GitHub Разработчика

Serie

Смотреть историю коммитов Git в терминале то еще удовольствие: вывод git log --graph с его символами читается тяжело, а при большом количестве веток вообще превращается в кашу.

Недавно на GitHub попался открытый проект Serie, который прямо в терминале рисует аккуратную и наглядную визуализацию истории коммитов. По ощущениям почти как GUI-инструменты.

Он использует протоколы отображения изображений в терминальных эмуляторах и рендерит граф коммитов как картинки. Поддерживаются протоколы iTerm2 и Kitty, при этом в WezTerm, Ghostty и других терминалах все работает плавно.

Помимо базового просмотра истории, есть поиск и фильтрация, просмотр списков ссылок, кастомные команды вывода (например, вызов difft для просмотра diff), а также куча горячих клавиш и настроек.

Если хочется прокачать Git-логи в терминале с уровня «ну, терпимо» до «удобно и приятно», инструмент точно стоит попробовать.

📁 Language: #Rust 100.0%

⭐️ Stars: 1.5k

➡️ Cсылка на GitHub

📱 @git_developer

Docus

Писать техдоку в Markdown просто, но когда дело доходит до нормального сайта с документацией, начинается боль. Хочется, чтобы было красиво, с поиском, мультиязычностью, тёмной темой и без ручной сборки всего стека.

На GitHub как раз нашёлся открытый фреймворк Docus, который решает эту задачу. Одна команда — и у тебя готовый, функциональный сайт документации.

Он построен на Nuxt 4 и из коробки даёт адаптивную вёрстку, тёмный режим, полнотекстовый поиск и i18n. Плюс можно прямо в Markdown использовать Vue-компоненты, без костылей.

Внутри уже всё собрано: Nuxt Content для управления контентом, Nuxt UI как компонентная база, Tailwind CSS для стилей, плюс встроенная оптимизация изображений.

Структура проекта понятная и чистая: контент лежит в папке content, свои компоненты и страницы добавляются напрямую. Не нужно с нуля настраивать весь тулчейн — можно сразу писать документацию и расширять проект по мере необходимости.

📁 Language: #TypeScript 54.3%

⭐️ Stars: 2.4k

➡️ Cсылка на GitHub

📱 @git_developer

XL Converter

При работе с фотками и изображениями постоянно всплывают две боли: файлы слишком тяжёлые и формат не поддерживается. Найти инструмент, который умеет сжимать без потери качества, на практике не так просто.

На GitHub как раз попался открытый проект XL Converter. В одном интерфейсе он закрывает конвертацию между разными форматами изображений.

Поддерживается взаимное преобразование между JPEG XL, AVIF, WebP, JPEG, PNG и другими форматами. Есть параллельная обработка, так что можно гонять сразу пачку файлов.

Также есть поддержка lossless-транскодинга JPEG: размер JPEG-файлов уменьшается примерно на 16–22% без потери качества, и процесс полностью обратимый.

Помимо конвертации форматов, есть ресайз изображений. Можно менять размер по разрешению, в процентах или по минимальной стороне.

Доступны сборки под Windows и Linux, всё работает из коробки. Если часто приходится массово перегонять картинки между форматами, инструмент точно стоит посмотреть.

📁 Language: #Python 94.6%

⭐️ Stars: 399

➡️ Cсылка на GitHub

📱 @git_developer

cocoindex

При разработке RAG-приложений или сборке базы знаний самая больная часть обычно не выбор модели, а дата-пайплайн.

Нужно писать кучу Python-скриптов для очистки данных, чанкинга и векторизации. А как только меняется исходный датасет, приходится гонять полный пересчёт — долго и дорого.

Недавно на GitHub попался CocoIndex — опенсорсный высокопроизводительный фреймворк для трансформации данных, заточенный под AI-сценарии.

Примерно в 100 строках Python можно описать весь процесс: чтение файлов, разбиение на чанки и загрузку эмбеддингов в векторное хранилище.

Поддерживаются разные источники и приёмники данных: локальные файлы, Amazon S3, Google Drive, а также векторные БД вроде Postgres, Qdrant и LanceDB.

Кроме этого, внутри уже есть готовые компоненты для текстового чанкинга, генерации эмбеддингов, парсинга PDF, построения графов знаний и других типовых трансформаций.

В проекте много примеров — больше 20 реальных кейсов: семантический поиск, графы знаний, рекомендации товаров, поиск по изображениям и т.д. Можно брать и использовать как есть.

📁 Language: #Rust 77.4%

⭐️ Stars: 4.6k

➡️ Cсылка на GitHub

📱 @git_developer

VideoPipe

Разрабатывать приложение для видеоаналитики с детекцией, распознаванием, трекингом, анализом поведения и прочими фичами, начиная с нуля, — это огромный объём работы.

