nashsu/llm_wiki
llm_wiki — превращает папку с любыми документами (PDF, Office, EPUB, веб‑вырезки, картинки) в самоподдерживающуюся вики: LLM сначала анализирует источники, затем генерирует страницы с привязкой к оригиналам, извлекает изображения с подписями, обновляет индекс при изменениях и показывает связи в графе. Отличие: инкрементальный ingest (не каждый запрос «пересобирает» знания), автокластеризация/граф с метриками и встроенный агент для генерации и управления артефактами.
Идея применения:
Автоматизировать сбор документации команды: настроить наблюдение за папкой docs и веб‑клиппер, пропустить весь репозиторий PDF/MD/Office, получить локальную wiki с поиском по векторным и ссылочным связям, визуальным графом пробелов и экспортом проекта для офлайн-доступа.
Стек/язык: TypeScript. На GitHub: ⭐ 15.8k, forks: 1.9k. Последнее обновление: 2026-08-02.
llm_wiki — превращает папку с любыми документами (PDF, Office, EPUB, веб‑вырезки, картинки) в самоподдерживающуюся вики: LLM сначала анализирует источники, затем генерирует страницы с привязкой к оригиналам, извлекает изображения с подписями, обновляет индекс при изменениях и показывает связи в графе. Отличие: инкрементальный ingest (не каждый запрос «пересобирает» знания), автокластеризация/граф с метриками и встроенный агент для генерации и управления артефактами.
Идея применения:
Автоматизировать сбор документации команды: настроить наблюдение за папкой docs и веб‑клиппер, пропустить весь репозиторий PDF/MD/Office, получить локальную wiki с поиском по векторным и ссылочным связям, визуальным графом пробелов и экспортом проекта для офлайн-доступа.
Стек/язык: TypeScript. На GitHub: ⭐ 15.8k, forks: 1.9k. Последнее обновление: 2026-08-02.
❤2
AgriciDaniel/claude-obsidian
claude-obsidian превращает папку Obsidian в живую, проверяемую «вторую голову»: берет любые исходники в inbox, сохраняет их как неизменяемые копии, генерирует связанные Markdown‑страницы с явными ссылками на доказательства и поддерживает логи правдоподобия и ревью — всё локально, с поддержкой Claude Code и агентных навыков. Полезно исследователям, инженерам и не‑тренированным пользователям, которым нужен компаундирующий, прозрачно-управляемый PKM без хаоса множества одноразовых заметок.
Идея применения:
Подключить репозиторий проекта или папку с PDF в inbox, прогнать wiki-ingest и потом задавать vault вопросы: получить связанный мини‑обзор по фичам с источниками, картой знаний в Obsidian Canvas и готовыми страницами для команды уже через пару минут.
Стек/язык: Python. На GitHub: ⭐ 10.3k, forks: 1.2k. Последнее обновление: 2026-08-01.
claude-obsidian превращает папку Obsidian в живую, проверяемую «вторую голову»: берет любые исходники в inbox, сохраняет их как неизменяемые копии, генерирует связанные Markdown‑страницы с явными ссылками на доказательства и поддерживает логи правдоподобия и ревью — всё локально, с поддержкой Claude Code и агентных навыков. Полезно исследователям, инженерам и не‑тренированным пользователям, которым нужен компаундирующий, прозрачно-управляемый PKM без хаоса множества одноразовых заметок.
Идея применения:
Подключить репозиторий проекта или папку с PDF в inbox, прогнать wiki-ingest и потом задавать vault вопросы: получить связанный мини‑обзор по фичам с источниками, картой знаний в Obsidian Canvas и готовыми страницами для команды уже через пару минут.
Стек/язык: Python. На GitHub: ⭐ 10.3k, forks: 1.2k. Последнее обновление: 2026-08-01.
❤1
BuilderIO/skills
skills — превращает тексты и диффы в живые визуальные артефакты: интерактивные планы, аннотированные визуальные рекaпы и возможность открыть локальный запущенный приложение для правки UI в контексте. Полезно тимлидам, ревьюверам и автотестерам: набор маленьких composable-скиллов для кодинг-агентов с фичами типа локального режима (MDX через localhost), rewind-памятью экрана и агент-авдитом — отличается упором на делаемость и наглядность, а не на абстрактную генерацию текста.
Идея применения:
Автоматически генерировать визуальный рекaп для каждого PR: запускать /visual-recap в CI или локально, получить MDX-страницу с аннотированными диффами, картой файлов и UI-снапшотами — дать ревьюеру готовую интерактивную сводку вместо длинного описания коммита.
