Ataraxy-Labs/sem
sem — инструмент семантического контроля версий поверх Git: парсит код через tree-sitter, выделяет функции, методы и классы как сущности и показывает диффы, blame и влияние на уровне сущностей, а не строк. Полезен для команд и автоматизированных агентов, которым важна структурная история, переименования и картирование зависимостей между сущностями.
Идея применения:
Автоматизировать сбор «горячих точек» и пар соcтоятельных изменений в большом репозитории, чтобы каждое изменение показывало списки затронутых сущностей, их авторов и потенциальную область влияния перед мержем.
Стек/язык: Rust. На GitHub: ⭐ 3.1k, forks: 93. Последнее обновление: 2026-07-05.
sem — инструмент семантического контроля версий поверх Git: парсит код через tree-sitter, выделяет функции, методы и классы как сущности и показывает диффы, blame и влияние на уровне сущностей, а не строк. Полезен для команд и автоматизированных агентов, которым важна структурная история, переименования и картирование зависимостей между сущностями.
Идея применения:
Автоматизировать сбор «горячих точек» и пар соcтоятельных изменений в большом репозитории, чтобы каждое изменение показывало списки затронутых сущностей, их авторов и потенциальную область влияния перед мержем.
Стек/язык: Rust. На GitHub: ⭐ 3.1k, forks: 93. Последнее обновление: 2026-07-05.
callstack/agent-device
agent-device — CLI для автоматизации и проверки реальных iOS/Android/TV/web/desktop-приложений: открывает приложения, снимает структурные снимки UI через accessibility-дерево, взаимодействует с элементами (тапы, ввод, жесты), и собирает доказательства — скриншоты, видео, логи, трассы и профили — только когда это нужно. Полезен командам QA и разработчикам, которые хотят дать AI‑агентам или тестовым раннерам реальные «глаза, руки и доказательства» для верификации поведения на симуляторах, эмуляторах и реальных устройствах.
Идея применения:
Автоматически пройти регрессионный сценарий при каждом CI‑прогоне: агент воспроизводит пользовательский флоу, делает снимки UI и записывает видео/логи при ошибке, затем сохраняет .
Стек/язык: TypeScript. На GitHub: ⭐ 3.1k, forks: 170. Последнее обновление: 2026-07-04.
agent-device — CLI для автоматизации и проверки реальных iOS/Android/TV/web/desktop-приложений: открывает приложения, снимает структурные снимки UI через accessibility-дерево, взаимодействует с элементами (тапы, ввод, жесты), и собирает доказательства — скриншоты, видео, логи, трассы и профили — только когда это нужно. Полезен командам QA и разработчикам, которые хотят дать AI‑агентам или тестовым раннерам реальные «глаза, руки и доказательства» для верификации поведения на симуляторах, эмуляторах и реальных устройствах.
Идея применения:
Автоматически пройти регрессионный сценарий при каждом CI‑прогоне: агент воспроизводит пользовательский флоу, делает снимки UI и записывает видео/логи при ошибке, затем сохраняет .
Стек/язык: TypeScript. На GitHub: ⭐ 3.1k, forks: 170. Последнее обновление: 2026-07-04.
cheahjs/free-llm-api-resources
free-llm-api-resources — подборка сервисов и провайдеров, которые дают бесплатный или кредитный доступ к LLM через API: перечислены официальные провайдеры (Google AI Studio, Mistral, HuggingFace, Vercel и др.), модели с лимитами и требованиями (например, в некоторых нужна верификация по телефону, в других использование данных может идти на дообучение). Полезно тем, кто ищет списки доступных бесплатных эндпоинтов и их ограничений для быстрых тестов и прототипов.
Идея применения:
Автоматически собирать и обновлять таблицу с доступными бесплатными API, лимитами и условиями (требование верификации, политика использования данных), чтобы выбрать оптимальный провайдер для краткого бенчмарка моделей по задержке и стоимости.
