/skills.md

MimikaStudio

Локальный комбайн для клонирования голоса, чтения вслух PDF с подсветкой текущего предложения, создания аудиокниг и вообще генерации речи

Поддерживает 4 движка и 23 языка, в том числе русский

Работает на #macos #windows и web

Поддерживает REST API и MCP

Гитхаб

#text2audiobook #pdf2speech #tts #voicecloniong #gui #russian

holaOS Beta 0.1

Открытый «компьютер с агентами» - среда для долгой работы с ИИ, а не разовых чатов. Поможет вести долгосрочные проекты с ИИ без потери контекста.

• хранит контекст, правила и историю по каждому рабочему потоку
• разделяет задачи на несколько рабочих пространств (Multi Workspaces)
• запускает под‑агентов для параллельной обработки сложных задач (Sub Agents)
• интегрируется с Gmail, GitHub, LinkedIn, Reddit, Google Sheets
• запускает автоматизацию по расписанию или событию

Работает на десктопе (#macOS Apple Silicon, в разработке - Windows и Linux), код открыт (Modified Apache 2.0), свыше 5 000 звёзд на GitHub.

Гитхаб

#agent #desktop #orchestrator

Портировал CTranslate2 под мак (чипы Apple Silicon), чтобы можно было транскрибировать текст локально. На этой основе сделал библиотеку metal-faster-whisper [1], и приложение для локального транскрибирования текста CT Transcriber [2].

В последнем можно не только текст расшифровать, но еще и подключить LLM-ку, чтобы задать дополнительные вопросы.

[1] https://github.com/vsevolod-oparin/metal-faster-whisper/
[2] https://github.com/vsevolod-oparin/ct-transcriber-macos/

Стало интересно — насколько дешево сейчас можно собрать стек для своего будущего продукта

Закинул вопрос в Perplexity, он нашёл пост на Reddit где чувак оптимизировал свой стек до $0.

Вот до чего он в итоге дошёл:

1/ IDE: Google AntiGravity, бесплатный
2/ Документация: SuperDocs (его проект)
3/ База: Supabase. Nano-план бесплатный, для базовых задач хватает
4/ Авторизация: Stack Auth. Бесплатно до 10K юзеров.
5/ AI модели: OpenRouter (есть бесплатные) или Gemini через AI Studio для тестов.
6/ Для прода своя модель через Unsloth AI, файн-тюнить можно прямо в Google Colab.
7/ Деплой: Vercel. Бесплатный тир для пет-проектов.
8/ GitHub/GitLab.
9/ Аналитика: PostHog, Microsoft Clarity и Google Analytics. Все три бесплатны, каждый для своего типа трекинга.

Я согласен, что сейчас собрать продукт можно дешево.

Но найти пользователей и заставить их платить — задача не из лёгких/дешёвых ☕️

@tips_ai #tools

Вчера попался инструмент Maestro — для тестирования (iOS/Android) и веб-приложений.

Когда AI пишет вам код, обязательно уделяйте время на тесты интерфейса 👌

Maestro сделал это проще: пишешь список действий в YAML-файле и он сам нажимает кнопки, вводит текст, проверяет что всё работает.

Выглядит примерно вот так:

- launchApp
- tapOn: "Войти"
- inputText: "email@example.com"
- assertVisible: "Добро пожаловать"

Один файл работает и на Android и на iOS одновременно.

Не нужно писать отдельные тесты для каждой платформы. Поддерживает React Native, Flutter, нативные приложения и веб-браузеры.

Есть Maestro Studio: десктопное приложение где видишь экран своего приложения, кликаешь на элементы и оно само пишет тест за тебя.

MCP-сервер: подключаешь к Claude или Cursor, и AI сам генерирует и запускает тесты.

Бесплатно работает на симуляторах. Реальные iPhone и Android только в платном Cloud.

Попробуйте: GitHub

@tips_ai #tools

Есть public-apis — старый репозиторий с огромной базой бесплатных API на любую тему.

Финансы, новости, погода, спорт, ML, развлечения.

Там у каждого API указан тип доступа:
• No auth: бесплатно, без регистрации
• apiKey: нужно получить ключ, есть с free тарифами и лимитами
• OAuth: нужна авторизация, часть платные

Можно скормить весь список AI-агенту и попросить найти что пригодится под твои задачи, найдёт то, что сам бы пропустил.

@tips_ai #tools

LiteParse — парсер документов, чтобы агенты точнее читали текст с PDF, Word, Excel, PowerPoint и картинок.

Обычно Claude Code читает PDF через pypdf или pdfplumber и каждый раз пишет для этого новый Python скрипт.

Тут LiteParse делает это одной командой. Парсит локально, быстро и без GPU.

Подойдет, если хотите, чтобы агент мог быстро прочитать PDF и работать дальше, а если нужно разобрать что-то визуально, то сделает скриншоты.

Для простых доков хватит, для сложных таблиц, нужно решение поточнее, например их облачный LlamaParse или olmOCR 2 на своем GPU.

Установка: npm i -g @llamaindex/liteparse

Использовать командами:
• lit parse document.pdf
• lit screenshot document.pdf

Есть еще skill для Claude Code и GitHub

@tips_ai #tools

Постоянно пробую новые инструменты и интересно видеть как люди решают одну и ту же задачу по-разному:

Например есть Collaborator — это бесконечный канвас для работы с AI-агентами.