Стек/язык: JavaScript. На GitHub: ⭐ 3.9k, forks: 194. Последнее обновление: 2026-07-29.
skills — превращает тексты и диффы в живые визуальные артефакты: интерактивные планы, аннотированные визуальные рекaпы и возможность открыть локальный запущенный приложение для правки UI в контексте. Полезно тимлидам, ревьюверам и автотестерам: набор маленьких composable-скиллов для кодинг-агентов с фичами типа локального режима (MDX через localhost), rewind-памятью экрана и агент-авдитом — отличается упором на делаемость и наглядность, а не на абстрактную генерацию текста.
Идея применения:
Автоматически генерировать визуальный рекaп для каждого PR: запускать /visual-recap в CI или локально, получить MDX-страницу с аннотированными диффами, картой файлов и UI-снапшотами — дать ревьюеру готовую интерактивную сводку вместо длинного описания коммита.
Стек/язык: JavaScript. На GitHub: ⭐ 3.9k, forks: 194. Последнее обновление: 2026-07-29.
simonlin1212/Vibe-Research
Vibe-Research — соберёт за вас всё объективное по акции:行情, финансовые отчёты,估值分位,资金流 и новости в одном локальном дашборде и даст API, чтобы ваша собственная модель/agent быстро провела ревью и дебаты по бумаге; отличается тем, что в репозитории уже включены три готовые выжимки данных (A‑stock, global, a‑stock-data внутри) — то есть «в коробке» есть полноценный стек данных без отдельной прокладки.
Идея применения:
Склонить репозиторий, запустить локально и собрать «ежедневный ревью» для списка из 20 своих тикеров: получить один экран с глобальным рынком, топ‑20 по объёму, финансовыми метриками и AI‑сводкой дня — затем сохранить результаты/список в локальный отчет для принятия решений.
Стек/язык: TypeScript. На GitHub: ⭐ 1.8k, forks: 347. Последнее обновление: 2026-07-31.
Vibe-Research — соберёт за вас всё объективное по акции:行情, финансовые отчёты,估值分位,资金流 и новости в одном локальном дашборде и даст API, чтобы ваша собственная модель/agent быстро провела ревью и дебаты по бумаге; отличается тем, что в репозитории уже включены три готовые выжимки данных (A‑stock, global, a‑stock-data внутри) — то есть «в коробке» есть полноценный стек данных без отдельной прокладки.
Идея применения:
Склонить репозиторий, запустить локально и собрать «ежедневный ревью» для списка из 20 своих тикеров: получить один экран с глобальным рынком, топ‑20 по объёму, финансовыми метриками и AI‑сводкой дня — затем сохранить результаты/список в локальный отчет для принятия решений.
Стек/язык: TypeScript. На GitHub: ⭐ 1.8k, forks: 347. Последнее обновление: 2026-07-31.
GetBindu/Bindu
Bindu позволяет запустить агента за пару строк и сразу дать ему крипто‑личность, межагентную почту и возможность брать оплату (USDC на EVM) перед выполнением работы — все сложное «платёжно‑идентификационно‑коммуникационное» железо скрыто за bindufy(). Полезно разработчикам агентов и интеграторам: вместо сборки DID, mTLS, OAuth и подписи вручную — одна обёртка, гросс‑механизмы безопасности включены по умолчанию и работают вместе, а SDK есть для Python/TS/Kotlin.
Идея применения:
Собрать локальную тестовую сеть агентов: обернуть ваш обработчик bindufy(), поднять агент на localhost:3773, прокинуть FRP для внешнего доступа и прогнать сценарий оплаты — убедиться, что агент требует USDC и подписывает/верифицирует A2A‑запросы в реальном условном пайплайне.
Стек/язык: Python. На GitHub: ⭐ 8.1k, forks: 425. Последнее обновление: 2026-08-03.
Bindu позволяет запустить агента за пару строк и сразу дать ему крипто‑личность, межагентную почту и возможность брать оплату (USDC на EVM) перед выполнением работы — все сложное «платёжно‑идентификационно‑коммуникационное» железо скрыто за bindufy(). Полезно разработчикам агентов и интеграторам: вместо сборки DID, mTLS, OAuth и подписи вручную — одна обёртка, гросс‑механизмы безопасности включены по умолчанию и работают вместе, а SDK есть для Python/TS/Kotlin.
Идея применения:
Собрать локальную тестовую сеть агентов: обернуть ваш обработчик bindufy(), поднять агент на localhost:3773, прокинуть FRP для внешнего доступа и прогнать сценарий оплаты — убедиться, что агент требует USDC и подписывает/верифицирует A2A‑запросы в реальном условном пайплайне.
Стек/язык: Python. На GitHub: ⭐ 8.1k, forks: 425. Последнее обновление: 2026-08-03.