Стек/язык: Python. На GitHub: ⭐ 25.1k, forks: 2.6k. Последнее обновление: 2026-07-03.
free-llm-api-resources — подборка сервисов и провайдеров, которые дают бесплатный или кредитный доступ к LLM через API: перечислены официальные провайдеры (Google AI Studio, Mistral, HuggingFace, Vercel и др.), модели с лимитами и требованиями (например, в некоторых нужна верификация по телефону, в других использование данных может идти на дообучение). Полезно тем, кто ищет списки доступных бесплатных эндпоинтов и их ограничений для быстрых тестов и прототипов.
Идея применения:
Автоматически собирать и обновлять таблицу с доступными бесплатными API, лимитами и условиями (требование верификации, политика использования данных), чтобы выбрать оптимальный провайдер для краткого бенчмарка моделей по задержке и стоимости.
Стек/язык: Python. На GitHub: ⭐ 25.1k, forks: 2.6k. Последнее обновление: 2026-07-03.
orhun/ratty
ratty — терминал на Rust с рендерингом через GPU, который умеет показывать традиционный 2D-интерфейс и встроенные 3D-объекты прямо в ячейках терминала; поддерживает .obj/.glb/.stl курсоры, аппаратный текстовый рендеринг и вывод изображений через протоколы наподобие Kitty. Полезен тем, кто хочет экспериментировать с визуализацией и интерактивными TUI-приложениями с 3D-элементами или сделать необычный интерфейс для отладочных и демонстрационных инструментов.
Идея применения:
Собрать демонстрационную сборку, которая выводит диагностический дашборд для телеметрии (лог последовательного порта + графики) с интерактивными встроенными 3D-моделями состояния оборудования.
Стек/язык: Rust. На GitHub: ⭐ 3.1k, forks: 82. Последнее обновление: 2026-06-30.
ratty — терминал на Rust с рендерингом через GPU, который умеет показывать традиционный 2D-интерфейс и встроенные 3D-объекты прямо в ячейках терминала; поддерживает .obj/.glb/.stl курсоры, аппаратный текстовый рендеринг и вывод изображений через протоколы наподобие Kitty. Полезен тем, кто хочет экспериментировать с визуализацией и интерактивными TUI-приложениями с 3D-элементами или сделать необычный интерфейс для отладочных и демонстрационных инструментов.
Идея применения:
Собрать демонстрационную сборку, которая выводит диагностический дашборд для телеметрии (лог последовательного порта + графики) с интерактивными встроенными 3D-моделями состояния оборудования.
Стек/язык: Rust. На GitHub: ⭐ 3.1k, forks: 82. Последнее обновление: 2026-06-30.
CoderLuii/HolyClaude
HolyClaude — контейнерная рабочая среда для разработки с Claude Code: веб-интерфейс, headless-браузер, Playwright, 8 AI-CLI и более 50 инструментов, готовая к запуску одной командой и рассчитанная на работу с вашей подпиской Claude/Anthropic; полезна тем, кто хочет локально и быстро поднять полноценный AI-dev workstation без ручной настройки окружения.
Идея применения:
Поднять в Docker на сервере единый self‑hosted рабочий стол и автоматизировать регулярное тестирование UI и генерацию скриншотов с помощью встроенного headless-браузера и Playwright, чтобы CI команды сразу работал с тем же Claude Code, что и разработчики.
Стек/язык: JavaScript. На GitHub: ⭐ 2.4k, forks: 257. Последнее обновление: 2026-07-03.
HolyClaude — контейнерная рабочая среда для разработки с Claude Code: веб-интерфейс, headless-браузер, Playwright, 8 AI-CLI и более 50 инструментов, готовая к запуску одной командой и рассчитанная на работу с вашей подпиской Claude/Anthropic; полезна тем, кто хочет локально и быстро поднять полноценный AI-dev workstation без ручной настройки окружения.
Идея применения:
Поднять в Docker на сервере единый self‑hosted рабочий стол и автоматизировать регулярное тестирование UI и генерацию скриншотов с помощью встроенного headless-браузера и Playwright, чтобы CI команды сразу работал с тем же Claude Code, что и разработчики.
