Scrapling

Самое раздражающее в написании парсеров это обновления сайта. Как только страница меняется, старые селекторы ломаются, и приходится заново разбирать структуру и дебажить код.

Недавно я наткнулся на Scrapling это open source-библиотека адаптивного парсера, которая решает эту проблему. Она умеет автоматически переназначать элементы, если структура сайта изменилась.

Кроме того, Scrapling может отслеживать изменения в расположении элементов и имеет встроенные механизмы обхода антибот-защиты: маскировку TLS-отпечатков, обход Cloudflare и другие. Благодаря этому парсер работает стабильнее и надежнее.

После установки через pip нужно дополнительно выполнить scrapling install, чтобы скачать зависимости для браузера. Если занимаешься веб-скрейпингом — стоит глянуть.

📁 Language: #Python 97.8%

⭐️ Stars: 7.8k

➡️ Cсылка на GitHub

📱 @git_developer

persepolis

Когда скачиваешь большие файлы или хочешь сохранить видео с сайтов вроде YouTube, стандартный загрузчик браузера часто тупит: медленно качает, обрывает соединение и заставляет всё начинать заново.

Попробуй Persepolis Download Manager — это опенсорсный загрузчик, который заметно ускоряет и упрощает работу с файлами.

Он поддерживает многопоточные загрузки (до 64 одновременных соединений), что не только ускоряет скачивание, но и даёт продвинутые инструменты для планирования задач и управления очередями.

📁 Language: #Python 99.7%

⭐️ Stars: 7k

➡️ Cсылка на GitHub

📱 @git_developer

DeepAnalyze

Обычно анализ данных - от чистки и исследования до моделирования, визуализации и написания отчётов отнимает кучу времени. Особенно когда приходится возиться с кучей файлов разных форматов. Это тот ещё гемор.

К счастью, я наткнулся на опенсорсный проект DeepAnalyze, который позволяет ИИ полностью самостоятельно пройти весь цикл data science, реально без участия человека.

Он построен на DeepSeek-R1 и использует подход curriculum learning при обучении. Поддерживает весь пайплайн: подготовку данных, анализ, моделирование, визуализацию и генерацию отчётов.

Инструмент умеет работать с разными типами данных — базы данных, CSV, Excel, JSON, XML и в итоге генерирует профессиональные исследовательские отчёты.

📁 Language: #Python 94.9%

⭐️ Stars: 874

➡️ Cсылка на GitHub

📱 @git_developer

Math-To-Manim

Раньше, чтобы сделать интерактивные анимации для обучения математике или физике, приходилось использовать профинструменты вроде Manim + разбираться с рендерингом формул в LaTeX, движениями камеры и прочими тонкостями.

Теперь, с открытым инструментом Math-To-Manim, можно автоматически сгенерировать полноценную интерактивную анимацию по простому однофразовому описанию.

Инструмент сам анализирует концепции и постепенно выстраивает материал до нужной темы, автоматически создавая контент: подробные формулы LaTeX, раскадровку сцен и прочее — весь процесс полностью автоматизирован.

📁 Language: #Python 71.8%

⭐️ Stars: 1.2k

➡️ Cсылка на GitHub

📱 @git_developer

agent-lightning

Когда делаешь агентные приложения и хочешь, чтобы они сами учились и прокачивались на реальных данных во время работы, всё упирается в сложную реализацию.

Microsoft недавно выкатили в опенсорс проект под названием Agent Lightning. Он сильно снижает порог входа и позволяет без боли добавить самооптимизацию агентам.

Нужно всего лишь добавить простые события для трекинга, и можно подключать разные алгоритмы: обучение с подкреплением, автооптимизацию промптов, supervised fine-tuning и прочее. Агент будет становиться умнее прямо в проде.

Плюс он дружит со всеми основными фреймворками для агентов: LangChain, AutoGen, CrewAI и даже обычные питоновские проекты поддерживает.

Архитектура легковесная, почти не лезет глубоко в исходники. Ставится через pip, а у ребят уже есть нормальные примеры и полная документация.

📁 Language: #Python 99.0%

⭐️ Stars: 3.4k

➡️ Cсылка на GitHub

📱 @git_developer

MedRAX

После рентгена в больнице обычно приходится ещё торчать в очереди, пока результаты дойдут до врача и тот их посмотрит. Часто уходит больше часа, чистая морока.

Недавно я наткнулся на опенсорсный агент для анализа медизображений MedRAX на GitHub. Он как раз пытается поменять весь этот устаревший процесс.

В нём собраны разные специализированные инструменты для анализа снимков грудной клетки. Всё построено на LangChain и LangGraph, в роли основной модели работает GPT-4o.

