Paper2Agent

Если код статьи на GitHub обычно вызывает головную боль при запуске, Paper2Agent решает это за тебя и превращает любой репозиторий в интерактивного AI-агента

Мульти-агентная система анализирует код, создаёт MCP-сервер и интегрирует его с Claude Code, чтобы методы статьи были доступны через диалог

Плюсы — автоматическая настройка среды, управление зависимостями, поддержка разных научных областей, предустановленные агенты для AlphaGenome, Scanpy, TISSUE

После установки Python 3.10+ и Claude Code одной командой можно превратить любой код статьи в AI-агента. Очень удобный инструмент для исследователей и разработчиков.

📁 Language: #Python 4.0%

⭐️ Stars: 417

➡️ Cсылка на GitHub

📱 @git_developer

DrizzleTime/Foxel

Если ваши файлы разбросаны по разным местам — облачные диски, локальный жёсткий диск или NAS —> иногда сложно вспомнить, где именно что хранится.

Рекомендуется обратить внимание на Foxel - этот open-source инструмент для приватного облачного хранения позволяет унифицированно управлять файлами, разбросанными по разным хранилищам.

Особенно интересно, что поддерживается AI‑семантический поиск —> можно искать картинки и документы по содержимому с помощью естественного языка, а не только по имени файла.

📁 Language: #TypeScript 55.5%, #Python 41.5%

⭐️ Stars: 624

➡️ Cсылка на GitHub

📱 @git_developer

Logics-Parsing

При обработке академических статей или исследовательских отчётов с помощью OCR, когда в документе есть сложные формулы, таблицы и графики, к качеству распознавания модели предъявляются особенно высокие требования.

Техническая команда Alibaba недавно выложила в опенсорс end-to-end модель для парсинга документов — Logics-Parsing, которая умеет напрямую конвертировать сложные документы в структурированный HTML.

Модель не только корректно распознаёт сложные научные формулы и химические структуры, но и автоматически отфильтровывает лишний контент вроде колонтитулов и футеров, фокусируясь на извлечении основной информации.

Поддерживаются разные типы входных данных: исследовательские отчёты, научные статьи, химическая документация, рукописные заметки и др.

В ряде бенчмарков модель показала результаты выше многих аналогов. Если у вас есть задачи по OCR сложных документов — стоит попробовать.

📁 Language: #Python 100.0%

⭐️ Stars: 369

➡️ Cсылка на GitHub

📱 @git_developer