Стек/язык: JavaScript. На GitHub: ⭐ 2.4k, forks: 257. Последнее обновление: 2026-07-03.
ruc-datalab/DeepAnalyze
DeepAnalyze — агентный LLM-инструмент для автономного анализа данных: от подготовки и очистки таблиц до моделирования, визуализаций и генерации готовых аналитических отчётов без постоянного вмешательства человека; полезен аналитикам и командам, которым нужно автоматизировать повторяющиеся или масштабные исследовательские пайплайны над разнородными файлами (CSV, базы, JSON, TXT).
Идея применения:
Собрать конвейер, который автоматически сканирует папку с сырыми таблицами и логами, прогоняет DeepPrep/DeepAnalyze для очистки, формулировки гипотез, построения моделей и выдачи единого аналитического отчёта в PDF для еженедельного инжеста данных.
Стек/язык: Python. На GitHub: ⭐ 4.3k, forks: 686. Последнее обновление: 2026-07-01.
DeepAnalyze — агентный LLM-инструмент для автономного анализа данных: от подготовки и очистки таблиц до моделирования, визуализаций и генерации готовых аналитических отчётов без постоянного вмешательства человека; полезен аналитикам и командам, которым нужно автоматизировать повторяющиеся или масштабные исследовательские пайплайны над разнородными файлами (CSV, базы, JSON, TXT).
Идея применения:
Собрать конвейер, который автоматически сканирует папку с сырыми таблицами и логами, прогоняет DeepPrep/DeepAnalyze для очистки, формулировки гипотез, построения моделей и выдачи единого аналитического отчёта в PDF для еженедельного инжеста данных.
Стек/язык: Python. На GitHub: ⭐ 4.3k, forks: 686. Последнее обновление: 2026-07-01.
ScrapeGraphAI/Scrapegraph-ai
Scrapegraph-ai — Python-библиотека для веб-скрейпинга, которая строит «графы» извлечения с поддержкой LLM: достаточно описать, какие данные нужны, и библиотека автоматически сгенерирует пайплайны для страниц или локальных файлов (HTML, JSON, Markdown и т.д.), умеет работать с одиночными и многопоточными сценариями и интегрироваться с разными моделями и платформами.
Идея применения:
Автоматически собрать структурированную базу знаний с документации и блогов по теме (например, API-эндоинты, примеры использования, параметры) из списка URL и сохранить как набор JSON-файлов для последующего индексирования в поиске или LLM-агрегаторе.
Стек/язык: Python. На GitHub: ⭐ 28k, forks: 2.7k. Последнее обновление: 2026-06-25.
Scrapegraph-ai — Python-библиотека для веб-скрейпинга, которая строит «графы» извлечения с поддержкой LLM: достаточно описать, какие данные нужны, и библиотека автоматически сгенерирует пайплайны для страниц или локальных файлов (HTML, JSON, Markdown и т.д.), умеет работать с одиночными и многопоточными сценариями и интегрироваться с разными моделями и платформами.
Идея применения:
Автоматически собрать структурированную базу знаний с документации и блогов по теме (например, API-эндоинты, примеры использования, параметры) из списка URL и сохранить как набор JSON-файлов для последующего индексирования в поиске или LLM-агрегаторе.
Стек/язык: Python. На GitHub: ⭐ 28k, forks: 2.7k. Последнее обновление: 2026-06-25.
ClaudioDrews/memory-os
memory-os — локальная «операционная система памяти» для Hermes Agent: семи́слойная инфраструктура хранения (файлы, факты, сессии, векторная БД Qdrant и т.д.), автоматическая самокурирующаяся вики и хирургическая подстановка контекста перед вызовом LLM; работает на машине пользователя с любым LLM-провайдером и обеспечивает постоянную, эффективную память без облачных подписок.
Идея применения:
Собрать и поддерживать локальный архив всех разговоров и ключевых фактов проекта в Qdrant + структурированной базе, чтобы перед каждой сессией Hermes автоматически подставлял релевантный контекст и не терял предыдущие решения.