Внутри семь крупных групп проф-инструментов: visual question answering, сегментация, поиск и локализация патологий, генерация отчётов, классификация заболеваний и не только. Агент умеет сам выбирать нужные модули и решать сложные задачи анализа снимков без дополнительного обучения.

Репозиторий клонируем, ставим зависимости, запускаем main.py — поднимается Gradio-интерфейс. Нужен OpenAI API key. Поддерживается локальный запуск и облако.

📁 Language: #Python 95.7%

⭐️ Stars: 845

➡️ Cсылка на GitHub

📱 @git_developer

gamewiki

При игре в сложные проекты часто приходится лезть в интернет за гайдами. Постоянные переключения между браузером и игрой убивают весь кайф.

На GitHub есть опенсорсный AI ассистент GameWiki. Он умеет прямо в игре показывать вики и ответы ИИ, так что нужная инфа появляется сразу под рукой.

Нажимаешь хоткей, выскакивает оверлей поверх игры. Не нужно сворачивать окно и рушить процесс. Можно просто спросить у ИИ и получить ответ на лету.

📁 Language: #Python 82.0%

⭐️ Stars: 126

➡️ Cсылка на GitHub

📱 @git_developer

Torrra

На GitHub нашел довольно полезный опенсорсный загрузчик: Torrra. Весь процесс поиска и скачивания торрентов можно делать прямо в терминале.

Есть простая и понятная визуальная UI-ка. Можно искать нужный контент одним действием, плюс доступны пауза, резюм и так далее.

Для поиска торрентов используется интеграция с Jackett/Prowlarr, а за стабильную и быструю загрузку отвечает Libtorrent.

Есть несколько вариантов установки: через pipx, Homebrew или Docker. Поддерживаются Windows, macOS и Linux.

📁 Language: #Python 87.5%

⭐️ Stars: 591

➡️ Cсылка на GitHub

📱 @git_developer

second-brain

На компе скопилось куча доков, картинок и PDF, и когда надо что-то найти - фиг вспомнишь, в какой папке лежит. Знакомо?

Попробуй Second Brain - опенсорсный тул, который превращает локальные файлы в поисковый RAG-knowledge base.
Можно искать по естественному языку или по ключевым словам. Поддерживается мультимодальный поиск по тексту и по изображениям, плюс умные ответы через локальную AI-модель.

Основные фичи:

🔸Комбо семантического и ключевого поиска для точных результатов
🔸Мультимодальные эмбеддинги для текста и изображений
🔸Поддержка форматов: txt, pdf, docx, png, gif и других
🔸Опциональный AI-режим — можно юзать локальные модели или OpenAI-облако
🔸Retrieval-Augmented Generation (RAG) для осмысленных ответов на основе базы знаний
🔸Полностью локальный ран, никаких утечек данных, есть синхронизация с Google Drive

Также можно подключить LM Studio и локально развёрнутую большую модель - инструмент тянет более 100k файлов, всё обрабатывается на месте.

📁 Language: #Python 99.7%

⭐️ Stars: 145

➡️ Cсылка на GitHub

📱 @git_developer

VibeVoiceFusion

Создание аудиокниг или подкастов обычно упирается в то, что нужно задействовать разные голоса для персонажей. Просить друзей неловко, а озвучивать всё самому сложно, голоса сливаются, и теряется ощущение отдельных ролей.

Совпадение или нет, но я наткнулся на опенсорсный проект VibeVoiceFusion на GitHub — это веб-приложение, которое умеет генерировать многоголосовую озвучку буквально в один клик.

Оно построено на модели Microsoft VibeVoice и предлагает удобный визуальный интерфейс для управления спикерами, редактирования реплик и генерации речи.

📁 Language: #Python 66.5%

⭐️ Stars: 219

➡️ Cсылка на GitHub

📱 @git_developer

8mb.local

На многих платформах есть ограничения по размеру загружаемых видео, из-за чего после монтажа приходится сжимать файлы вручную - подбирать битрейт, разрешение и прочие параметры. Это раздражает и отнимает время.

Недавно наткнулся на open-source инструмент 8mb.local, который решает эту проблему идеально: он сжимает видео точно до нужного размера, который ты задаёшь сам.

Просто перетаскиваешь видео, выбираешь целевой размер (например, 8 МБ или 25 МБ) и программа всё делает сама с ускорением на GPU, показывая прогресс в реальном времени. Если итоговый файл всё ещё больше лимита, она перекодирует повторно, пока не попадёт в нужный размер.

📁 Language: #Python 51.6%

⭐️ Stars: 100

➡️ Cсылка на GitHub

📱 @git_developer