Терминалы, код, заметки, картинки, удобно запускать CC и Codex рядом с файлами которые он редактирует и смотреть параллельно ютуб 😀

Установка простая, есть на Windows, macOS и Linux.

@tips_ai #tools

Вчера ставил Qwen 3.5 на телефон, а сегодня решил посмотреть что потянет мой комп

Проверял через llmfit — пишешь одну команду в терминале и он показывает какие модели запустятся на твоём железе.

Определяет RAM, CPU и GPU, оценивает каждую модель по 4м параметрам: качество, скорость (tok/s), совместимость с памятью и размер контекста.

В базе 206 моделей: Llama, Qwen, DeepSeek, Mistral и другие.

Для каждой подбирает лучшую квантизацию которая влезет в память и оценивает скорость.

В plan mode можно глянуть какое железо нужно для конкретной модели.

[Рекомендую тул]

@tips_ai #tools

Анатомия промпта для Claude 4.6

1. Задача (Task)

Определи, чего ты хочешь, и как выглядит успех:
"Я хочу [TASK], чтобы [SUCCESS CRITERIA]."
Без ролей типа "веди себя как сеньор-эксперт".

2. Контекстные файлы (Context Files)

Загрузи контекстные файлы со своей экспертизой и правилами:
"Сначала прочитай эти файлы полностью перед тем, как отвечать: [filename .md] - [что внутри]."
ИИ вырос. Не нужно объяснять все в промпте. Вынеси это в файлы.

3. Референс (Reference)

Покажи ИИ ровно то, что ты хочешь. Загрузи пример.
Потом задай паттерны, тон и структуру как правила. Без "сделай что-то похожее" и надежды, что ИИ сам догадается.

4. Краткое ТЗ (Brief)

Это единственная часть, которую вы набираете с нуля. Все остальное это файлы.
"Тип вывода + длина. Чего НЕ должно быть по звучанию. Что значит успех."

5. Правила (Rules)

Контекстный файл хранит твои стандарты, вкус и аудиторию.
Промпт: "Прочитай его полностью перед стартом. Если ты собираешься нарушить одно из моих правил, остановись и скажи мне."

6. Диалог (Conversation)

Мы 3 года промптили ИИ. Теперь он промптит нас.
Промпт: "НЕ начинай выполнять задачу. Задай мне уточняющие вопросы (используй инструмент 'AskUserQuestion'), чтобы мы вместе пошагово уточнили подход."

7. План (Plan)

Claude прочитал твои файлы до того, как написал хоть слово.
Промпт: "Перед тем как что-то писать, перечисли 3 правила из моего контекстного файла, которые важнее всего для этой задачи. Потом дай план выполнения."

8. Выравнивание целей (Alignment)

Ничего не происходит, пока вы оба не видите одну и ту же цель. Это заменяет старую эпоху промптинга.
Промпт: "Начинай работу только после того, как мы согласуемся."

🚬 Software инженеры это вам: я нашел open-source агент для мониторинга ошибок, который сканирует продовые логи, находит первопричину и шлет сообщение в Slack со всем контекстом еще до того, как ты вообще заметишь, что что-то сломалось.

Сокращает простой в проде на 95%

Как это работает:

1. Забирает сырые ошибки из Sentry или Azure Log Analytics
2. Семантически группирует их по первопричине (20 ошибок превращаются примерно в 4 реальные проблемы)
3. Ищет в GitHub конкретные файлы кода, которые задействованы
4. Проверяет Linear на существующие тикеты, чтобы не плодить дубликаты
5. Пробегается по Slack в поиске прошлых обсуждений похожих инцидентов
6. Определяет критичность (S1-S4) и решает, алертить или подавлять
7. Отправляет в Slack обогащенные алерты со ссылками на код, статусом тикета и уровнем критичности

Агент можно гонять в проде как cron job каждые 5 минут.

Он построен поверх Airweave AI, это open-source слой для контекстного retrieval, который делает все инструменты семантически поисковыми для агентов.

Ключевая мысль: обычные тулзы мониторинга ошибок дают алерты, но не дают контекст. Airweave закрывает эту дыру, делая все инструменты и кодовые базы семантически доступными для поиска агентами.

Он подключается к 50+ источникам (GitHub, Linear, Slack, базы данных и т.д.) и дает агентам возможность искать по всем сразу одним запросом.

Claude Code SKILL, с которым можно вообще забыть про PowerPoint.

После установки достаточно просто попросить Claude Code сделать презентацию, например:

- «Сделай 10 слайдов про тренды в возобновляемой энергетике»
- «Собери питч-дек/презентацию-предложение для SaaS-стартапа»
- «Сделай квартальный бизнес-ревью в виде презентации с графиками»

исходный код 😶

Хватит простыней: один чувак сделал Visual Explainer

Это skill для агентa + набор slash-команд, которые заставляют агента объяснять сложные темы не текстом в чатике, а в виде аккуратных HTML-страниц. 💃

Внутри есть референсные шаблоны и библиотека CSS-паттернов, чтобы вывод всегда выглядел одинаково аккуратно и читабельно.

Исходники тут

React Doctor уже тут

Сканируй свой React-код на анти-паттерны:

▪️лишние useEffect-ы
▪️исправляет проблемы с доступностью (a11y)
▪️prop drilling вместо context / композиции

Запускается как CLI или как агент skill. Гоняешь снова и снова, пока всё не проходит. Полностью open source.

Запусти это в терминале, чтобы попробовать:

npx -y react-doctor@latest

исходный код

Channel created