Стек/язык: Python. На GitHub: ⭐ 1.2k, forks: 116. Последнее обновление: 2026-06-10.
memory-os — локальная «операционная система памяти» для Hermes Agent: семи́слойная инфраструктура хранения (файлы, факты, сессии, векторная БД Qdrant и т.д.), автоматическая самокурирующаяся вики и хирургическая подстановка контекста перед вызовом LLM; работает на машине пользователя с любым LLM-провайдером и обеспечивает постоянную, эффективную память без облачных подписок.
Идея применения:
Собрать и поддерживать локальный архив всех разговоров и ключевых фактов проекта в Qdrant + структурированной базе, чтобы перед каждой сессией Hermes автоматически подставлял релевантный контекст и не терял предыдущие решения.
Стек/язык: Python. На GitHub: ⭐ 1.2k, forks: 116. Последнее обновление: 2026-06-10.
bradygaster/squad
squad — инструмент, который создаёт в репозитории команду AI‑агентов через GitHub Copilot: вы описываете проект, а в папке .squad появляются постоянные роли (frontend, backend, тестировщик, лидер и т.д.), которые читают код, ведут состояние и предлагают изменения под вашим контролем. Полезен командам, которые хотят параллельно автоматизировать рутинные задачи и ускорить разработку, сохраняя людей в роли ответственных и принимающих решения.
Идея применения:
Автоматически сгенерировать начальную реализацию фичи: создать задачу в Issues, получить предложения от разных ролей (архитектура, реализация, тесты), применить изменения в ветке и открыть PR с заметками от каждого агента для последующего ревью.
Стек/язык: TypeScript. На GitHub: ⭐ 2.9k, forks: 444. Последнее обновление: 2026-07-01.
squad — инструмент, который создаёт в репозитории команду AI‑агентов через GitHub Copilot: вы описываете проект, а в папке .squad появляются постоянные роли (frontend, backend, тестировщик, лидер и т.д.), которые читают код, ведут состояние и предлагают изменения под вашим контролем. Полезен командам, которые хотят параллельно автоматизировать рутинные задачи и ускорить разработку, сохраняя людей в роли ответственных и принимающих решения.
Идея применения:
Автоматически сгенерировать начальную реализацию фичи: создать задачу в Issues, получить предложения от разных ролей (архитектура, реализация, тесты), применить изменения в ветке и открыть PR с заметками от каждого агента для последующего ревью.
Стек/язык: TypeScript. На GitHub: ⭐ 2.9k, forks: 444. Последнее обновление: 2026-07-01.
Observal/Observal
Observal — локальный реестр и платформа аналитики для внутренних AI-компонентов: собирает и индексирует Skills, MCP-сервера и агентов, даёт единый каталог, версионирование и телеметрию по их использованию, чтобы команды быстрее находили, ставили и правили уже созданные компоненты. Полезен инженерам и менеджерам платформы, которые хотят контролировать распространение и эффективность внутренних агентов и интеграций.
Идея применения:
Собрать в приватный реестр все внутренние Skills и агенты команды, включить сбор сессий и метрик и автоматизировать установку выбранных версий в IDE/CLI, чтобы отслеживать реальную отдачу и находить плохо работающие компоненты.
Стек/язык: Python. На GitHub: ⭐ 2.2k, forks: 464. Последнее обновление: 2026-07-04.
Observal — локальный реестр и платформа аналитики для внутренних AI-компонентов: собирает и индексирует Skills, MCP-сервера и агентов, даёт единый каталог, версионирование и телеметрию по их использованию, чтобы команды быстрее находили, ставили и правили уже созданные компоненты. Полезен инженерам и менеджерам платформы, которые хотят контролировать распространение и эффективность внутренних агентов и интеграций.
Идея применения:
Собрать в приватный реестр все внутренние Skills и агенты команды, включить сбор сессий и метрик и автоматизировать установку выбранных версий в IDE/CLI, чтобы отслеживать реальную отдачу и находить плохо работающие компоненты.
Стек/язык: Python. На GitHub: ⭐ 2.2k, forks: 464. Последнее обновление: 2026-07-04.