На GitHub нашёл VideoPipe — опенсорсный фреймворк, заточенный именно под сборку видеоаналитических приложений. Функциональные узлы можно комбинировать как конструктор, собирая нужный пайплайн под задачу.

Фреймворк закрывает полный цикл: чтение и декодирование видео, многоуровневый инференс, трекинг объектов, анализ поведения, отправка данных, запись и скриншоты, наложение графики, кодирование и стриминг видео. Плюс есть поддержка интеграции мультимодальных LLM.

В комплекте больше 40 демо-примеров: распознавание и трекинг лиц, детекция автомобилей, оценка позы, face swap и другие сценарии. Есть подробные видеоуроки и документация.

Написан на C++, с минимальными зависимостями и хорошей переносимостью. Архитектура конвейерная: каждый узел работает независимо и свободно комбинируется. Поддерживаются разные inference-бэкенды, включая OpenCV, TensorRT и PaddleInference.

Если ты занимаешься видео-структурированием, умным видеонаблюдением, транспортной аналитикой или просто хочешь быстро собрать прототип video AI-приложения, этот фреймворк точно стоит посмотреть.

📁 Language: #Cpp 99.2%

⭐️ Stars: 2.1k

➡️ Cсылка на GitHub

📱 @git_developer

BentoPDF

Когда нужно поработать с PDF, онлайн-инструменты из поиска обычно требуют загрузить файлы на их серверы и при этом упираются в кучу ограничений по функционалу. В итоге больше раздражения, чем пользы.

Случайно наткнулся на GitHub на BentoPDF — это open source PDF-тулбокс, где вся обработка происходит локально в браузере. Файлы никуда не отправляются.

Внутри больше 50 полезных инструментов: объединение и разбиение PDF, редактирование и конвертация, шифрование и сжатие. Можно создавать заполняемые формы, добавлять водяные знаки и номера страниц, делать OCR и вытаскивать текст.

Плюс поддерживаются разные форматы изображений для конвертации в PDF, включая HEIC и WebP. Можно работать с Markdown, JSON и другими форматами, а также чинить повреждённые PDF.

Есть Docker-образ для быстрого деплоя. Либо можно скачать готовую сборку и развернуть на любом веб-сервере. Поддерживается установка в подкаталог и упрощённый режим интерфейса.

📁 Language: #JavaScript 55.3%

⭐️ Stars: 7.7k

➡️ Cсылка на GitHub

📱 @git_developer

Reconya

Когда в домашней или корпоративной локалке висит куча IP-адресов и нужно понять, какие устройства вообще подключены, обычно приходится залипать в админке роутера. Наглядности ноль, деталей минимум.

Случайно на GitHub попался Reconya — опенсорсный проект для обнаружения устройств в локальной сети и их мониторинга в реальном времени.

Сделан на Go и HTMX. Автоматически сканирует сеть и находит все устройства: поддерживает активное сканирование IPv4 и пассивное прослушивание IPv6.

Умеет глубоко разбирать информацию об устройствах — показывает MAC-адрес, вендора железа, hostname и даже тип операционной системы.

В комплекте есть наглядная web-панель: видно топологию сети и онлайн-статус устройств.

Также есть скрипт установки в один клик — сам определяет тип системы, ставит зависимости и сразу запускается.

Подойдёт сетевым администраторам или тем, кто хочет проверить, не сидит ли кто-то лишний в домашнем Wi-Fi.

📁 Language: #Go 47.5%

⭐️ Stars: 895

➡️ Cсылка на GitHub

📱 @git_developer

sokuji

При созвонах с зарубежными клиентами или просмотре иностранных стримов языковой барьер быстро становится проблемой. Большинство инструментов для синхронного перевода либо дорогие, либо дают посредственное качество.

В GitHub нашёл Sokuji — open-source инструмент, заточенный именно под реальный перевод речи в онлайне.

Он подключается к OpenAI, Google Gemini и другим популярным LLM, в реальном времени слушает микрофон и сразу воспроизводит переведённую речь.

Кроме десктопной версии есть браузерное расширение для Chrome и Edge, с нормальной поддержкой сценариев Google Meet и Microsoft Teams.

На Linux можно поднять виртуальное аудиоустройство и напрямую прокидывать переведённый звук в другие приложения. Есть поддержка сквозного аудиопотока и визуализации звука в реальном времени.

Доступны установочные пакеты для Windows, macOS и Linux. Браузерные расширения уже опубликованы в магазинах Chrome и Edge.

