Порт Doom (1993), который запускается внутри PDF-файла.

DoomPDF — это библиотека Python, которая позволяет конвертировать HTML-документы в PDF с помощью Chromium. Она проста в использовании, поддерживает стили CSS и отлично справляется с задачей создания профессиональных PDF.

Вы можете предположить, что файлы PDF состоят только из статических документов, но, как ни удивительно, формат PDF поддерживает Javascript со своей собственной стандартной библиотекой. Современные браузеры (Chromium, Firefox) реализуют эту возможность в рамках своих PDF-движков. Однако API, доступные в браузерах, значительно более ограничены.

Пример использования:

from doompdf import make_pdf

make_pdf(
    input_html="example.html", 
    output_pdf="output.pdf"
)

https://github.com/ading2210/doompdf

Demo https://doompdf.pages.dev/doom.pdf


➡️ GitHub Ready | #урок

Всё нормально, правда 🔥

➡️ GitHub Ready | #мемы

🐧 Графический интерфейс для управления оверлеями в Linux

GOverlay — инструмент с открытым исходным кодом, целью которого является создание графического пользовательского интерфейса для управления оверлеями Linux.

👉 Это свежий проект, который находится на стадии активной разработки, поэтому новые функции в него добавляются постепенно. Но тестить уже можно.

Клик

➡️ GitHub Ready | #урок

xdg-ninja — это полезный инструмент для программистов и пользователей Linux, который помогает держать ваш $HOME каталог в чистоте, проверяя приложения на соответствие XDG Base Directory Specification. Он анализирует конфигурационные файлы и кэш, сообщая, какие из них не находятся в правильных директориях, таких как $XDG_CONFIG_HOME или $XDG_CACHE_HOME.

Простой способ навести порядок в системе и избавиться от хаоса!

https://github.com/b3nj5m1n/xdg-ninja

➡️ GitHub Ready | #урок

RaTeX

В мобильном интерфейсе при рендеринге математических формул невозможно обойти проблему с WebView. За одной формулой фактически скрывается целый браузерный движок — высокий расход памяти и медленный запуск.

Случайно наткнулся на проект RaTeX — это движок рендеринга математических формул, полностью написанный на чистом Rust, который полностью избавляется от JavaScript и WebView.

Единое ядро покрывает семь платформ: iOS, Android, Flutter, React Native, Web, PNG, SVG — везде используется нативный рендеринг, без зависимостей от JS.

Синтаксис примерно на 99% совместим с KaTeX — поддерживаются дроби, корни, интегралы, матрицы и т.д.

Также поддерживается запись химических уравнений и физических единиц — для задач из области естественных наук этого, как правило, достаточно.

Полностью работает офлайн. Если вы разрабатываете образовательное или научное приложение и хотите уйти от традиционного тяжеловесного подхода с рендерингом формул через WebView, этот проект стоит попробовать.

Cсылка на GitHub

➡️ GitHub Ready | #урок

Чужой среди своих

➡️ GitHub Ready | #юмор

Ailia-models

Этот репозиторий содержит коллекцию предварительно обученных моделей машинного обучения, совместимых с платформой AILIA SDK. В нем представлены модели для различных задач, включая компьютерное зрение, обработку естественного языка и другие области искусственного интеллекта.

https://github.com/axinc-ai/ailia-models

➡️ GitHub Ready | #урок

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.

Cсылка на GitHub

➡️ GitHub Ready | #урок

📊 Мониторинг работы веб-сайта в реальном времени

Updo — это опенсорсный инструмент командной строки разработан для мониторинга времени работы и производительности веб-сайта.

👉 Он предоставляет метрики в реальном времени о состоянии веб-сайта, времени отклика, истечении срока действия сертификата SSL и многое другое, а также присылает оповещения.

Клик

➡️ GitHub Ready | #урок

Вакансия, которую мы заслужили 👍

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.