HandsOnLLM/Hands-On-Large-Language-Models
Hands-On-Large-Language-Models — репозиторий с кодом ко всей практической части книги «Hands‑On Large Language Models» от Jay Alammar и Maarten Grootendorst: набор Jupyter‑ноутбуков с наглядными примерами и иллюстрациями, демонстрирующими токенизацию, архитектуру трансформеров, кластеризацию, генерацию текста, RAG, мультимодальность и методы обучения/тонкой настройки LLM. Полезен тем, кто хочет повторять и запускать лабораторные примеры из книги (включая Colab-ссылки и инструкции по окружению).
Идея применения:
Автоматизировать серию воспроизводимых лабораторных заданий: собрать набор ноутбуков по темам (токены, семантический поиск, тонкая настройка) в CI, запускать их на Colab/CI и генерировать HTML‑отчёты с результатами экспериментов.
Стек/язык: Jupyter Notebook. На GitHub: ⭐ 27.4k, forks: 6.4k. Последнее обновление: 2026-04-24.
Hands-On-Large-Language-Models — репозиторий с кодом ко всей практической части книги «Hands‑On Large Language Models» от Jay Alammar и Maarten Grootendorst: набор Jupyter‑ноутбуков с наглядными примерами и иллюстрациями, демонстрирующими токенизацию, архитектуру трансформеров, кластеризацию, генерацию текста, RAG, мультимодальность и методы обучения/тонкой настройки LLM. Полезен тем, кто хочет повторять и запускать лабораторные примеры из книги (включая Colab-ссылки и инструкции по окружению).
Идея применения:
Автоматизировать серию воспроизводимых лабораторных заданий: собрать набор ноутбуков по темам (токены, семантический поиск, тонкая настройка) в CI, запускать их на Colab/CI и генерировать HTML‑отчёты с результатами экспериментов.
Стек/язык: Jupyter Notebook. На GitHub: ⭐ 27.4k, forks: 6.4k. Последнее обновление: 2026-04-24.
geekjourneyx/md2wechat-skill
md2wechat-skill — CLI на Go, который превращает Markdown в готовую к публикации статью для WeChat: конвертирует в детерминированный HTML с профессиональными темами и модулями верстки, генерирует обложки и иллюстрации (включая интеграцию с AI-провайдерами), поддерживает предпросмотр, проверку готовности и массовую отправку в черновики для нескольких аккаунтов. Полезен авторам и командам, которым нужно автоматизировать стабильную, однотипную публикацию в公众号 с возможностью Agent-автоматизации.
Идея применения:
Автоматизировать сбор и массовую публикацию серии технических заметок из Markdown-репозитория в несколько публичных WeChat-аккаунтов: генерировать обложки, проверять readiness через inspect и заливать в черновики для финального одобрения.
Стек/язык: Go. На GitHub: ⭐ 3.1k, forks: 360. Последнее обновление: 2026-07-02.
md2wechat-skill — CLI на Go, который превращает Markdown в готовую к публикации статью для WeChat: конвертирует в детерминированный HTML с профессиональными темами и модулями верстки, генерирует обложки и иллюстрации (включая интеграцию с AI-провайдерами), поддерживает предпросмотр, проверку готовности и массовую отправку в черновики для нескольких аккаунтов. Полезен авторам и командам, которым нужно автоматизировать стабильную, однотипную публикацию в公众号 с возможностью Agent-автоматизации.
Идея применения:
Автоматизировать сбор и массовую публикацию серии технических заметок из Markdown-репозитория в несколько публичных WeChat-аккаунтов: генерировать обложки, проверять readiness через inspect и заливать в черновики для финального одобрения.
Стек/язык: Go. На GitHub: ⭐ 3.1k, forks: 360. Последнее обновление: 2026-07-02.
beenuar/AiSOC
AiSOC — открытый самохостящийся стек для SOC, который собирает телеметрию, коррелирует оповещения и запускает AI‑агента для расследований с шаговой записью решений, вызовов инструментов и воспроизводимым логом. Полезен командам безопасности и инженерам инфрастуктуры, которым нужен автономный, проверяемый и локально управляемый процесс triage → hunt → respond без передачи данных в сторонние облака.
Идея применения:
Развернуть локальный AiSOC и автоматизировать ежедневную проверку 1000 сгенерированных оповещений, чтобы измерять и снижать уровень ложных срабатываний и сохранить полную воспроизводимую историю расследований.