❤3
grab/cursor-talk-to-figma-mcp
cursor-talk-to-figma-mcp — позволяет «разговаривать» агенту (Cursor, Claude Code и т.п.) с файлами Figma: читать дерево макета, менять тексты и свойства компонентов, массово распространять override’ы и запускать прототипные связи через MCP+WebSocket и плагин в Figma. Отличие — готовый стек (TypeScript MCP‑сервер + Figma‑плагин + сокет) для полноценной двусторонней автоматизации дизайна, а не только парсинга документов.
Идея применения:
Автоматически заменить тексты и подтянуть актуальные строки локализации в 1–2 дизайнерских файлах: запустить сервер, подключить плагин в Figma, дать агенту список переводов — получить файлы с обновлёнными текстовыми слоями и сохранёнными override’ами.
Стек/язык: JavaScript. На GitHub: ⭐ 6.9k, forks: 755. Последнее обновление: 2026-07-26.
cursor-talk-to-figma-mcp — позволяет «разговаривать» агенту (Cursor, Claude Code и т.п.) с файлами Figma: читать дерево макета, менять тексты и свойства компонентов, массово распространять override’ы и запускать прототипные связи через MCP+WebSocket и плагин в Figma. Отличие — готовый стек (TypeScript MCP‑сервер + Figma‑плагин + сокет) для полноценной двусторонней автоматизации дизайна, а не только парсинга документов.
Идея применения:
Автоматически заменить тексты и подтянуть актуальные строки локализации в 1–2 дизайнерских файлах: запустить сервер, подключить плагин в Figma, дать агенту список переводов — получить файлы с обновлёнными текстовыми слоями и сохранёнными override’ами.
Стек/язык: JavaScript. На GitHub: ⭐ 6.9k, forks: 755. Последнее обновление: 2026-07-26.
❤2
aipoch/open-science
open-science умеет вести полноценное исследование локально: описываете задачу на простом языке, запускаете агент — он читает файлы, выполняет Python/R, обращается к научным коннекторам и вебу, и возвращает воспроизводимые отчёты, таблицы и рисунки с проверяемой историей действий. Полностью self-hosted, модель-агностичен и делает акцент на локальное исполнение и воспроизводимость — не ещё один облачный чёрный ящик.
Идея применения:
Собрать в один проект всю документацию и данные эксперимента (данные, ноутбуки, скрипты), дать задачу «сравнить модели A и B по метрикам X на датасете Y», запустить агент на своём ноутбуке и получить готовый отчёт с кодом, графиками и логом исполнения, который можно сразу отправить коллегам или положить в репозиторий.
Стек/язык: TypeScript. На GitHub: ⭐ 1.4k, forks: 117. Последнее обновление: 2026-08-03.
open-science умеет вести полноценное исследование локально: описываете задачу на простом языке, запускаете агент — он читает файлы, выполняет Python/R, обращается к научным коннекторам и вебу, и возвращает воспроизводимые отчёты, таблицы и рисунки с проверяемой историей действий. Полностью self-hosted, модель-агностичен и делает акцент на локальное исполнение и воспроизводимость — не ещё один облачный чёрный ящик.
Идея применения:
Собрать в один проект всю документацию и данные эксперимента (данные, ноутбуки, скрипты), дать задачу «сравнить модели A и B по метрикам X на датасете Y», запустить агент на своём ноутбуке и получить готовый отчёт с кодом, графиками и логом исполнения, который можно сразу отправить коллегам или положить в репозиторий.
Стек/язык: TypeScript. На GitHub: ⭐ 1.4k, forks: 117. Последнее обновление: 2026-08-03.
👍1
worldwonderer/novel-to-game
novel-to-game превращает роман (в любом языке) в полностью играбельную, проверяемую адаптацию: агент анализирует источник с ссылками на цитаты, вытаскивает правила мира, персонажей и конфликты, проектирует игровые механики и строит финальную сборку прямо для выбранного рантайма (Claude Code, Codex или Kimi Code), сохраняя следы решений и не подменяя платформу «проще». Полезно авторам адаптаций, геймдизайнерам и исследователям трансформаций контента — отличает фокус на доказуемости источника и обязательной QA.
Идея применения:
Возьмите публичный роман, запустите quick-режим и получите рабочую сборку браузерной/движковой игры + отчет с исходными цитатами, дизайн-решениями и тестами запуска — за один цикл, чтобы сразу поиграть и проверить адаптацию.
