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

Comic Translate

Comic Translate — это инструмент для перевода комиксов с использованием современных языковых моделей, таких как GPT-4o, поддерживающий множество языков.

Его основная цель — обеспечить качественный перевод, особенно в языковых парах, где традиционные переводчики не всегда справляются.

Проект предлагает пользователям графический интерфейс для ручного исправления ошибок и требует доступа к API от таких сервисов, как OpenAI и Google Cloud.

📁 Language: #Python 100.0%

⭐️ Stars: 2.2k

➡️ Cсылка на GitHub

📱 @git_developer

skyvern

Раньше автоматизация в вебе держалась на разборе DOM и XPath. Больше всего бесило, что стоило сайту поменять разметку, приходилось снова отлавливать упавшие селекторы, чинить код и гонять отладку по кругу.
Сейчас можно попробовать Skyvern.

Это опенсорсный инструмент для браузерной автоматизации, который использует визуальные AI-модели, чтобы распознавать и понимать содержимое страницы.

Даже если верстку на сайте перекроят, он все равно постарается сохранить рабочий функционал. Поддерживает эмуляцию действий пользователя вроде заполнения форм, скачивания файлов, авторизации в аккаунте и прочих рутинных операций.

📁 Language: #Python 61.9%

⭐️ Stars: 17.8k

➡️ Cсылка на GitHub

📱 @git_developer

OpenChatBI

Бесит, когда во время работы приходится каждый раз дергать базу за нужные данные. Каждый раз писать SQL, а если ещё и join'ы на несколько таблиц ..

Можно попробовать OpenChatBI. Это опенсорсная умная BI тулза, которая позволяет запрашивать и анализировать данные обычным человеческим языком. То есть можно забыть про ручной SQL.

Она построена на LangGraph и LangChain, понимает естественное описание запроса и сама генерирует SQL, выполняет его и может строить визуальные графики.

📁 Language: #Python 99.4%

⭐️ Stars: 207

➡️ Cсылка на GitHub

📱 @git_developer

WriteHERE

Пиши крупные тексты с ИИ и сталкиваешься с тем, что логика разваливается, структура плавает, а текст ощущается как набор случайных абзацев. Причина простая: большинство моделей пишет по фиксированным шаблонам и не умеет гибко менять ход мысли как человек.

Команда выложила в открытый доступ WriteHERE — фреймворк, который использует человекоподобный адаптивный подход к планированию. Он позволяет ИИ писать так, будто он реально думает по ходу работы и корректирует план, а не просто генерирует подряд.

WriteHERE рекурсивно разбивает большую задачу на подзадачи, динамически комбинирует поиск, рассуждения и генерацию текста и может менять стратегию прямо во время написания.

📁 Language: #Python 68.0%

⭐️ Stars: 628

➡️ Cсылка на GitHub

📱 @git_developer

reader3

Когда хочется подключать ИИ вроде Gemini, чтобы он помогал разбирать книги или анализировать содержание, копирование текста с ридера обычно превращается в гемор.

Особенно если хочется обсуждать книгу по главам. Выделять текст руками, копировать его — выбивает из ритма и ощущается как банальная трата времени.

Вчера Анджей Карпати, известный специалист в области ИИ, выложил в open source новый проект: reader3, который решает эту проблему очень аккуратно. Это легкий EPUB-ридер, позволяющий читать книгу вместе с ИИ.

Интерфейс у него максимально минималистичный: только необходимые функции чтения и навигации. Библиотекой тоже можно управлять через папки.

Фишка в том, что он разбивает EPUB на главы и показывает контент по одной главе.

Благодаря этому можно легко скопировать нужную часть книги и передать её большой модели для анализа или обсуждения. Это заметно улучшает опыт чтения в связке с ИИ.

И запустить всё очень просто — достаточно выполнить две команды через uv. В итоге это отличный инструмент для тех, кто любит читать и хочет использовать ИИ как компаньона для анализа текста.

📁 Language: #Python 61.0%

⭐️ Stars: 1.5k

➡️ Cсылка на GitHub

📱 @git_developer

sam-3d-objects

Вчера Meta выложила в открытый доступ модель SAM 3D. Новость практически утонула на фоне хайпа вокруг Gemini 3 Pro, но ей точно стоит уделить внимание.