📁 Language: #TypeScript 60.2%

⭐️ Stars: 352

➡️ Cсылка на GitHub

📱 @git_developer

nexa-sdk

Если хочется запустить быстрый, полностью офлайн и бесплатный AI-модель прямо на своём компе или телефоне, можно посмотреть в сторону Nexa SDK. Это open-source проект.

По сути, сейчас это одно из самых интегрированных и полноценных решений на рынке среди опенсорса, с нормальной экосистемой и инструментарием.

За счёт собственной технологии сжатия моделей он спокойно работает без интернета и за миллисекунды прогоняет поиск по тысячам локальных фотографий.

С обработкой десятков тысяч чувствительных документов тоже проблем нет. Все данные остаются на устройстве, так что по безопасности и приватности это сильно выигрывает у облачных API.

Есть полная совместимость с OpenAI API, поэтому его можно без боли встраивать в уже существующие дев-воркфлоу.

Плюс в комплекте идёт готовый CLI. Одна команда — и модель скачана и запущена. Вкатиться можно буквально за пару минут.

📁 Language: #Go 50.8%

⭐️ Stars: 6.5k

➡️ Cсылка на GitHub

📱 @git_developer

Awesome local LLM

Если хочешь развернуть большую языковую модель локально, легко утонуть в куче инструментов и гайдов. То Ollama, то vLLM, плюс десятки фреймворков для дообучения. В итоге сложно понять, за что браться и какой стек вообще рабочий.

Случайно наткнулся на GitHub-проект Awesome local LLM. По сути, это энциклопедия по запуску LLM локально. Подборка очень полная и при этом хорошо структурирована, помогает быстро разложить весь стек по полочкам.

Внутри есть разделы по inference-платформам, inference-движкам, UI, самим языковым моделям, инструментам для разработки и ещё с десяток категорий. Плюс советы по выбору железа и полезные туториалы.

У каждого проекта указано количество GitHub Stars и короткое описание, так что можно быстро оценить популярность и понять, для чего он нужен. Также собраны обучающие ресурсы, включая YouTube-гайды и обзоры железа.

Если планируешь собирать локальное окружение под LLM или ищешь open source инструменты под конкретные задачи, эту подборку точно стоит сохранить.

⭐️ Stars: 613

➡️ Cсылка на GitHub

📱 @git_developer

SvgPathEditor

Если занимаешься дизайном или фронтенд-разработкой, то SVG-пути приходится править постоянно. Обычно это выглядит так: бесконечно переключаешься между кодом и превью, меняешь координаты почти наугад. Медленно и утомительно.

Недавно на GitHub нашёл открытый инструмент SvgPathEditor. Он позволяет визуально редактировать SVG-пути прямо в браузере: перетаскиваешь точки мышкой и сразу видишь результат, чистый WYSIWYG.

Можно просто вставить код SVG-пути и редактировать его, либо создать путь с нуля: кликаешь, добавляешь команду и указываешь точки прямо на холсте.

Поддерживается drag-and-drop для контрольных точек, по клику на команду можно переключать относительные и абсолютные координаты, вставлять, удалять и преобразовывать типы команд. Есть операции масштабирования, панорамирования, поворота, округления координат, а также undo/redo.

Есть онлайн-версия, которая работает сразу из коробки, и возможность развернуть локально. Отлично подходит фронтенд-разработчикам для точной подгонки деталей иконок.

📁 Language: #TypeScript 65.5%

⭐️ Stars: 4.7k

➡️ Cсылка на GitHub

📱 @git_developer

Promptomatix

При работе с prompt’ами больше всего выматывает не придумывание, а бесконечный перебор вариантов. Поменял одно слово — результат стал хуже, добавил фразу — логика поехала. В итоге куча времени уходит на ручной тюнинг и пробу-ошибку.

Случайно на GitHub попался Promptomatix — фреймворк от Salesforce AI Research, выложенный в open source. Его цель как раз в том, чтобы избавиться от этой ручной возни с оптимизацией prompt’ов.

Он анализирует требования задачи, автоматически генерирует тренировочные данные и на основе фидбэка итеративно правит prompt, пока не выйдет на лучший результат.

Поддерживает несколько провайдеров моделей, включая OpenAI и Anthropic. Есть и CLI, и API для интеграции в проекты.

Также есть подробные Jupyter-туториалы — от базового использования до продвинутой кастомизации. Можно начать быстро через командную строку, а потом углубиться.

Если ты разрабатываешь LLM-приложения или уже устал вручную полировать prompt’ы, этот автоматизированный подход точно стоит попробовать.