Стек/язык: Python. На GitHub: ⭐ 1.5k, forks: 145. Последнее обновление: 2026-06-30.
AiSOC — открытый самохостящийся стек для SOC, который собирает телеметрию, коррелирует оповещения и запускает AI‑агента для расследований с шаговой записью решений, вызовов инструментов и воспроизводимым логом. Полезен командам безопасности и инженерам инфрастуктуры, которым нужен автономный, проверяемый и локально управляемый процесс triage → hunt → respond без передачи данных в сторонние облака.
Идея применения:
Развернуть локальный AiSOC и автоматизировать ежедневную проверку 1000 сгенерированных оповещений, чтобы измерять и снижать уровень ложных срабатываний и сохранить полную воспроизводимую историю расследований.
Стек/язык: Python. На GitHub: ⭐ 1.5k, forks: 145. Последнее обновление: 2026-06-30.
RUC-NLPIR/Arbor
Arbor — автономный исследовательский агент на Python, который предлагает гипотезы, правит код и прогоняет реальные эксперименты, сохраняя только улучшения, подтверждённые на отложенной выборке; полезен командам и исследователям, которые хотят автоматизировать итеративную оптимизацию моделей, рабочих процессов и экспериментов с воспроизводимой историей идей.
Идея применения:
Собрать pipeline для автоматической оптимизации ML-модели: задать бенчмарк и метрику, позволить Arbor генерировать и тестировать вариации данных/архитектуры/гиперпараметров, автоматически встраивать выигрышные изменения в основную ветку через изолированные git worktree.
Стек/язык: Python. На GitHub: ⭐ 887, forks: 112. Последнее обновление: 2026-06-30.
Arbor — автономный исследовательский агент на Python, который предлагает гипотезы, правит код и прогоняет реальные эксперименты, сохраняя только улучшения, подтверждённые на отложенной выборке; полезен командам и исследователям, которые хотят автоматизировать итеративную оптимизацию моделей, рабочих процессов и экспериментов с воспроизводимой историей идей.
Идея применения:
Собрать pipeline для автоматической оптимизации ML-модели: задать бенчмарк и метрику, позволить Arbor генерировать и тестировать вариации данных/архитектуры/гиперпараметров, автоматически встраивать выигрышные изменения в основную ветку через изолированные git worktree.
Стек/язык: Python. На GitHub: ⭐ 887, forks: 112. Последнее обновление: 2026-06-30.
AsyncFuncAI/deepwiki-open
deepwiki-open — генератор вики на базе ИИ, который парсит репозиторий (GitHub/GitLab/Bitbucket), анализирует структуру кода, собирает документы и диаграммы и формирует интерактивную, удобную навигацию по проекту. Полезен тем, кто хочет быстрый обзор архитектуры и документации чужого или собственного кода без ручного описания.
Идея применения:
Автоматически пройтись по всем приватным и публичным репозиториям команды и собрать единый набор вики-страниц с диаграммами и описаниями для внутренней документации перед крупным релизом.
Стек/язык: Python. На GitHub: ⭐ 17.2k, forks: 1.9k. Последнее обновление: 2026-06-03.
deepwiki-open — генератор вики на базе ИИ, который парсит репозиторий (GitHub/GitLab/Bitbucket), анализирует структуру кода, собирает документы и диаграммы и формирует интерактивную, удобную навигацию по проекту. Полезен тем, кто хочет быстрый обзор архитектуры и документации чужого или собственного кода без ручного описания.
Идея применения:
Автоматически пройтись по всем приватным и публичным репозиториям команды и собрать единый набор вики-страниц с диаграммами и описаниями для внутренней документации перед крупным релизом.
Стек/язык: Python. На GitHub: ⭐ 17.2k, forks: 1.9k. Последнее обновление: 2026-06-03.
snapotter-hq/SnapOtter
SnapOtter — набор из более чем 200 инструментов для обработки изображений, видео, аудио, PDF и файлов, который можно запустить локально в одном Docker-стеке; все операции выполняются на вашем сервере, без отправки данных в облако, с веб-интерфейсом, API и встроенной базой (Postgres + Redis). Полезен командам и администраторам, которым нужен полный набор конвертеров, редакторов и локальных AI-функций при сохранении приватности.