Стек/язык: Markdown. На GitHub: ⭐ 543, forks: 83. Последнее обновление: 2026-08-02.
novel-to-game превращает роман (в любом языке) в полностью играбельную, проверяемую адаптацию: агент анализирует источник с ссылками на цитаты, вытаскивает правила мира, персонажей и конфликты, проектирует игровые механики и строит финальную сборку прямо для выбранного рантайма (Claude Code, Codex или Kimi Code), сохраняя следы решений и не подменяя платформу «проще». Полезно авторам адаптаций, геймдизайнерам и исследователям трансформаций контента — отличает фокус на доказуемости источника и обязательной QA.
Идея применения:
Возьмите публичный роман, запустите quick-режим и получите рабочую сборку браузерной/движковой игры + отчет с исходными цитатами, дизайн-решениями и тестами запуска — за один цикл, чтобы сразу поиграть и проверить адаптацию.
Стек/язык: Markdown. На GitHub: ⭐ 543, forks: 83. Последнее обновление: 2026-08-02.
cloudflare/security-audit-skill
security-audit-skill — запускает многоагентный, шестиэтапный аудит кода, который не просто находит подозрительные строки, а подтверждает их эксплуатабельность: параллельный рекон, разные классы атак (инъекции, бизнес-логика, крипто, клиентские векторы и т.д.), попытки опровержения и независимая верификация фактов; на выходе — человекочитаемый REPORT.md и строгое findings.json с валидацией. Отличие: встроённый цикл «найти — опровергнуть — верифицировать» и форматированная, машиночитаемая выдача для автоматических пайплайнов.
Идея применения:
Прогнать навесной аудит на новый репозиторий перед релизом: поставить skill через npx skills, запустить агент в корне проекта, получить REPORT.md и findings.
Стек/язык: JavaScript. На GitHub: ⭐ 2.7k, forks: 198. Последнее обновление: 2026-07-06.
security-audit-skill — запускает многоагентный, шестиэтапный аудит кода, который не просто находит подозрительные строки, а подтверждает их эксплуатабельность: параллельный рекон, разные классы атак (инъекции, бизнес-логика, крипто, клиентские векторы и т.д.), попытки опровержения и независимая верификация фактов; на выходе — человекочитаемый REPORT.md и строгое findings.json с валидацией. Отличие: встроённый цикл «найти — опровергнуть — верифицировать» и форматированная, машиночитаемая выдача для автоматических пайплайнов.
Идея применения:
Прогнать навесной аудит на новый репозиторий перед релизом: поставить skill через npx skills, запустить агент в корне проекта, получить REPORT.md и findings.
Стек/язык: JavaScript. На GitHub: ⭐ 2.7k, forks: 198. Последнее обновление: 2026-07-06.
🔥1
clawkwork/clawk
clawk — запустите код-агента в собственной одноразовой Linux‑машине: cd в репо, введите clawk, и агент получает корень в гостевой VM, может ставить пакеты, запускать сервера и ломать среду без риска для ваших файлов, ключей и хоста. Важное отличие от похожих обёрток — это реальное отдельное ядро и root в госте (не просто policy‑слой), быстрый первый запуск и простое восстановление «destroy && clawk» при неудаче.
Идея применения:
Для каждого pull‑request автоматически поднимать disposable VM, запускать тесты и интеграционные сценарии под управлением агента; по падению — пересоздать VM и продолжить, а логи и диалог с агентом остаются на хосте.
Стек/язык: Go. На GitHub: ⭐ 892, forks: 28. Последнее обновление: 2026-08-01.
clawk — запустите код-агента в собственной одноразовой Linux‑машине: cd в репо, введите clawk, и агент получает корень в гостевой VM, может ставить пакеты, запускать сервера и ломать среду без риска для ваших файлов, ключей и хоста. Важное отличие от похожих обёрток — это реальное отдельное ядро и root в госте (не просто policy‑слой), быстрый первый запуск и простое восстановление «destroy && clawk» при неудаче.
Идея применения:
Для каждого pull‑request автоматически поднимать disposable VM, запускать тесты и интеграционные сценарии под управлением агента; по падению — пересоздать VM и продолжить, а логи и диалог с агентом остаются на хосте.
Стек/язык: Go. На GitHub: ⭐ 892, forks: 28. Последнее обновление: 2026-08-01.
Optim-Agent/optim-agent
optim-agent умеет заставить кодящего LLM подбирать реальные гиперпараметры вашей системы — читает код и контекст, предлагает конкретные конфигурации, валидирует их в допустимом пространстве и фиксирует результаты и рассуждения. Полезен там, где оценки дорогие или редки: вместо безликой оптимизации по координатам агент понимает смысл параметров и использует прошлую историю, чтобы предлагать более информативные испытания при малом бюджете.
