Опенсорс-аналог Claude Cowork, который работает локально и бесплатно

Разработчики выкатили Rowboat - open-source ИИ-коворкер, который позиционируют как замену Claude Cowork от Anthropic. Работает полностью локально, на вашей машине, с любой LLM на выбор.

Из интересного: поддержка голоса, расширяемость через MCP-тулы, совместимость с Obsidian-хранилищами, фоновые агенты с веб-поиском и автоматическое построение графа знаний по вашим заметкам и письмам.

Anthropic, кажется, начинают окружать со всех сторон. Пока они строят закрытую экосистему, комьюнити собирает аналоги на коленке и раздает бесплатно.

github.com/rowboatlabs/rowboat

🚨 ElevenLabs получил open source конкурента

Mistral выкатили Voxtral и это выглядит как серьёзный заход в TTS.

Модель всего на 4B параметров. При этом даёт около 70 мс задержки, что уже подходит для голосовых агентов в реальном времени.

Поддерживает клонирование голоса буквально с нескольких секунд аудио. Плюс работает на 9 языках и умеет переносить голос между ними.

По бенчмаркам заявляют 68.4% побед против ElevenLabs Flash v2.5.

Ключевой момент здесь не только в качестве. Веса открыты и доступны на Hugging Face.

Это значит, что TTS снова уходит из SaaS в инфраструктуру. Голос можно разворачивать локально, кастомизировать и встраивать без ограничений.

Для тех, кто делает voice agents, это сильный сдвиг. Контроль над голосом теперь можно держать у себя.

https://huggingface.co/mistralai/Voxtral-4B-TTS-2603

🐍 Python полезные ресурсы 🚀Max

@pythonl

🐍 Python полезные ресурсы 🚀Max

@pythonl

🚨 Без этого репо ты используешь Claude Code на 10%

Практически все, кто реально работает с Claude Code, уже сидят на claude-code-best-practice. Остальные просто не выжимают и половины возможностей.

Это не очередной список советов, а собранная база практики: 84 конкретных приёма, примеры внедрения и разбор того, как строят workflow топовые пользователи.

Внутри разложено всё, что обычно собираешь по кускам:

промптинг, планирование, CLAUDE.md, агенты, команды, skills, hooks, дебаг, утилиты
реальные примеры использования каждой ключевой фичи
сравнение подходов из крупных репозиториев и методологий
оркестрация через цепочку Command → Agent → Skill
советы Бориса Черны, собранные из тредов и интервью

Есть и практические вещи, которые реально меняют работу:

• использование subagents, чтобы разгружать контекст и ускорять задачи
• второй Claude как ревьюер перед выполнением плана
• контроль размера CLAUDE.md, чтобы модель не деградировала
• ручное управление контекстом через /compact
• переписывание решений «с нуля», когда уже понял задачу глубже

Отдельно - блок с открытыми вопросами, на которые до сих пор нет нормального ответа. Это уже уровень, где начинается настоящая инженерия вокруг Claude Code.

Репозиторий залетел в топ GitHub, почти 20K звёзд и активно растёт.

https://github.com/shanraisshan/claude-code-best-practice

🚀 OpenGauss: Умный оркестратор для Lean-работ

OpenGauss - это инструмент для управления рабочими процессами в Lean, позволяющий эффективно организовывать задачи, такие как доказательства и формализация. Он интегрирует несколько агентов и упрощает взаимодействие с Lean-экосистемой через удобный CLI.

🚀Основные моменты:
- Многоагентная архитектура для Lean-работ
- Поддержка различных рабочих процессов: prove, draft, autoprove
- Удобное управление проектами и сессиями
- Интеграция с Lean tooling и MCP/LSP

📌 GitHub: https://github.com/math-inc/OpenGauss

⚡️ Вышло большое обновление популярного курса- Ai AI агенты, которые реально работают в проде!

Вы всё ещё пишете обёртки над ChatGPT и называете это «AI-продуктом»?

Пока вы промптите - рынок переходит на агентные системы. Те, что принимают решения, ходят в API, работают с Postgres и Redis, управляют браузером через Playwright.

И 90% таких систем ломаются между ноутбуком и продом.

AI Agents Engineering - курс, который закрывает этот разрыв. LangGraph, AutoGen, Computer Use, LLMOps. 8 модулей, 120+ шагов - от архитектуры до деплоя в Docker.