📁 Language: #Python 99.5%

⭐️ Stars: 714

➡️ Cсылка на GitHub

📱 @git_developer

lsv

При работе с файлами в терминале обычно используют ls и cd, но они показывают только список. Чтобы посмотреть содержимое файла или быстро перейти по каталогам, приходится постоянно вводить команды, что не очень эффективно.

На GitHub нашёлся open-source инструмент lsv — трёхпанельный файловый браузер для терминала. Слева показывается родительский каталог, по центру текущий, справа идёт живой предпросмотр выбранного файла.

Управление полностью с клавиатуры. Конфигурация через Lua: темы, хоткеи, правила предпросмотра. Можно подключать внешние инструменты (например, bat, glow) для цветного рендеринга контента.

Поддерживаются файловые операции (создание, переименование, удаление), мультивыбор с копированием и вставкой, закладки для быстрого перехода по каталогам, командная панель и автодополнение.

Превью легко кастомизируется: glow для Markdown, viu для картинок, hexyl для бинарников и т.д. Конфиг гибкий.

Устанавливается через Cargo, работает на Windows, macOS и Linux, есть готовые шаблоны конфигурации из коробки.

📁 Language: #Rust 97.0%

⭐️ Stars: 71

➡️ Cсылка на GitHub

📱 @git_developer

awesome-claude

В повседневной работе Claude удобно использовать для кода и анализа, но если хочется выжать из него больше и найти реально полезные инструменты и приёмы работы с промптами, обычно приходится долго копаться в разных источниках.

На GitHub есть подборка awesome-claude — это агрегатор ресурсов, где собраны официальная документация, комьюнити-инструменты, плагины и учебные материалы.

Коллекция структурирована по шести разделам: официальные ресурсы, сообщество, расширения и интеграции, приложения, туториалы и комьюнити — туда входят API-доки, SDK, IDE-расширения, браузерные плагины и многое другое.

В разделе официальных ресурсов есть описания моделей серии Claude 4.5, API-документация, SDK для разных языков и инструкции по интеграции через Amazon Bedrock, Google Vertex AI и Azure AI.

В комьюнити-разделе собраны наборы команд для Claude Code, кастомизация skills, примеры промптов, AI-агентные команды, а также бесплатные официальные курсы и видео.

Если хочется системно разобраться в разработке под Claude или просто повысить эффективность повседневной работы, этот список точно стоит сохранить.

📁 Language: #TypeScript 86.0%

⭐️ Stars: 543

➡️ Cсылка на GitHub

📱 @git_developer

aio-usb-drive

Когда с компьютером что-то идёт не так, больше всего бесит не сама поломка, а отсутствие под рукой нормальной загрузочной флешки. Каждый раз заново скачивать образы, форматировать USB, рисковать данными — сплошная потеря времени.

На GitHub попался проект aio-usb-drive, цель которого -» сделать универсальную флешку для обслуживания систем.

Достаточно просто закинуть ISO-образы прямо на USB -» и с одной флешки можно загружать сразу несколько систем и утилит. По ощущениям как обычный накопитель, без лишней магии.

В проекте уже подобран набор полезных инструментов: SystemRescue для восстановления, Rescuezilla для клонирования дисков, установочные образы разных Linux-дистрибутивов, а также установщики Windows 11 и Office 365.

Есть подробные инструкции по подготовке флешки и использованию, вплоть до скриптов активации продуктов Microsoft. Флешки на 32 ГБ хватает для большинства задач, на 64 ГБ — помещается полный набор.

Если нужен переносной набор инструментов для администрирования или ты регулярно помогаешь друзьям с установкой системы и ремонтом ПК — проект точно стоит добавить в закладки.

⭐️ Stars: 2.2k

➡️ Cсылка на GitHub

📱 @git_developer

Constrict

Нужно сжать видео до заданного размера для загрузки. Ручная подгонка битрейта с кучей проб и ошибок отнимает время, а онлайн-сервисы вызывают вопросы к приватности и скорости.

На GitHub нашелся Constrict — open-source инструмент для сжатия видео. Ты просто задаешь целевой размер файла, а он сам рассчитывает оптимальные параметры кодирования. Все обрабатывается локально, без загрузок в облако.

Инструмент построен на FFmpeg и автоматически подбирает битрейт, разрешение, FPS и качество аудио, стараясь сохранить максимум качества при нужном размере.

Поддерживает пакетную обработку в одну директорию, ограничение FPS для баланса четкости и плавности, а также кодеки H.264, HEVC, AV1 и VP9.

Если часто приходится ужимать видео под конкретный лимит и не хочется возиться с настройками или онлайн-сервисами, стоит попробовать.