Идея применения:
Запустить оптим-agent на Python-сервисе инференса: дать агенту описание параметров (квантование, батч, порог маршрутизации) и метрику latency×(1−accuracy), прогнать 10–20 испытаний и получить набор валидированных конфигураций с логом результатов и пояснениями агента для выбора финальной настройки.
Стек/язык: Python. На GitHub: ⭐ 735, forks: 35. Последнее обновление: 2026-07-27.
optim-agent умеет заставить кодящего LLM подбирать реальные гиперпараметры вашей системы — читает код и контекст, предлагает конкретные конфигурации, валидирует их в допустимом пространстве и фиксирует результаты и рассуждения. Полезен там, где оценки дорогие или редки: вместо безликой оптимизации по координатам агент понимает смысл параметров и использует прошлую историю, чтобы предлагать более информативные испытания при малом бюджете.
Идея применения:
Запустить оптим-agent на Python-сервисе инференса: дать агенту описание параметров (квантование, батч, порог маршрутизации) и метрику latency×(1−accuracy), прогнать 10–20 испытаний и получить набор валидированных конфигураций с логом результатов и пояснениями агента для выбора финальной настройки.
Стек/язык: Python. На GitHub: ⭐ 735, forks: 35. Последнее обновление: 2026-07-27.
vshulcz/deja-vu
deja-vu — момент: ваш локальный агент кодил месяцами, а теперь deja подхватывает эти старые сессии и подсовывает релевантный контекст за миллисекунды без LLM, эмбеддингов и облачных ключей. Это один ноль-зависимый бинарник на Go, который индексирует истории агентов на диске, ищет ~3.5 ГБ за ~1.5 ms и отдаёт результаты по MCP в разные harness'ы (Claude Code, Copilot CLI, Qwen и др.), отличаясь простотой установки и переносимостью между машинами через SSH.
Идея применения:
Соберите офлайн‑инкрементальный “памятник” прошлых сессий команды: запустите deja install на рабочей машине, индексируйте ~/.
Стек/язык: Go. На GitHub: ⭐ 509, forks: 36. Последнее обновление: 2026-08-03.
deja-vu — момент: ваш локальный агент кодил месяцами, а теперь deja подхватывает эти старые сессии и подсовывает релевантный контекст за миллисекунды без LLM, эмбеддингов и облачных ключей. Это один ноль-зависимый бинарник на Go, который индексирует истории агентов на диске, ищет ~3.5 ГБ за ~1.5 ms и отдаёт результаты по MCP в разные harness'ы (Claude Code, Copilot CLI, Qwen и др.), отличаясь простотой установки и переносимостью между машинами через SSH.
Идея применения:
Соберите офлайн‑инкрементальный “памятник” прошлых сессий команды: запустите deja install на рабочей машине, индексируйте ~/.
Стек/язык: Go. На GitHub: ⭐ 509, forks: 36. Последнее обновление: 2026-08-03.
🔥1
AI-Builder-Club/skills
skills — запускает агентные «петли», которые сами берут задачу, выполняют её, проверяют и логируют прогресс в общую файловую память; полезно командам, которые хотят, чтобы рутинные изменения (фикс, тест, SEO-эксперименты) компаундились без постоянного ручного контроля, а отличает проект готовый codebase-harness и шаблоны loop-ок, а не просто набор скриптов.
Идея применения:
Запустить /setup-codebase-harness в реальном репозитории, затем /new-loop, чтобы развернуть агент-луп для автоматических PR с тестами и верификацией — в результате получите бот, который открывает тикеты, предлагает патчи, проверяет их в изолированном контейнере и пишет отчёт в общую папку для последующей автоматической интеграции.
Стек/язык: Python. На GitHub: ⭐ 1.1k, forks: 146. Последнее обновление: 2026-07-27.
skills — запускает агентные «петли», которые сами берут задачу, выполняют её, проверяют и логируют прогресс в общую файловую память; полезно командам, которые хотят, чтобы рутинные изменения (фикс, тест, SEO-эксперименты) компаундились без постоянного ручного контроля, а отличает проект готовый codebase-harness и шаблоны loop-ок, а не просто набор скриптов.
Идея применения:
Запустить /setup-codebase-harness в реальном репозитории, затем /new-loop, чтобы развернуть агент-луп для автоматических PR с тестами и верификацией — в результате получите бот, который открывает тикеты, предлагает патчи, проверяет их в изолированном контейнере и пишет отчёт в общую папку для последующей автоматической интеграции.
Стек/язык: Python. На GitHub: ⭐ 1.1k, forks: 146. Последнее обновление: 2026-07-27.