Идея применения:
Собрать конвейер для приёмки медиа от сотрудников: автоматическая нормализация изображений (обрезка, сжатие, фон), конвертация видео в MP4 и генерация субтитров, OCR усканированных PDF и пакетный экспорт результатов в ZIP для локального архива.
Стек/язык: TypeScript. На GitHub: ⭐ 1.9k, forks: 81. Последнее обновление: 2026-07-04.
SnapOtter — набор из более чем 200 инструментов для обработки изображений, видео, аудио, PDF и файлов, который можно запустить локально в одном Docker-стеке; все операции выполняются на вашем сервере, без отправки данных в облако, с веб-интерфейсом, API и встроенной базой (Postgres + Redis). Полезен командам и администраторам, которым нужен полный набор конвертеров, редакторов и локальных AI-функций при сохранении приватности.
Идея применения:
Собрать конвейер для приёмки медиа от сотрудников: автоматическая нормализация изображений (обрезка, сжатие, фон), конвертация видео в MP4 и генерация субтитров, OCR усканированных PDF и пакетный экспорт результатов в ZIP для локального архива.
Стек/язык: TypeScript. На GitHub: ⭐ 1.9k, forks: 81. Последнее обновление: 2026-07-04.
brightbeanxyz/brightbean-studio
brightbean-studio — самохостящаяся open-source платформа для управления соцсетями, которая позволяет из одного дашборда планировать, составлять, согласовывать и публиковать контент в более чем 10 платформах (Facebook, Instagram, LinkedIn, TikTok, YouTube, Pinterest, Threads и др.) без платных ограничений по пользователя или каналам; полезна создателям, агентствам и малому бизнесу, которые хотят владеть стеком публикаций и интегрироваться напрямую через официальные API.
Идея применения:
Собрать единый рабочий процесс для агентства: настроить мульти-воркспейсы с ролями, перенести календарь публикаций клиентов, автоматизировать очереди и approval-воркфлоу, чтобы все посты проходили согласование и выходили по расписанию через собственный хостинг.
Стек/язык: Python. На GitHub: ⭐ 1.9k, forks: 386. Последнее обновление: 2026-07-02.
brightbean-studio — самохостящаяся open-source платформа для управления соцсетями, которая позволяет из одного дашборда планировать, составлять, согласовывать и публиковать контент в более чем 10 платформах (Facebook, Instagram, LinkedIn, TikTok, YouTube, Pinterest, Threads и др.) без платных ограничений по пользователя или каналам; полезна создателям, агентствам и малому бизнесу, которые хотят владеть стеком публикаций и интегрироваться напрямую через официальные API.
Идея применения:
Собрать единый рабочий процесс для агентства: настроить мульти-воркспейсы с ролями, перенести календарь публикаций клиентов, автоматизировать очереди и approval-воркфлоу, чтобы все посты проходили согласование и выходили по расписанию через собственный хостинг.
Стек/язык: Python. На GitHub: ⭐ 1.9k, forks: 386. Последнее обновление: 2026-07-02.
Pouzor/homelable
homelable — самохостящаяся визуализация домашней/лабораторной инфраструктуры: сканирует сеть и Zigbee/Z-Wave, предлагает очередь обнаруженных устройств и строит интерактивную диаграмму с живым мониторингом статусов (ping, HTTP/health, TCP и пр.), а также позволяет выбирать стили и экспортировать дизайн. Полезен владельцам homelab, админам и энтузиастам умного дома, кто хочет быстро увидеть и следить за состоянием устройств в локальной сети.
Идея применения:
Автоматизировать регулярный сетевой скан и обновление диаграммы для отображения всех хостов и сервисов в офисной/домашней сети, чтобы в панели видеть онлайн/офлайн статусы и добавлять новые устройства в один клик.
