимодействия, выдавая готовую дизайн-систему.

Внутри — 161 правило дизайна для разных индустрий: от SaaS, финансов и медицины до e-commerce и гейминга. Плюс подсказывает, какие решения считаются антипаттернами и каких «граблей» лучше избегать.

Также доступны 67 стилей интерфейса и 57 наборов шрифтовых пар — не нужно вручную всё подбирать.

Поддерживает более десятка популярных AI-инструментов для программирования, включая Claude Code, Cursor и другие. Устанавливается одной командой и автоматически активируется при написании кода.

Если ты часто используешь AI для фронтенда, но страдаешь от слабого визуала — этот набор скиллов избавит от постоянной правки стилей.

📁 Language: #Python 77.9%

⭐️ Stars: 50.7k

➡️ Cсылка на GitHub

📱 @git_developer

Vibe Draw

Простая и удобная 3D-моделирующая программа

Она позволяет превращать грубые эскизы в красивые 3D-модели с помощью ИИ в один клик, делая 3D-творчество доступным каждому.

🔸Свободное рисование 2D-эскизов с их мгновенным преобразованием в 3D-модели
🔸Оптимизация эскизов с помощью ИИ для улучшения деталей и качества
🔸Поддержка текстовых подсказок для редактирования и улучшения 3D-моделей
🔸Возможность комбинировать несколько моделей в 3D-пространстве для создания сцен
🔸Экспорт в стандартный формат (.glTF) одним кликом, совместимость с существующими инструментами

Поддерживается быстрая развертка через Docker, а также экспорт в .glTF для интеграции с другими инструментами.

📁 Language: #TypeScript(55.3%), #Python(19.9%)

⭐️ Stars: 1.1k

➡️ Cсылка на GitHub

📱 @git_developer

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

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

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

agentic-soc-platform

Команда безопасности сталкивается с сотнями или тысячами оповещений каждый день. Ручное расследование не только требует много времени и сил, но и может привести к пропуску угроз, которые требуют внимания.

Вы можете ознакомиться с платформой Agentic SOC, open-source решением для операций безопасности, которое использует AI-агентов для автоматизации обработки оповещений.

Она поставляется с встроенными AI-шаблонами, такими как Langgraph и Dify, поддерживает интеграцию с локальными большими языковыми моделями и помогает автоматически анализировать оповещения и выполнять ответы.

Платформа позволяет быстро настраивать интерактивные интерфейсы, модели данных и рабочие процессы, а также поддерживает интеграцию с популярными платформами, такими как Splunk и Kibana, с возможностью хранения всех данных локально.

Она подходит как для корпоративных операций безопасности, так и для друзей, которые хотят использовать AI для повышения эффективности экстренных реагирований — попробуйте её, развернув на своем сервере.

📁 Language: #Python 100%

⭐️ Stars: 670

➡️ Cсылка на GitHub

📱 @git_developer