cheatreader

Когда у меня появляется немного свободного времени на работе, хочется почитать книгу, но открывать полноэкранную читалку слишком заметно, а постоянное переключение туда-обратно сбивает поток.

Пока я ломал голову над этим, я нашёл CheatReader — open-source десктопный инструмент для чтения, который позволяет «читать незаметно».

Он может закрепляться в любом углу экрана и имеет прозрачный режим чистого текста — окно буквально сливается с фоном рабочего стола и не перекрывает рабочий контент. При этом его можно скрыть и вернуть в один клик, и прогресс чтения не теряется.

Поддерживаются режимы чтения в одну строку и в несколько строк, переключение — двойным кликом или через горячую клавишу. Также есть импорт популярных форматов: txt, epub, pdf.

Дополнительно можно настраивать шрифт, межстрочный интервал и ширину текста, есть переход по строке, странице или проценту, а также поиск по тексту.

Если хочешь незаметно читать во время перерывов, не запуская полноэкранные приложения и не ломая рабочий ритм — этот инструмент стоит попробовать.

📁 Language: #Dart 82.3%

⭐️ Stars: 303

➡️ Cсылка на GitHub

📱 @git_developer

reverse-SynthID

Это инструмент для обратного инжиниринга технологии SynthID от Google DeepMind, предназначенной для встраивания невидимых водяных знаков в контент, сгенерированный искусственным интеллектом.

Программа анализирует изображения, помеченные SynthID, и пытается извлечь или удалить встроенные водяные знаки, делая их недоступными для обнаружения.

📁 Language: #Python 100.0%

⭐️ Stars: 522

➡️ Cсылка на GitHub

📱 @git_developer

doom-over-dns

Это проект, позволяющий запускать классическую игру DOOM, загружая её данные исключительно через DNS TXT-записи, без записи файлов на диск.

Ключевая особенность заключается в том, что весь игровой контент разбит на около 1 964 DNS TXT-записи, которые затем собираются и исполняются в памяти с помощью скрипта на PowerShell.

Для реализации используется порт DOOM на C# под названием managed-doom, что позволяет загружать и запускать игру непосредственно из памяти, обходя традиционные методы хранения и загрузки файлов.

📁 Language: #Csharp 93.8%

⭐️ Stars: 522

➡️ Cсылка на GitHub

📱 @git_developer

Hermes HUD

При использовании AI-агентов в работе самая раздражающая вещь — это отсутствие понимания, что происходит у них «внутри»: что они запомнили, на каком шаге находится задача — всё как чёрный ящик.

Недавно наткнулся на проект Hermes HUD на GitHub. Он даёт агентам дашборд, который визуализирует их память, развитие и операционное состояние — всё наглядно.

Сделан специально для Hermes-агентов: читает данные агента в реальном времени и отображает их в 9 вкладках по разным аспектам. Открываешь — и сразу видно реальное состояние агента.

Также есть логирование ошибок: фиксируется каждая ошибка агента и то, чему он на ней «научился».

Можно делать сравнение snapshot’ов роста — смотреть, что изменилось у агента со вчера на сегодня. Есть трекинг проектов, мониторинг запланированных задач и проверка runtime-состояния.

В комплекте 4 киберпанк-темы — в терминале выглядит довольно эффектно. Поддерживаются macOS и Linux: достаточно склонировать репозиторий и настроить.

Если используешь Hermes-агентов и хочешь в любой момент видеть их полную операционную картину — этот дашборд стоит поставить.

📁 Language: #Python 99.7%

⭐️ Stars: 309

➡️ Cсылка на GitHub

📱 @git_developer

GSAP

GSAP — это мощная библиотека JavaScript, предназначенная для создания высокопроизводительных анимаций на веб-сайтах и в веб-приложениях.

Она позволяет анимировать любые свойства объектов JavaScript, включая CSS-свойства, элементы SVG, объекты canvas и многое другое.

Ключевые функции GSAP включают в себя движок tweening для точного управления анимациями, возможность создания сложных последовательностей с помощью временных шкал (timelines), а также поддержку плагинов, таких как ScrollTrigger для анимаций, зависящих от прокрутки, и Draggable для реализации перетаскивания элементов.

Библиотека оптимизирована для обеспечения плавных анимаций с высокой частотой кадров и совместима со всеми основными браузерами.