Стек/язык: TypeScript. На GitHub: ⭐ 2.2k, forks: 96. Последнее обновление: 2026-07-04.
homelable — самохостящаяся визуализация домашней/лабораторной инфраструктуры: сканирует сеть и Zigbee/Z-Wave, предлагает очередь обнаруженных устройств и строит интерактивную диаграмму с живым мониторингом статусов (ping, HTTP/health, TCP и пр.), а также позволяет выбирать стили и экспортировать дизайн. Полезен владельцам homelab, админам и энтузиастам умного дома, кто хочет быстро увидеть и следить за состоянием устройств в локальной сети.
Идея применения:
Автоматизировать регулярный сетевой скан и обновление диаграммы для отображения всех хостов и сервисов в офисной/домашней сети, чтобы в панели видеть онлайн/офлайн статусы и добавлять новые устройства в один клик.
Стек/язык: TypeScript. На GitHub: ⭐ 2.2k, forks: 96. Последнее обновление: 2026-07-04.
yorukot/superfile
superfile — современный терминальный файловый менеджер на Go с кроссплатформенной поддержкой (macOS, Linux, Windows) и удобными горячими клавишами, плагинами и темами; выполняет базовые файловые операции и умеет автообновляться, полезен тем, кто предпочитает работать с файлами прямо в терминале без графического интерфейса.
Идея применения: собрать единый набор конфигураций и плагинов для команды (темы, хоткеи, скрипты установки) и автоматизировать развёртывание superfile в окружениях разработчиков через скрипт install.sh/install.ps1.
Стек/язык: Go. На GitHub: ⭐ 18.4k, forks: 495. Последнее обновление: 2026-07-03.
superfile — современный терминальный файловый менеджер на Go с кроссплатформенной поддержкой (macOS, Linux, Windows) и удобными горячими клавишами, плагинами и темами; выполняет базовые файловые операции и умеет автообновляться, полезен тем, кто предпочитает работать с файлами прямо в терминале без графического интерфейса.
Идея применения: собрать единый набор конфигураций и плагинов для команды (темы, хоткеи, скрипты установки) и автоматизировать развёртывание superfile в окружениях разработчиков через скрипт install.sh/install.ps1.
Стек/язык: Go. На GitHub: ⭐ 18.4k, forks: 495. Последнее обновление: 2026-07-03.
microsoft/skills
skills — коллекция «скиллов», настроек для кастомных агентов и шаблонов AGENTS.md, которые дают агентам (Copilot, Copilot CLI и прочим) контекст и знания по Azure SDK и Microsoft Foundry; полезно командам, которые хотят, чтобы кодовые агенты корректно работали с конкретными SDK, конфигурациями MCP и ролями агентов. Репозиторий на TypeScript содержит наборы плагинов, преднастроек агентов и серверных конфигов для интеграции LLM-инструментов в разработческий процесс.
Идея применения:
Собрать и установить в репозиторий проекта только нужные skills (например, azure-sdk + copilot-sdk + mcp-builder) и AGENTS.md, чтобы локальный Copilot/Copilot CLI давал релевантные подсказки и автоматические паттерны именно для вашей Azure-инфраструктуры.
Стек/язык: TypeScript. На GitHub: ⭐ 2.7k, forks: 303. Последнее обновление: 2026-07-02.
skills — коллекция «скиллов», настроек для кастомных агентов и шаблонов AGENTS.md, которые дают агентам (Copilot, Copilot CLI и прочим) контекст и знания по Azure SDK и Microsoft Foundry; полезно командам, которые хотят, чтобы кодовые агенты корректно работали с конкретными SDK, конфигурациями MCP и ролями агентов. Репозиторий на TypeScript содержит наборы плагинов, преднастроек агентов и серверных конфигов для интеграции LLM-инструментов в разработческий процесс.
Идея применения:
Собрать и установить в репозиторий проекта только нужные skills (например, azure-sdk + copilot-sdk + mcp-builder) и AGENTS.md, чтобы локальный Copilot/Copilot CLI давал релевантные подсказки и автоматические паттерны именно для вашей Azure-инфраструктуры.
Стек/язык: TypeScript. На GitHub: ⭐ 2.7k, forks: 303. Последнее обновление: 2026-07-02.