Cсылка на GitHub

➡️ GitHub Ready | #урок

📔 Учебник по проектированию систем

System-Design-Primer — это крупнейшая коллекция ресурсов и материалов для изучения проектирования крупномасштабных систем.

👉 Проект помогает инженерам и разработчикам понимать и реализовывать масштабируемые системы, а также готовиться к техническим интервью.

Клик!

➡️ GitHub Ready | #урок

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.

Cсылка на GitHub

➡️ GitHub Ready | #урок

⌨️ Git Aliases: как перестать печатать длинные команды?

Если ты ловишь себя на том, что в сотый раз за день вводишь git status или git commit -m "...", пора признать: лень — двигатель прогресса. В Git можно создавать свои короткие псевдонимы (алиасы), превращая сложные конструкции в пару букв.

Задача:
— Сократить время на ввод стандартных команд.
— Создать свои «супер-команды», которые объединяют несколько действий в одно.

Решение:

Алиасы настраиваются через глобальный конфиг. После этого они будут работать во всех твоих проектах.

# 1. Самые популярные сокращения
git config --global alias.st status
git config --global alias.co checkout
git config --global alias.br branch
git config --global alias.cm "commit -m"

# 2. Продвинутый лог (красивое дерево истории одной командой 'git lg')
git config --global alias.lg "log --graph --oneline --all --decorate"

# 3. Как это использовать в терминале:
git st          # вместо git status
git co main     # вместо git checkout main
git cm "feat: add login"

Почему это маст-хэв?
— Скорость — git lg за секунду показывает всю структуру веток, которую в обычном логе не разобрать.
— Меньше опечаток — чем короче команда, тем меньше шанс ошибиться в буквах.
— Кастомизация — ты можешь настроить Git под свой стиль работы, как удобное кресло.

Совет: Если ты хочешь посмотреть все свои текущие алиасы, введи git config --get-regexp alias. А если работаешь в Zsh или Oh My Zsh, там уже встроены сотни готовых сокращений (например, gst для статуса).

🔥 — если твой .gitconfig уже забит алиасами
🤝 — если до сих пор пишешь команды целиком для тренировки памяти

➡️ GitHub Ready | #урок

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.

➡️ Cсылка на GitHub

🌲 Git Worktree: как работать в двух ветках одновременно?

Представь ситуацию: ты пишешь огромную фичу в ветке feature, у тебя открыты десятки файлов, проект запущен. Вдруг прилетает критический баг в main, который нужно поправить прямо сейчас. Обычно ты делаешь stash, переключаешься на main, правишь, возвращаешься и делаешь stash pop. Это долго и сбивает фокус.

Задача:
— Работать над main и feature одновременно.
— Иметь две разные папки на компьютере для одного и того же репозитория.

Решение:

Команда git worktree позволяет «развернуть» любую ветку в отдельную соседнюю папку. Ты просто открываешь её во втором окне IDE.

# 1. Создаем отдельную папку для ветки hotfix (Git сам создаст папку и переключит ветку)
git worktree add ../my-project-hotfix main

# 2. Теперь у тебя на компьютере два независимых рабочих пространства:
# - ~/projects/my-project (твоя текущая фича)
# - ~/projects/my-project-hotfix (чистый main для правок багов)

# 3. Когда баг исправлен и запушен, удаляем рабочее дерево
git worktree remove ../my-project-hotfix

Почему это киллер-фича?
— Никаких переключений — тебе не нужно останавливать сервер, пересобирать зависимости (npm install) или прятать код в stash.
— Параллельные тесты — ты можешь запустить тесты в одной папке и продолжать писать код в другой.
— Чистота — файлы не перемешиваются, ты не рискуешь случайно закоммитить код фичи в ветку багфикса.

Совет: Чтобы посмотреть список всех активных рабочих деревьев, используй команду git worktree list. Это поможет не забыть удалить старые папки, когда они станут не нужны.

🔥 — если worktree звучит как спасение для больших проектов
🤝 — если по старинке клонируешь репозиторий второй раз в новую папку

➡️ GitHub Ready | #урок