📁 Language: #JavaScript 98.7%

⭐️ Stars: 24.3k

➡️ Cсылка на GitHub

📱 @git_developer

agtop

Это окно в то, что делает ваш AI-агент программирования — прямо в терминале, где вы его запускаете.

Agtop — это терминальный дашборд в стиле top, который отслеживает все ваши сессии Claude Code и Codex на вашей машине: расходы, использование токенов, нагрузку контекста, загрузку CPU, вызовы инструментов и многое другое — всё в одном месте с обновлением в реальном времени.

📁 Language: #JavaScript 100%

⭐️ Stars: 45

➡️ Cсылка на GitHub

📱 @git_developer

AgentHandover

Используя AI-агентов для выполнения задач, я хочу выстроить общую структуру своего workflow и создать Skill, чтобы агент «обучался» нашим процессам.

Я наткнулся на проект AgentHandover, который автоматически дистиллирует рабочие процессы в «skill manuals», которые AI-агенты могут напрямую исполнять, наблюдая за реальными действиями пользователя на Mac.

Достаточно просто работать как обычно — инструмент в фоне выявляет повторяющиеся процессы и автоматически генерирует полноценную документацию навыков: шаги, стратегии, логику принятия решений и даже ваш стиль написания.

Что ещё важнее — эти навыки не «застывают» после создания: агент пересматривает и оптимизирует Skill после каждого выполнения, делая его точнее с каждым использованием.

Все данные обрабатываются локально, скриншоты удаляются после аннотации, пароли и ключи автоматически маскируются, также есть интеграция в один клик с популярными инструментами вроде Claude Code и Codex.

Если у вас много повторяющихся задач в повседневной работе, которые вы хотите делегировать агенту, но не хотите каждый раз вручную описывать workflow — на этот инструмент стоит обратить внимание.

📁 Language: #Python 75.1%

⭐️ Stars: 521

➡️ Cсылка на GitHub

📱 @git_developer

ATLAS

Написание кода с использованием локальных больших моделей приводит к нестабильному качеству вывода, из-за чего требуется многократная отладка и доработка — это неудобно и в итоге менее эффективно, чем просто вызывать API напрямую.

Open-source проект ATLAS предлагает интересный подход: вместо fine-tuning модели он оборачивает её в интеллектуальный пайплайн, позволяя локальным малым моделям генерировать код высокого качества.

Он автоматически генерирует несколько кандидатных решений, валидирует их через sandboxing и механизмы самовосстановления, итеративно отбирая оптимальный вариант, при этом весь процесс полностью выполняется офлайн, а данные остаются на локальной машине.

Даже на потребительской видеокарте с 16 ГБ VRAM он достигает производительности в задачах кодинга, близкой к передовым API-моделям.

Также он предоставляет интерактивный инструмент командной строки: достаточно ввести команду в директории проекта, чтобы начать работу — сложная логика автоматически запускает полный пайплайн, а простые файлы генерируются за секунды.

Если вы хотите запускать надёжного AI-ассистента для кодинга локально, без зависимости от облачных API и оплаты токенов, на этот проект стоит обратить внимание.

📁 Language: #Python 81.4%

⭐️ Stars: 1.8k

➡️ Cсылка на GitHub

📱 @git_developer

graphify

Использование AI для помощи в программировании — когда проект разрастается, это превращается в головную боль: зависимости между частями кода, нюансы архитектурных решений — простым пролистыванием файлов уже не разобраться.

Можно попробовать open-source проект graphify — он автоматически превращает весь кодбейс в граф знаний, позволяя AI-ассистентам реально «понимать» структуру проекта.

Достаточно ввести одну команду в популярных AI-инструментах для разработки, таких как Claude Code, Cursor, Gemini CLI — и он генерирует интерактивные графы знаний, архитектурные отчёты и файлы с возможностью запросов.

Это не только про код — можно загружать PDF-документы, скриншоты, фото с доски, даже видео и аудио — система автоматически извлекает сущности и связи, объединяя всё в единый граф.

Для кода используется локальный парсинг синтаксического дерева, без отправки данных в облако, поддерживается 20 языков программирования.

При выполнении запросов экономия достигает более чем в 70 раз по сравнению с прямым чтением сырых файлов, а последующие запросы после одного прогона практически не требуют затрат.

