15 инструментов искусственного интеллекта на GitHub, которые сейчас невероятно популярны
# 15 инструментов искусственного интеллекта на GitHub, которые сейчас невероятно популярны
Программирование для ИИ незаметно превращается в нечто гораздо большее, чем просто "Клод пишет для меня код".
Самое интересное сейчас происходит вокруг модели:
проектирование систем, память, исследования, сжатие контекста, доступ в интернет, роли агентов, видеопроизводство.
Я просмотрел проекты, привлекающие внимание на GitHub, и выбрал те, которые действительно хотел бы оставить. Никаких общих списков «потрясающего ИИ».
Они решают очень конкретные проблемы.
Программирование для ИИ незаметно превращается в нечто гораздо большее, чем просто "Клод пишет для меня код".
Самое интересное сейчас происходит вокруг модели:
проектирование систем, память, исследования, сжатие контекста, доступ в интернет, роли агентов, видеопроизводство.
Я просмотрел проекты, привлекающие внимание на GitHub, и выбрал те, которые действительно хотел бы оставить. Никаких общих списков «потрясающего ИИ».
Они решают очень конкретные проблемы.
## 1. Дизайн диаграмм — диаграммы, которые не выглядят как некачественная работа ИИ.
Клод Код отлично умеет объяснять архитектуру.
Исторически сложилось так, что у него ужасно плохо получалось это рисовать.
cathrynlavery/diagram-design предоставляет программистам реальную систему диаграмм для редактирования кода, а не очередную сетку из стандартных блоков Mermaid.
Он охватывает архитектурные схемы, схемы потоков, временные шкалы, последовательности, воронки, визуализации в стиле диаграммы Ганта и многое другое.
Самое интересное: направив его на веб-сайт, он сможет извлечь цвета и типографику сайта и перенести этот визуальный язык в диаграмму.
У него уже около 19,5 тысяч звёзд.
⭐️ github.com/cathrynlavery/diagram-design
## 2. Pi — создайте агента для программирования, адаптированного под ваш рабочий процесс.
earendil-works/pi — это не столько очередной клон Claude Code, сколько набор инструментов для создания необходимой вам системы агента.
В рамках одного проекта:
• Единый API для нескольких поставщиков LLM
• среда выполнения агента
• вызов инструмента + состояние
• агент кодирования терминала
• навыки
• расширения
• шаблоны подсказок
Основная часть намеренно остаётся небольшой — вы расширяете конфигурацию, вместо того чтобы каждый раз создавать форк всей системы при изменении рабочего процесса.
⭐️ github.com/earendil-works/pi
## 3. awesome-deepseek-agent - DeepSeek внутри существующего стека агентов
Теперь DeepSeek ведет официальную коллекцию, демонстрирующую, как интегрировать свои модели в популярные системы автоматического программирования и агентские платформы.
Pi, рабочие процессы программирования в стиле Клода и другие инструменты можно объединить, не изобретая интеграцию с нуля.
Он менее броский, чем ещё один новый пользовательский интерфейс агента.
Это гораздо полезнее, если вы действительно хотите запускать модели DeepSeek внутри уже используемых вами инструментов.
⭐️ github.com/deepseek-ai/awesome-deepseek-agent
## 4. Semantica — предоставить ИИ граф, объясняющий, почему он что-то знает.
В основном, память большинства агентов по-прежнему состоит из:
извлечь текст → поместить его в контекст → надеяться.
semantica-agi/semantica использует подход, ориентированный на графы.
Он фокусируется на графах знаний, контекстных графах, происхождении информации и объяснимых цепочках принятия решений, чтобы система ИИ могла отслеживать, откуда поступила информация и как один элемент связан с другим.
Существует даже визуальная среда для анализа этих взаимосвязей в виде графов.
⭐️ github.com/semantica-agi/semantica
В основном, память большинства агентов по-прежнему состоит из:
извлечь текст → поместить его в контекст → надеяться.
semantica-agi/semantica использует подход, ориентированный на графы.
Он фокусируется на графах знаний, контекстных графах, происхождении информации и объяснимых цепочках принятия решений, чтобы система ИИ могла отслеживать, откуда поступила информация и как один элемент связан с другим.
Существует даже визуальная среда для анализа этих взаимосвязей в виде графов.
⭐️ github.com/semantica-agi/semantica
## 5. kimi-k3-in-c - 2,78T параметров, один ЦП
Этот вариант здесь в основном потому, что его конструкция просто нелепа.