Когда человек видит какой-то предмет и хочет получить из него 3D модель, классические инструменты моделирования оказываются слишком сложными и требующими долгого обучения. А фотографировать объект со всех ракурсов — ещё тот гемор.

А вот SAM 3D Objects от Meta умеет собирать полноценную 3D модель по одной единственной фотографии. Причём сразу с формой, текстурами и пространственной позицией.

Модель уверенно работает в реальных условиях. Даже если объект частично закрыт, очень маленький или кадр забит деталями, она всё равно корректно реконструирует его. Плюс умеет восстанавливать несколько объектов одновременно и сохранять их взаимное расположение в сцене.

Кроме модели есть онлайн-демо и примеры в Jupyter. Результат можно экспортировать в формат 3D Gaussian Splatting, чтобы дальше спокойно работать с ним в пайплайне.

После установки зависимостей всё запускается прямо из коробки. Подходит для e-commerce, интерьерки, быстрого создания ассетов для игр или любых сценариев, где нужна быстрая генерация 3D по фото.

📁 Language: #Python 98.0%

⭐️ Stars: 2.3k

➡️ Cсылка на GitHub

📱 @git_developer

MobiAgent

Посмотрел MobiAgent. Это опенсорс фреймворк на GitHub, и выглядит он реально круто. Он позволяет ИИ управлять телефоном почти как живой пользователь, выполняя довольно сложные сценарии.

У них есть готовое приложение, куда можно просто ввести команду, и оно само выполнит нужные действия. Есть поддержка запоминания пользовательских предпочтений, кастомизации пайплайнов выполнения и даже параллельной обработки задач.

Самое интересное, что внутри есть модуль извлечения опыта, который автоматически оптимизирует планирование на основе предыдущих задач. То есть агент со временем реально учится и адаптируется.

📁 Language: #Python 61.9%

⭐️ Stars: 486

➡️ Cсылка на GitHub

📱 @git_developer

Compounding Engineering Plugin

Когда используешь ИИ для разработки, самая сложная часть обычно не в том, чтобы писать код, а в том, чтобы заставить ИИ строго соблюдать существующие инженерные стандарты команды, а не генерировать что попало каждый раз.

Недавно наткнулся на open-source проект Compounding Engineering Plugin. Он предлагает довольно жёсткий рабочий цикл Plan-Work-Review, который помогает делать так, чтобы каждая итерация разработки с участием ИИ улучшала качество кода, а не плодила техдолг.

Это не просто память или сохранение контекста. На этапе Plan плагин глубоко анализирует кодовую базу, выявляет паттерны и генерирует подробный issue. Дальше разработка происходит в изолированной среде (worktree), а затем результат проходит ревью сразу более чем у 10 специализированных агентов.

Самая интересная часть — механизм Review. Там есть такие агенты, как security-sentinel (безопасность) и performance-oracle (производительность). Они ведут себя как опытные инженеры и буквально устраивают полноценную проверку кода.

Если хочется, чтобы Claude Code был не просто генератором кода, а дисциплинированным виртуальным коллегой, который не только пишет, но и умеет сам себя проверять — этот плагин однозначно стоит изучить.

📁 Language: #Python 60.1%

⭐️ Stars: 2k

➡️ Cсылка на GitHub

📱 @git_developer

argos-translate

Если пользоваться Google, DeepL или онлайн-переводчиками на базе ИИ, всегда есть риск утечки чувствительных данных, а офлайн такие сервисы вообще недоступны.

Недавно наткнулся на офлайн-переводчик с открытым исходным кодом на Python: Argos Translate. Все данные обрабатываются локально, никуда не отправляются.

Поддерживает перевод между 40+ языками — китайский, английский, японский, французский, немецкий, испанский и другие. Если прямой модели нет, автоматически делает перевод через промежуточный язык, например испанский → английский → французский.

Работает как Python-библиотека, CLI-утилита и GUI-приложение. Есть поддержка GPU, умеет переводить HTML и разные документ-форматы, а также предоставляет онлайн-демку.

Если нужен офлайн-перевод или хочется поднять свой приватный переводчик ради защиты данных — проект точно стоит посмотреть.

📁 Language: #Python 94.7%

⭐️ Stars: 5.1k

➡️ Cсылка на GitHub

📱 @git_developer

Paper2All

После того как заканчиваешь писать научную работу, самый болезненный этап обычно — промо. Нужно делать проектный сайт, рисовать постер, монтировать видео, писать посты для соцсетей — и всё это иногда утомляет сильнее самой статьи.