🔥1
codejunkie99/agentic-stack
agentic-stack — переносимая .agent/ папка, которая хранит память, навыки и протоколы агентов так, чтобы при переключении между Claude Code, Cursor, OpenCode, Copilot CLI и другими «обвязками» агент не терял контекст и умения. В ней ещё встроен локальный слой данных: мониторинг активности, расписания, метрики затрат и ежедневные дашборды, плюс экспорт проверяемых артефактов (трейсы, контекстные карточки, JSONL для тренировки) без отправки телеметрии.
Идея применения:
Собрать .agent/ для конкретного проекта сегодня, подключить к Copilot CLI и Claude Code и запустить bounded loop на ежедневную автоматизацию ревью патчей: контролировать попытки, логировать все шаги в локальный Brain, получать готовые eval-cases и дашборд с оценкой КПД и затрат.
Стек/язык: Python. На GitHub: ⭐ 2.2k, forks: 271. Последнее обновление: 2026-07-18.
agentic-stack — переносимая .agent/ папка, которая хранит память, навыки и протоколы агентов так, чтобы при переключении между Claude Code, Cursor, OpenCode, Copilot CLI и другими «обвязками» агент не терял контекст и умения. В ней ещё встроен локальный слой данных: мониторинг активности, расписания, метрики затрат и ежедневные дашборды, плюс экспорт проверяемых артефактов (трейсы, контекстные карточки, JSONL для тренировки) без отправки телеметрии.
Идея применения:
Собрать .agent/ для конкретного проекта сегодня, подключить к Copilot CLI и Claude Code и запустить bounded loop на ежедневную автоматизацию ревью патчей: контролировать попытки, логировать все шаги в локальный Brain, получать готовые eval-cases и дашборд с оценкой КПД и затрат.
Стек/язык: Python. На GitHub: ⭐ 2.2k, forks: 271. Последнее обновление: 2026-07-18.
❤2
NanoNets/Graft
Graft строит в репозитории читаемую карту знаний — папку graft/ из связанных markdown-узлов, где каждый узел объясняет часть системы по-человечески, так что агенту не надо заново «обходить» код и тратить токены и вызовы. Это делает агенты типа Claude Code, Codex и Gemini до ~4× дешевле и ~3× быстрее: реальный кеш в виде файлов вместо эмбеддингов или внешних индексов, который легко версионируется в git и не требует серверов.
Идея применения:
Запустить graft init в крупном монорепо, собрать graft/, закоммитить его и в CI при сборке задач проверять, что агент использует узлы graft/ — в результате PR-ревью получаете воспроизводимое ускорение автокомплитов и код-агентов без дополнительной инфраструктуры.
Стек/язык: TypeScript. На GitHub: ⭐ 672, forks: 58. Последнее обновление: 2026-08-03.
Graft строит в репозитории читаемую карту знаний — папку graft/ из связанных markdown-узлов, где каждый узел объясняет часть системы по-человечески, так что агенту не надо заново «обходить» код и тратить токены и вызовы. Это делает агенты типа Claude Code, Codex и Gemini до ~4× дешевле и ~3× быстрее: реальный кеш в виде файлов вместо эмбеддингов или внешних индексов, который легко версионируется в git и не требует серверов.
Идея применения:
Запустить graft init в крупном монорепо, собрать graft/, закоммитить его и в CI при сборке задач проверять, что агент использует узлы graft/ — в результате PR-ревью получаете воспроизводимое ускорение автокомплитов и код-агентов без дополнительной инфраструктуры.
Стек/язык: TypeScript. На GitHub: ⭐ 672, forks: 58. Последнее обновление: 2026-08-03.
Gitlawb/zero
zero — терминальный AI-ассистент, который реально берет на себя правку кода и выполнение команд в репозитории под вашими правилами: он читает файлы, правит их, запускает shell-команды, управляет доступом к сети и сохраняет локальные сессии, при этом вы выбираете любую модель и уровень разрешений. Отличие от похожих агентов — фокус на полной локальности, контроле прав и удобной TUI/CLI интеграции с провайдерами и локальными моделями.
Идея применения:
Запустите zero в корне проекта, дайте ему задачу «покрыть тестами модуль X», выберите модель, включите режим песочницы и последовательно попросите сгенерировать тесты, запустить их и предложить правки — получите готовые патчи в worktree и историю локальных сессий для ревью.
Стек/язык: Go. На GitHub: ⭐ 1.2k, forks: 126. Последнее обновление: 2026-08-03.
zero — терминальный AI-ассистент, который реально берет на себя правку кода и выполнение команд в репозитории под вашими правилами: он читает файлы, правит их, запускает shell-команды, управляет доступом к сети и сохраняет локальные сессии, при этом вы выбираете любую модель и уровень разрешений. Отличие от похожих агентов — фокус на полной локальности, контроле прав и удобной TUI/CLI интеграции с провайдерами и локальными моделями.