Проект FareedKhan-dev/kimi-k3-in-c выполняет вывод данных для архитектуры Kimi K3 с 2,78 триллионами параметров на одном процессоре с примерно 8,24 ГБ оперативной памяти.
• Нет графического процессора.
• Без PyTorch.
• Без БЛАС.
• Просто портативный C99.
Конечно, это не превратит ваш ноутбук волшебным образом в передовой кластер для выполнения инференции, но как демонстрация того, насколько агрессивно можно упростить выполнение модели, это просто невероятно.
Уже около 5,9 тыс. звёзд.
⭐️ github.com/FareedKhan-dev/kimi-k3-in-c
#### Как исправить вкусы ИИ
## 6. Вкус и мастерство — не позволяйте вашему агенту создавать один и тот же веб-сайт снова и снова.
Один из моих любимых трендов прямо сейчас:
Люди развивают навыки, специально предназначенные для борьбы с эстетической конвергенцией искусственного интеллекта.
taste-skill предоставляет агентам кодирования правила, касающиеся типографики, интервалов, иерархии, макета и анимации, чтобы каждая сгенерированная целевая страница не выглядела следующим образом:
• темный фон
• гигантский градиентный заголовок
• три круглые карты
• фиолетовое свечение
Этот репозиторий позиционирует себя как инструмент для устранения небрежности во фронтенде.
И у него уже более 77 тысяч звёзд.
⭐️ github.com/Leonxlnx/taste-skill
Один из моих любимых трендов прямо сейчас:
Люди развивают навыки, специально предназначенные для борьбы с эстетической конвергенцией искусственного интеллекта.
taste-skill предоставляет агентам кодирования правила, касающиеся типографики, интервалов, иерархии, макета и анимации, чтобы каждая сгенерированная целевая страница не выглядела следующим образом:
• темный фон
• гигантский градиентный заголовок
• три круглые карты
• фиолетовое свечение
Этот репозиторий позиционирует себя как инструмент для устранения небрежности во фронтенде.
И у него уже более 77 тысяч звёзд.
⭐️ github.com/Leonxlnx/taste-skill
## 7. DESIGN.md — система проектирования, которую ваш программист действительно сможет запомнить.
В Google Labs ту же проблему рассмотрели с другой стороны.
DESIGN.md — это открытый формат для описания визуальной идентичности продукта в виде простого текста.
• Цвета.
• Типографика.
• Расстояние.
• Визуальные принципы.
Важен не сам файл. Это настойчивость. Разные агенты программирования могут считывать один и тот же файл DESIGN.md и продолжать сборку на основе одной и той же визуальной системы, вместо того чтобы заново изобретать пользовательский интерфейс в каждой сессии.
Более 27 тысяч звёзд.
⭐️ github.com/google-labs-code/design.md
#### Предоставление агентам более качественных исследований
## 8. Охват агентов — обеспечьте своим агентам доступ к информации через интернет.
Агенты на удивление слепы, как только вы выходите за пределы обычных веб-страниц.
• Твиттеру нужен всего один инструмент.
• Reddit ещё один.
• YouTube ещё один.
• GitHub — ещё один.
Agent-Reach берет на себя этот уровень функциональности. Она выбирает, устанавливает, проверяет работоспособность и направляет инструменты, позволяющие агенту читать/искать информацию на таких платформах, как X, Reddit, YouTube, GitHub, Bilibili и Xiaohongshu.
Нет единого проприетарного API для поиска, занимающего промежуточное положение.
Более 72 тысяч звёзд.
⭐️ github.com/Panniantong/Agent-Reach
В Google Labs ту же проблему рассмотрели с другой стороны.
DESIGN.md — это открытый формат для описания визуальной идентичности продукта в виде простого текста.
• Цвета.
• Типографика.
• Расстояние.
• Визуальные принципы.
Важен не сам файл. Это настойчивость. Разные агенты программирования могут считывать один и тот же файл DESIGN.md и продолжать сборку на основе одной и той же визуальной системы, вместо того чтобы заново изобретать пользовательский интерфейс в каждой сессии.
Более 27 тысяч звёзд.
⭐️ github.com/google-labs-code/design.md
#### Предоставление агентам более качественных исследований
## 8. Охват агентов — обеспечьте своим агентам доступ к информации через интернет.
Агенты на удивление слепы, как только вы выходите за пределы обычных веб-страниц.
• Твиттеру нужен всего один инструмент.
• Reddit ещё один.
• YouTube ещё один.