📁 Language: #Python 94.2%

⭐️ Stars: 323

➡️ Cсылка на GitHub

📱 @git_developer

awesome-ai-for-science

В научных исследованиях чаще всего выматывают не сами эксперименты, а бесконечное чтение статей, бесконечная чистка данных и нескончаемые презентации для отчетов.

На GitHub нашлась отличная подборка Awesome AI for Science — это систематизированный список инструментов и ресурсов, показывающий, как ИИ применяется на всех этапах научной работы.

Внутри — десятки категорий: управление литературой, анализ данных, превращение статей в постеры, автоматизация экспериментов и многое другое. Есть и специализированные инструменты для биологии, химии, физики и других областей.

В коллекции есть, например, Paper2Poster, который автоматически превращает научные статьи в постеры, MinerU — мощный инструмент для парсинга документов, и The AI Scientist — система для полностью автоматизированных исследований.

Также собраны современные научные статьи, датасеты, вычислительные фреймворки и образовательные материалы. По сути, это полный toolchain для AI-ассистированного ресерча. Определенно стоит сохранить.

⭐️ Stars: 674

➡️ Cсылка на GitHub

📱 @git_developer

OpenContracts

Когда работаешь с юридическими документами и договорами, боль обычно не в самом чтении, а в том, чтобы из сотен и тысяч файлов вытащить ключевую инфу, разметить важные пункты и при этом привести данные к единому формату, чтобы потом нормально анализировать.

Недавно на GitHub попался OpenContracts, опенсорсная платформа для анализа документов, заточенная под knowledge-intensive задачи, чтобы управление документами и извлечение данных было проще и быстрее.
Поддерживает загрузку, разметку и анализ PDF и текстовых документов. Внутри есть плагинный движок парсинга, который может автоматически извлекать признаки лейаута документа и строить векторные эмбеддинги для дальнейшего поиска/ретривала.

Главная фича это пакетное извлечение данных: можно одновременно задавать вопросы по сотням документов и вытаскивать структурированные данные, а результаты сразу подсвечиваются прямо в исходнике. Ещё есть поддержка кастомных схем метаданных, совместной разметки, управления доступами и прочих enterprise-историй.

Платформа построена на фреймворке PydanticAI: там собрана полноценная LLM-система с управлением диалогом и стримингом ответов в реальном времени. Разворачивается быстро через Docker.

Если у тебя много контрактов, юрдоков или другой “тяжёлой” по знаниям документации, и хочется превратить анализ из ручной рутины в более системный воркфлоу, платформу стоит попробовать.

📁 Language: #Python 52.0%

⭐️ Stars: 1.1k

➡️ Cсылка на GitHub

📱 @git_developer

AppUpdater

При разработке macOS-приложений добавление автообновлений через Sparkle и похожие фреймворки часто превращается в боль: куча зависимостей, сложная конфигурация, лишняя тяжеловесность.

На GitHub нашёлся AppUpdater — компактная опенсорсная библиотека, которая использует GitHub Releases для тихих обновлений macOS-приложений.

Проект переработан на базе классического AppUpdater: убрали зависимость от PromiseKit и полностью перешли на async/await, код стал современнее и проще в поддержке.

Поддерживает SwiftUI: буквально несколько строк кода — и у тебя есть проверка обновлений, загрузка и автоматическая установка. Также есть мультиязычные release notes.

Встроена настройка прокси, что решает частые проблемы с доступом к GitHub API из Китая, плюс есть проверка кодовой подписи, чтобы обновления были безопасными.

По сравнению с тяжёлыми решениями вроде Sparkle это более подходящий вариант для инди-разработчиков: минимальные затраты — и при этом надёжная и безопасная доставка обновлений.

📁 Language: #Swift 100.0%

⭐️ Stars: 178

➡️ Cсылка на GitHub

📱 @git_developer

Readur

Управлять разными документами - боль: под каждый формат свой просмотрщик, а чтобы что-то найти, приходится перелопачивать файлы вручную.

Readur - open-source система управления документами с GitHub, которая собирает PDF, изображения и Office-файлы в одном месте и автоматически распознаёт текст. Достаточно перетащить файл — OCR сам извлечёт текст с поддержкой нескольких языков, после чего становится доступен полнотекстовый поиск.

Поддерживается подключение WebDAV, локальных папок и S3-хранилищ с автосинхронизацией, есть теги, категории, мониторинг каталогов, уведомления и даже встроенная Swagger API-документация. Разворачивается одной командой через Docker, работает из коробки - хороший вариант для личного использования или командного документооборота.

📁 Language: #Rust 67.4%

⭐️ Stars: 466

➡️ Cсылка на GitHub

📱 @git_developer