Идея применения:
Запустите zero в корне проекта, дайте ему задачу «покрыть тестами модуль X», выберите модель, включите режим песочницы и последовательно попросите сгенерировать тесты, запустить их и предложить правки — получите готовые патчи в worktree и историю локальных сессий для ревью.
Стек/язык: Go. На GitHub: ⭐ 1.2k, forks: 126. Последнее обновление: 2026-08-03.
l0ng-ai/tty7
tty7 — терминал, который не теряет сессии при выходе или перезагрузке: ваш шелл, окна и «агенты» продолжают работать на сервере без tmux, плюс нативный SSH/SFTP, GPU‑рендеринг и окно с редакторным вводом (подсказки, многолинейный ввод, подсветка). Отличие: сочетание persistent‑server архитектуры, агентной интеграции (статусы, нотификации, контекст Git) и рекордной производительности на Rust/GPUI — реальная альтернатива классическим эмуляторам.
Идея применения:
Поднять tty7 на удалённой машине, подключиться по нативному SSH и собрать удалённый рабочий набор: редакторные панели, git‑репо, агент для автотестов; при разрыве соединения продолжить работу с того же состояния и получить уведомления о результатах тестов.
Стек/язык: Rust. На GitHub: ⭐ 573, forks: 39. Последнее обновление: 2026-08-03.
tty7 — терминал, который не теряет сессии при выходе или перезагрузке: ваш шелл, окна и «агенты» продолжают работать на сервере без tmux, плюс нативный SSH/SFTP, GPU‑рендеринг и окно с редакторным вводом (подсказки, многолинейный ввод, подсветка). Отличие: сочетание persistent‑server архитектуры, агентной интеграции (статусы, нотификации, контекст Git) и рекордной производительности на Rust/GPUI — реальная альтернатива классическим эмуляторам.
Идея применения:
Поднять tty7 на удалённой машине, подключиться по нативному SSH и собрать удалённый рабочий набор: редакторные панели, git‑репо, агент для автотестов; при разрыве соединения продолжить работу с того же состояния и получить уведомления о результатах тестов.
Стек/язык: Rust. На GitHub: ⭐ 573, forks: 39. Последнее обновление: 2026-08-03.
❤2
ronak-create/FableCut
FableCut умеет подчинять видеомонтажу не человека, а агента: весь монтажный проект хранится как единый project.json, который можно править руками, через UI или посредством AI-агента по MCP/REST — и изменения мгновенно отражаются в браузере. Никаких npm-зависимостей, один node server.js, Premiere-подобный таймлайн с 3 видеотреками, 4 аудиотреками, waveforms, переходами и live-reload ~150 ms — это не просто редактор, а интерфейс, который легко автоматизировать и интегрировать в пайплайн.
Идея применения:
Настройте скрипт, который по списку raw-роликов и метаданных генерирует project.
Стек/язык: JavaScript. На GitHub: ⭐ 572, forks: 57. Последнее обновление: 2026-07-28.
FableCut умеет подчинять видеомонтажу не человека, а агента: весь монтажный проект хранится как единый project.json, который можно править руками, через UI или посредством AI-агента по MCP/REST — и изменения мгновенно отражаются в браузере. Никаких npm-зависимостей, один node server.js, Premiere-подобный таймлайн с 3 видеотреками, 4 аудиотреками, waveforms, переходами и live-reload ~150 ms — это не просто редактор, а интерфейс, который легко автоматизировать и интегрировать в пайплайн.
Идея применения:
Настройте скрипт, который по списку raw-роликов и метаданных генерирует project.
Стек/язык: JavaScript. На GitHub: ⭐ 572, forks: 57. Последнее обновление: 2026-07-28.
🔥1
MageByte-Zero/spec-superflow
spec-superflow — плагин, который по содержанию репозитория делает «умный» выбор: запустит лёгкий патч или развернёт полный, контрактно-ориентированный рабочий поток с набором skills и чекпоинтов для безопасных изменений кода. Полезен тимлидам и инженерам AI-помощников: он не просто запускает скрипты, а анализирует scope vs контракт (content-level), роутит действие между 9 skills и поддерживает 17+ платформ одной командой, чтобы избежать множества ad-hoc интеграций.
Идея применения:
Установить в проект (npx spec-superflow@latest install-...), запустить ssf list → ssf execution recommend, собрать план для текущего change и сохранить checkpoint; результат — проверяемый, контрактный execution-plan и воспроизводимый handoff для ревью.