Если ваш проект растёт, файлов становится всё больше, и вы хотите, чтобы AI-ассистент перестал «гадать вслепую», это стоит попробовать.

📁 Language: #Python 100.0%

⭐️ Stars: 22.4k

➡️ Cсылка на GitHub

📱 @git_developer

MathCode

Я хочу использовать ИИ для формальных доказательств математических теорем, но большинство инструментов этого не поддерживают, а собрать собственный воркфлоу с нуля — очень высокий порог входа.

Случайно наткнулся на опенсорс-проект под названием MathCode. Он принимает описание математической задачи на естественном языке и автоматически конвертирует его в теоремы для Lean 4, после чего пытается завершить формальное доказательство.

Проще говоря, это ассистент для доказательства теорем прямо в терминале. Вводишь фразу вроде «Докажи, что квадрат чётного числа — чётный», и он сам проходит весь пайплайн: от формализации до доказательства.

Также есть интеграция с Lean LSP, которая позволяет автоматически подтягивать существующие леммы из библиотеки Mathlib для помощи в доказательствах. Если возникают ошибки компиляции, система автоматически их исправляет и делает ретраи, до десяти итераций.

Поддерживается генерация графов знаний в Obsidian для визуализации зависимостей между теоремами и леммами. Есть параллельный запуск нескольких планировщиков, чтобы одновременно прогонять разные стратегии доказательства и находить оптимальное решение.

Если интересна формальная верификация математики или вы используете Lean 4 и считаете ручной процесс слишком трудоёмким, этот инструмент стоит попробовать.

📁 Language: #Python 52.7%

⭐️ Stars: 402

➡️ Cсылка на GitHub

📱 @git_developer

NtWARden

NtWARden — набор инструментов для анализа и исследования Windows

Инструмент инспекции системы Windows на базе ImGui + DirectX 11, поддерживает работу как в пользовательском режиме, так и в режиме ядра.

Позволяет перечислять внутренние структуры системы: процессы, сервисы, сетевые соединения, обратные вызовы ядра, SSDT, пулы ядра и т.д., а также включает встроенные функции анализа безопасности процессов (обнаружение шеллкода, выявление подмены модулей, детектирование перехватов системных вызовов и др.).

📁 Language: #Cpp 79.8%

⭐️ Stars: 302

➡️ Cсылка на GitHub

📱 @git_developer

solcl

Терминальный просмотрщик солнечной системы на Go, построенный на Bubble Tea.

Управление:

🟡 q или ctrl+c — выход из программы
🟡 * или ↑ — увеличить масштаб
🟡 * или ↓ — уменьшить масштаб
🟡 h — скрыть справку
🟡 r — сброс времени
🟡→ — ускорить время
🟡 ← — перемотать время назад

📁 Language: #Go 100.0%

⭐️ Stars: 27

➡️ Cсылка на GitHub

📱 @git_developer

LSP Enforcement Kit for Claude Code

Механизм принудительного использования LSP-навигации в Claude Code: 6 хуков + 1 трекер состояния, которые блокируют неэффективные поиски через Grep и направляют Claude к использованию LSP-инструментов для навигации по коду.

Поддерживаются MCP-серверы cclsp и Serena LSP. По словам автора, в тестах это дало примерно 73% экономии токенов.

📁 Language: #JavaScript 72.6%

⭐️ Stars: 102

➡️ Cсылка на GitHub

📱 @git_developer

architecture-diagram-generator

Наткнулся на полезный скилл на GitHub — генератор архитектурных диаграмм.

Достаточно описать компоненты системы и их связи обычным языком или передать код на анализ — инструмент сгенерирует аккуратную архитектурную диаграмму.

Результат — автономный HTML-файл, который открывается в браузере. Можно взаимодействовать с ИИ: менять расположение, добавлять или удалять компоненты.

Разные типы компонентов выделяются цветами: фронтенд — голубой, бэкенд — зелёный, базы данных — фиолетовый и т.д. Используется шрифт JetBrains Mono, визуально получается аккуратная инженерная схема.

Подойдёт для подготовки архитектуры под презентации и техническую документацию — можно сохранить.

📁 Language: #HTML 100.0%

⭐️ Stars: 1.9k

➡️ Cсылка на GitHub

📱 @git_developer