На выходе: реальный опыт на большой практической базе, а production-агент и навыки, за которые уже платят.

👉 48 часов действует скидка на курс 55 процентов: https://stepik.org/a/276971/

🚀 Claude Code получил open-source инструмент, который снимает лимиты использования и не даёт ему останавливаться посреди задачи.

47 000+ звёзд, бесплатно, и уже называют чит-кодом для power-пользователей.

https://github.com/thedotmack/claude-mem

🐍 Python полезные ресурсы 🚀Max

@pythonl

🔊 В опенсорс вышел самый лёгкий и доступный генератор речи - MOSS-TTS-Nano работает локально на любом процессоре даже без видеокарты.
Ультралёгкий TTS, который можно гонять хоть на тостере - MOSS-TTS.

Это не «демка на поиграться», а нормальный инструмент: запускается на обычном 4-ядерном CPU, тянется даже на уровне Raspberry Pi и при этом выдаёт живую речь без ощутимой задержки.

Модель крошечная - около 100 млн параметров, но звук на уровне: до 48 кГц и вполне чистая озвучка.

Лучше всего справляется с английским, но русский тоже поддерживает.

Умеет не только короткие фразы. Спокойно читает длинные тексты и может клонировать голос, что открывает кучу сценариев - от ботов до локальных ассистентов.

Фактически это TTS, который не требует ни облака, ни GPU, ни сложной инфраструктуры. Запустил и используешь.

https://github.com/OpenMOSS/MOSS-TTS-Nano

Демо: https://huggingface.co/spaces/OpenMOSS-Team/MOSS-TTS-Nano

🎨🚀 Генерация 3D-моделей из изображений с помощью AI

Modly — это приложение для настольных ПК, позволяющее преобразовывать фотографии в 3D-модели с использованием открытых AI-моделей. Работает на Windows и Linux, с поддержкой macOS в будущем.

🚀Основные моменты:
- Генерация 3D-моделей из изображений.
- Поддержка внешних AI-расширений.
- Открытый исходный код и работа на GPU.
- Доступно для Windows и Linux.

📌 GitHub: https://github.com/lightningpixel/modly

#python

Продвинутый совет по Django:

Не тащи бизнес-логику в views и serializers. Выноси её в отдельный service layer.

Пока проект маленький, удобно писать всё прямо во view: получил request, дёрнул ORM, что-то посчитал, сохранил, отправил ответ.

Но как только появляются повторяющиеся сценарии, несколько точек входа, celery-задачи, admin, API и тесты, код начинает расползаться.

Хороший паттерн такой:
• view отвечает только за HTTP,
• serializer за валидацию,
• model за данные,
• а вся бизнес-логика живёт в services.

Пример:

# services/order_service.py

from django.db import transaction
from .models import Order, OrderItem

class OrderService:
    @staticmethod
    @transaction.atomic
    def create_order(*, user, items_data):
        order = Order.objects.create(user=user, status="new")

        order_items = [
            OrderItem(
                order=order,
                product_id=item["product_id"],
                quantity=item["quantity"],
                price=item["price"],
            )
            for item in items_data
        ]
        OrderItem.objects.bulk_create(order_items)

        return order

Во view тогда остаётся только это:

def create_order_view(request):
    serializer = OrderCreateSerializer(data=request.data)
    serializer.is_valid(raise_exception=True)

    order = OrderService.create_order(
        user=request.user,
        items_data=serializer.validated_data["items"],
    )

    return Response({"order_id": order.id})

Что это даёт: код проще тестировать, логика не дублируется, её можно использовать в API, admin и background jobs, и становится меньше шансов сломать что-то при росте проекта.

Django-проект становится серьезнее в тот момент, когда ты перестаёшь писать всё во views.

🐍 Python полезные ресурсы

@pythonl

🗂️ Живая база лучших AI-инструментов - обновляется с 2023 и держит только актуальное

В одном месте собрали весь стек, который реально используют сейчас:

- свежие LLM и новые релизы
- мультимодалка: изображения, видео, аудио
- AI-агенты и автоматизация
- dev-платформы и API
- инфраструктура, плагины и утилиты

Это не статичный список, а постоянно обновляемая карта рынка.

Сохрани - пригодится.

https://github.com/eudk/awesome-ai-tools

Когда я прошу Клода провести проверку кода