• GitHub — ещё один.
Agent-Reach берет на себя этот уровень функциональности. Она выбирает, устанавливает, проверяет работоспособность и направляет инструменты, позволяющие агенту читать/искать информацию на таких платформах, как X, Reddit, YouTube, GitHub, Bilibili и Xiaohongshu.
Нет единого проприетарного API для поиска, занимающего промежуточное положение.
Более 72 тысяч звёзд.
⭐️ github.com/Panniantong/Agent-Reach
## 9. last30days-skill - изучите, что люди говорят СЕЙЧАС
Обычный веб-поиск плохо справляется с одной конкретной задачей: понимание того, что люди думают в данный момент.
last30days-skill осуществляет поиск по недавним обсуждениям на Reddit, X, YouTube, TikTok, Hacker News, Polymarket, GitHub и в интернете, а затем анализирует их.
+ Поэтому вместо: «Объяснение инструментов для создания видео с использованием ИИ»
+ Вы можете спросить: «Что на самом деле говорят люди об инструментах для работы с видео на основе ИИ в этом месяце?»
Это совершенно другой исследовательский подход.
⭐️ github.com/mvanhorn/last30days-skill
#### Память + контекст
last30days-skill осуществляет поиск по недавним обсуждениям на Reddit, X, YouTube, TikTok, Hacker News, Polymarket, GitHub и в интернете, а затем анализирует их.
+ Поэтому вместо: «Объяснение инструментов для создания видео с использованием ИИ»
+ Вы можете спросить: «Что на самом деле говорят люди об инструментах для работы с видео на основе ИИ в этом месяце?»
Это совершенно другой исследовательский подход.
⭐️ github.com/mvanhorn/last30days-skill
#### Память + контекст
## 10. codebase-memory-mcp - превратите свой репозиторий в постоянную память агента.
В конечном итоге, каждый агент программирования сталкивается с одной и той же проблемой: Программа постоянно перечитывает репозиторий.
codebase-memory-mcp индексирует кодовую базу и преобразует её в постоянный граф знаний.
В его репозитории заявлена поддержка 158 языков, запросов с временем выполнения менее миллисекунды и значительно сокращенное использование токенов при повторных обращениях к кодовой базе.
Вместо того чтобы постоянно вставлять файлы в контекст: Проиндексируйте один раз → выполните запрос к графу.
Более 39 тысяч звёзд.
⭐️ github.com/DeusData/codebase-memory-mcp
## 11. Запас по высоте — сжимайте то, что видит модель, а не то, что она знает.
Агенты, работающие с длинным контекстом, тратят абсурдное количество токенов на:
• журналы
• JSON
• результаты работы инструмента
• файлы
• Куски тряпки
• история разговоров
Функция Headroom сжимает этот материал до того, как он достигнет модели.
Один из примеров в репозитории выглядит следующим образом: 10 144 токенов → 1 260 ри этом сохраняя информацию, необходимую для обнаружения той же самой фатальной ошибки.
В рамках проекта для программистов рекламируется снижение общего использования токенов примерно на 20% и значительное сокращение потребления структурированных данных.
Более 66 тысяч звёзд.
⭐️ github.com/headroomlabs-ai/headroom
#### Превращение одного агента в команду
## 12. gstack — операционная система Claude Code, разработанная Гарри Таном.
В конечном итоге, каждый агент программирования сталкивается с одной и той же проблемой: Программа постоянно перечитывает репозиторий.
codebase-memory-mcp индексирует кодовую базу и преобразует её в постоянный граф знаний.
В его репозитории заявлена поддержка 158 языков, запросов с временем выполнения менее миллисекунды и значительно сокращенное использование токенов при повторных обращениях к кодовой базе.
Вместо того чтобы постоянно вставлять файлы в контекст: Проиндексируйте один раз → выполните запрос к графу.
Более 39 тысяч звёзд.
⭐️ github.com/DeusData/codebase-memory-mcp
## 11. Запас по высоте — сжимайте то, что видит модель, а не то, что она знает.
Агенты, работающие с длинным контекстом, тратят абсурдное количество токенов на:
• журналы
• JSON
• результаты работы инструмента
• файлы
• Куски тряпки
• история разговоров
Функция Headroom сжимает этот материал до того, как он достигнет модели.
Один из примеров в репозитории выглядит следующим образом: 10 144 токенов → 1 260 ри этом сохраняя информацию, необходимую для обнаружения той же самой фатальной ошибки.