Стек/язык: JavaScript. На GitHub: ⭐ 663, forks: 64. Последнее обновление: 2026-08-03.
spec-superflow — плагин, который по содержанию репозитория делает «умный» выбор: запустит лёгкий патч или развернёт полный, контрактно-ориентированный рабочий поток с набором skills и чекпоинтов для безопасных изменений кода. Полезен тимлидам и инженерам AI-помощников: он не просто запускает скрипты, а анализирует scope vs контракт (content-level), роутит действие между 9 skills и поддерживает 17+ платформ одной командой, чтобы избежать множества ad-hoc интеграций.
Идея применения:
Установить в проект (npx spec-superflow@latest install-...), запустить ssf list → ssf execution recommend, собрать план для текущего change и сохранить checkpoint; результат — проверяемый, контрактный execution-plan и воспроизводимый handoff для ревью.
Стек/язык: JavaScript. На GitHub: ⭐ 663, forks: 64. Последнее обновление: 2026-08-03.
yc-software/qm
qm — мультиагент для работы, который ведёт каждого сотрудника в своей «песочнице» и одновременно даёт общие каналы, где агенты совместно ведут проекты, публикуют апдейты и выполняют фоновые задания (crons, тесты, CI, задачи в репозиториях). Отличие от десятков ассистентов: у каждого пользователя и комнаты своя долговременная память, изолёный keychain, файлы и исполняемая среда, а ядро позволяет сменить модель и harness без привязки к вендору.
Идея применения:
Развернуть qm локально для команды: подключить Slack, дать агентам доступ к внутренней базе знаний и репозиторию, настроить cron, который каждое утро собирает статус тестов и открывает PR с фиксом — команда получает ежедневные отчёты и автоматические исправления уже через час.
Стек/язык: TypeScript. На GitHub: ⭐ 11.7k, forks: 1.3k. Последнее обновление: 2026-08-05.
qm — мультиагент для работы, который ведёт каждого сотрудника в своей «песочнице» и одновременно даёт общие каналы, где агенты совместно ведут проекты, публикуют апдейты и выполняют фоновые задания (crons, тесты, CI, задачи в репозиториях). Отличие от десятков ассистентов: у каждого пользователя и комнаты своя долговременная память, изолёный keychain, файлы и исполняемая среда, а ядро позволяет сменить модель и harness без привязки к вендору.
Идея применения:
Развернуть qm локально для команды: подключить Slack, дать агентам доступ к внутренней базе знаний и репозиторию, настроить cron, который каждое утро собирает статус тестов и открывает PR с фиксом — команда получает ежедневные отчёты и автоматические исправления уже через час.
Стек/язык: TypeScript. На GitHub: ⭐ 11.7k, forks: 1.3k. Последнее обновление: 2026-08-05.
❤1🔥1
FareedKhan-dev/kimi-k3-in-c
kimi-k3-in-c умеет запустить 2.78‑триллионную модель на одном CPU с пиком памяти 8.24 ГБ, читая 1.56 ТБ чекпойнта по частям так, чтобы «тело» модели всегда даёт тот же байт‑идентичный вывод и при 8 ГБ, и при 224 ГБ; это портативный C99‑движок без BLAS, фреймворков и GPU — отличает детальное управление размещением байтов и потоковая подгрузка экспертов, а не попытка уместить всё в память. Репозиторий очень быстро набирает звёзды для своего возраста, что говорит о реальной полезности подхода.
Идея применения:
Скачать чекпойнт на локальный диск, собрать движок за минуту и прогнать тест‑генерацию: зафиксировать одинаковый вывод при лимите памяти 8 ГБ и при 64 ГБ, чтобы воспроизвести и проиллюстрировать идею «один и тот же результат при
Стек/язык: C. На GitHub: ⭐ 2.6k, forks: 430. Последнее обновление: 2026-08-01.
kimi-k3-in-c умеет запустить 2.78‑триллионную модель на одном CPU с пиком памяти 8.24 ГБ, читая 1.56 ТБ чекпойнта по частям так, чтобы «тело» модели всегда даёт тот же байт‑идентичный вывод и при 8 ГБ, и при 224 ГБ; это портативный C99‑движок без BLAS, фреймворков и GPU — отличает детальное управление размещением байтов и потоковая подгрузка экспертов, а не попытка уместить всё в память. Репозиторий очень быстро набирает звёзды для своего возраста, что говорит о реальной полезности подхода.
Идея применения:
Скачать чекпойнт на локальный диск, собрать движок за минуту и прогнать тест‑генерацию: зафиксировать одинаковый вывод при лимите памяти 8 ГБ и при 64 ГБ, чтобы воспроизвести и проиллюстрировать идею «один и тот же результат при
Стек/язык: C. На GitHub: ⭐ 2.6k, forks: 430. Последнее обновление: 2026-08-01.