Случайно наткнулся на Paper2All — открытый инструмент для академической продуктивности, который по одному загруженному PDF автоматически генерирует полный набор промо-материалов.

Он создаёт интерактивный сайт, научный постер, промо-видео, текст для соцсетей и прочее. Можно задать свои размеры постера, а для видео выбрать, нужен ли цифровой диктор.

Инструмент даже умеет генерировать посты под конкретные площадки вроде Twitter или Xiaohongshu, подстраивая стиль под платформу.

Достаточно развернуть у себя локально — есть подробная инструкция. Поддерживаются API моделей OpenAI, OpenRouter и другие.

Если у тебя вышла научная статья и нужно быстро собрать промо-пакет, чтобы повысить охват и видимость — эта штука серьёзно экономит время.

📁 Language: #Python 80.2%

⭐️ Stars: 275

➡️ Cсылка на GitHub

📱 @git_developer

MLE-agent

Когда делаешь ML-проект, весь цикл обычно разваливается на постоянные прыжки между инструментами: подготовка данных, обучение модели, отладка, оптимизация. В итоге теряется куча времени.

На GitHub попался MLE-Agent — опенсорсный AI-ассистент, сделанный специально под задачи ML-инженеров.

Он умеет по нечётким требованиям собирать базовый ML-пайплайн, а ещё способен самостоятельно участвовать в Kaggle: от подготовки данных и тренировки модели до финальной отправки сабмита.

Внутри есть интеграция с Arxiv и Papers with Code, так что он может искать релевантные статьи. При ошибках пробует сам разобраться и подсказать фикс. Может даже генерировать недельные отчёты по проделанной работе.

Есть интерактивный CLI-чат, и можно подключить OpenAI, Claude или локальную модель через Ollama.

Если ты регулярно работаешь с ML-процессами и хочешь помощника, который соберёт базовую модель, подправит код и найдёт нужные статьи — этот проект стоит попробовать.

📁 Language: #Python 96.0%

⭐️ Stars: 1.4k

➡️ Cсылка на GitHub

📱 @git_developer

qxresearch-event-1

При изучении Python часто становится скучно: сидишь перед толстыми туториалами, строчишь код, а ощущения быстрого результата почти нет. Хотя на самом деле многие полезные вещи делаются буквально в несколько строк.

Как раз на GitHub наткнулся на проект qxresearch-event-1, который продвигает идею «минимализма». В нём собрано 50+ Python-приложений, каждое из которых запускается примерно из 10 строк кода.

Покрытие очень широкое: от базовых задач вроде шифрования PDF и объединения файлов до более продвинутых вещей — GUI-интерфейсы, диктофон, а также автоматизация почты и голосовой ассистент на базе ChatGPT.

Такой короткий и плотный код отлично подходит для чтения и разбора. Плюс к каждому примеру есть видеоразбор, который помогает быстро понять логику каждой строки.

Достаточно простой настройки окружения, и всё сразу запускается. Подойдёт и новичкам, которые ищут практику, и опытным разработчикам, которым нужен набор удобных скриптов на каждый день.

📁 Language: #Python 100%

⭐️ Stars: 2.1k

➡️ Cсылка на GitHub

📱 @git_developer

python-markdownify

Когда делаешь парсер или переносишь сайт, на экране часто лежит куча рваной HTML-разметки. Привести это в аккуратный Markdown обычно та еще морока.

В опенсорсе нашелся удобный инструмент python-markdownify, который как раз решает задачу конвертации HTML в Markdown.

Логика у него проста: берешь громоздкий HTML, на выходе получаешь понятный и чисто структурированный Markdown.

Инструмент хорошо настраивается. Можно вычищать нужные теги, менять формат заголовков, аккуратно обрабатывать таблицы и картинки. Все это конфигурируется.

Ставится через pip. Им можно пользоваться как из Python-кода, так и из командной строки, конвертируя файлы пачками.

При желании можно унаследоваться и переопределить правила преобразования под свои кейсы. С расширяемостью там все ок.

Если приходится гонять большие объемы текста или переносить блог, библиотека экономит кучу времени, которое обычно уходит на ковыряние регулярок.

📁 Language: #Python 100%

⭐️ Stars: 1.9k

➡️ Cсылка на GitHub

📱 @git_developer