В рамках проекта для программистов рекламируется снижение общего использования токенов примерно на 20% и значительное сокращение потребления структурированных данных.
Более 66 тысяч звёзд.
⭐️ github.com/headroomlabs-ai/headroom
#### Превращение одного агента в команду
## 12. gstack — операционная система Claude Code, разработанная Гарри Таном.
Вместо того чтобы просить Клода сменить личность в одном большом запросе, gstack разделяет рабочий процесс на роли с определенными предпочтениями.
• ГЕНЕРАЛЬНЫЙ ДИРЕКТОР.
• Дизайнер.
• Руководитель инженерного отдела.
• Контроль качества.
• Менеджер релизов.
• Автор спецификации.
• Обзор.
• Память.
Всего 23 инструмента. Самое интересное — это не ролевая игра. Для каждой должности предусмотрены разные задачи и разные ограничения. Это гораздо ближе к тому, как начинают выглядеть серьезные рабочие процессы агентов.
Более 128 тысяч звёзд.
⭐️ github.com/garrytan/gstack
## 13. Навыки антропогенной кибербезопасности — навыки безопасности 817 для агентов
В этом репозитории собрано 817 структурированных навыков в области кибербезопасности по 29 областям безопасности.
И это не просто случайные подсказки.
Навыки сопоставляются с такими концептуальными моделями, как:
• MITRE ATT&CK
• NIST CSF
• MITRE ATLAS
• MITRE D3FEND
• NIST AI RMF
По сути, это огромный структурированный сборник инструкций по обеспечению безопасности, который агент может загрузить, когда ему потребуются специальные знания.
Более 28 тысяч звёзд.
⭐️ github.com/mukul975/Anthropic-Cybersecurity-Skills
#### В медиапространстве с использованием ИИ также появится набор агентов.
## 14. OpenMontage — система для создания видеоконтента с открытым исходным кодом и использованием искусственного интеллекта.
Большинство инструментов для работы с видео на основе ИИ по-прежнему работают следующим образом: подсказка → клип.
OpenMontage пытается построить остальную часть производственного конвейера вокруг этого подхода.
Проект позиционирует себя как открытая система для создания видеоконтента с 12 производственными конвейерами, более чем 100 инструментами и сотнями файлов, содержащих навыки и знания о процессе производства.
Агент считывает производственный конвейер, запускает инструменты, проверяет промежуточные результаты и фиксирует выполненную работу для утверждения человеком.
Это гораздо больше похоже на съемочную группу, использующую искусственный интеллект, чем на очередной генератор видео.
⭐️ github.com/calesthio/OpenMontage
## 15. watermarks-remover - проверка и очистка данных о происхождении ИИ.
Удивительно своевременный репозиторий.
watermarks-remover может проверять и очищать файлы, принадлежащие вам, от невидимых символов Unicode, метаданных и C2PA/учетных данных контента.
Он поддерживает текстовые форматы, а также такие форматы, как PNG, JPEG, SVG, PDF, DOCX, HTML и Markdown.
Это полезно для обеспечения конфиденциальности и чистоты файлов, если вы понимаете, какую информацию об источнике вы намеренно удаляете.
⭐️ github.com/guillaumemeyer/watermarks-remover
#### Более масштабная закономерность
Самая интересная часть этого списка — не какой-либо конкретный репозиторий.
Посмотрите, что люди на самом деле строят: diagram-design + taste-skill + DESIGN.md
→ агенты обучаются визуальному вкусу.
Показатель охвата агентов + последние 30 дней
→ у агентов улучшается зрение.
codebase-memory + Semantica
→ агенты получают постоянную структуру и память.
Запас пространства
→ агенты тратят меньше времени на запоминание контекста.
Pi + gstack
→ один ассистент превращается в полноценный рабочий процесс.
OpenMontage
→ та же архитектура начинает выходить за рамки программирования.
Модель освоения новых технологий становится лишь одним из компонентов. Настоящая конкуренция сейчас — это всё, что вы создаёте вокруг этого. Если бы мне сегодня нужно было установить всего пять:
### Для Claude Code: gstack + Headroom
+ Для дизайна: diagram-design + taste-skill
+ Для исследований: Agent-Reach + last30days
+ Для больших кодовых баз: codebase-memory-mcp
+ Для создания собственного стека агентов: Pi
GitHub все меньше похож на место для загрузки инструментов искусственного интеллекта и все больше — на магазин приложений для агентов ИИ.
repo
repositories
ai
agents
агенты
ии