Набор навыков и методология для кодинг-агентов: сначала уточнить задачу, спланировать, писать тесты, потом код. Агент работает дисциплинированнее.
База репозиториев AI-движения
Лучшие AI-репозитории
224 живых проекта — от агентных фреймворков до защиты от prompt injection. У каждого наше описание: зачем он, кому подойдёт и как начать за три шага.
Звёзды, форки и активность обновляем каждый день через GitHub API · обновлено 6 октября 2026 г.
- репозиториев
- 224
- категорий
- 11
- звёзд суммарно
- 11 млн
- новых звёзд за 30 дней
- +235 тыс.
За 30 дней
Растут быстрее всех
Больше всего новых звёзд за последние 30 дней.
Сервис, который превращает любой сайт в чистый Markdown или структурированные данные для моделей. Умеет искать, скрейпить, обходить сайт целиком и даже кликать по странице.
Небольшая утилита от Microsoft: превращает PDF, Word, PowerPoint, Excel и другие файлы в Markdown, который удобно отдавать языковой модели.
Открытый кодинг-агент для терминала с десктопным приложением. Не привязан к одному провайдеру: подключаешь модели, какие есть.
Набор инструментов для разработки от спецификации: сначала принципы и спека, затем план и задачи, и только потом код. Работает с разными кодинг-агентами.
Лёгкий кодинг-агент от OpenAI, который запускается в терминале и работает с кодом проекта. Написан на Rust.
Категории
Агентные фреймворкиФреймворки и оркестрация: из чего собирают агентов и мультиагентные системы.23 репозиторияКодинг-агенты и CLIАгенты, которые пишут код в терминале и редакторе, и методики работы с ними.21 репозиторийMCPСпецификация, официальные SDK и лучшие серверы Model Context Protocol.20 репозиториевОткрытые модели и инференсОткрытые веса, локальный запуск, быстрый инференс и дообучение.38 репозиториевRAG и векторные БДПоиск по своим данным: парсинг документов, краулеры, векторные базы, графы знаний.19 репозиториевEvals и наблюдаемостьКак измерить качество модели и агента и что происходит у него внутри.17 репозиториевПромптинг и контекстПромпты, структурированный вывод, навыки и контекст-инжиниринг.16 репозиториевГолос, видео, мультимодальностьРаспознавание и синтез речи, голосовые агенты, картинки и видео.19 репозиториевАвтоматизацияВоркфлоу без кода, агенты в браузере и на компьютере.15 репозиториевAwesome-списки и обучениеКурсы, книги и awesome-списки, с которых стоит начинать.21 репозиторийБезопасностьPrompt injection, guardrails, red teaming и сканеры агентов.15 репозиториевНе нашёл свой любимый?Предложи репозиторий — посмотрим и добавим, если он того стоит.Предложить репозиторий →
Каталог
38 репозиториев
Самый простой способ запустить открытую модель на своём компьютере: одна команда скачивает и запускает её, плюс локальный REST API и библиотеки для Python и JavaScript.
Главная библиотека для работы с моделями: единый код для текста, зрения, звука и мультимодальных задач, и для запуска, и для обучения. Через неё выходит большинство новых открытых моделей.
Свой чат-интерфейс в стиле ChatGPT, который подключается к Ollama и любым API, совместимым с OpenAI. Ставится одной командой Docker и работает на твоём сервере.
Движок на C/C++, который запускает языковые модели на обычном железе: ноутбуках, телефонах, серверах без видеокарты. На нём держится большая часть локального AI, включая Ollama.
Репозиторий большой открытой модели DeepSeek-V3 со смесью экспертов: описание, результаты тестов и инструкции запуска. Показал, что открытая модель может идти вровень с закрытыми.
Основа большинства современных нейросетей: тензоры с ускорением на GPU и автоматическое дифференцирование, с обычным питоновским кодом внутри. На нём написаны Transformers, Llama и почти все открытые модели.
Движок для быстрой раздачи моделей на видеокартах: экономно расходует память и держит много запросов одновременно. Стандартный выбор, когда модель нужно отдавать как сервис.
Открытая модель DeepSeek-R1, обученная рассуждать шаг за шагом с помощью обучения с подкреплением, и её уменьшенные версии на базе Qwen и Llama.
Инструмент для запуска и дообучения моделей с экономией памяти: есть настольное приложение, веб-интерфейс и библиотека. Дообучать удаётся на скромной видеокарте.
Единый фреймворк для дообучения сотни с лишним моделей без кода: через CLI с конфигами или веб-интерфейс LLaMA Board. Поддерживает LoRA и другие методы.
Высокоуровневая библиотека глубокого обучения, которая работает поверх JAX, TensorFlow или PyTorch: пишешь модель один раз, а бэкенд выбираешь под задачу.
Минимальная и читаемая реализация GPT на PyTorch от Андрея Карпати: обучение с нуля и дообучение в паре сотен строк. Лучший способ понять, как устроена языковая модель.
Единый шлюз к сотне с лишним LLM-провайдеров в формате OpenAI: SDK для Python и прокси-сервер с учётом расходов, балансировкой и логами. Меняешь модель, не меняя код.
Полный путь от нуля до своего ChatGPT-подобного чата в одном репозитории: токенизатор, предобучение, дообучение и интерфейс. Рассчитан на обучение примерно за сто долларов.
Локальная замена облачным API: сервер, совместимый с OpenAI, который запускает текстовые, голосовые и графические модели на любом железе, видеокарта не обязательна.
Объединяет несколько устройств в один AI-кластер, чтобы запускать модели, которые не влезают в память одной машины. Устройства находят друг друга сами, есть дашборд и API.
Настольное приложение-аналог ChatGPT, которое работает полностью офлайн: скачиваешь модель и общаешься, ничего не уходит в облако.
Открытая платформа для обучения, запуска и оценки чат-моделей. Здесь вышла модель Vicuna и работает Chatbot Arena, где люди вслепую сравнивают ответы моделей.
Быстрый движок для раздачи языковых и мультимодальных моделей. Конкурент vLLM, особенно силён на больших моделях вроде DeepSeek.
Обучение GPT-2 на чистом C и CUDA без PyTorch. Показывает, что происходит под капотом, когда модель учится.
Фреймворк массивов от Apple для её чипов: интерфейс в духе NumPy и PyTorch, использует единую память Mac. Основа для запуска и обучения моделей на Mac.
Библиотека поверх PyTorch, которая сводит обучение сети к нескольким строкам. К ней прилагается известный бесплатный курс fast.ai, поэтому с неё удобно начинать.
Семейство открытых моделей Qwen3 от Alibaba, от малых до больших, с режимами рассуждения. В README собраны примеры запуска через Transformers, llama.cpp и Ollama.
Упаковывает модель и движок в один исполняемый файл: скачал, дал права, запустил. Работает на разных системах без установки.
Быстрая и экономная по памяти реализация механизма внимания, на которой держится обучение и запуск больших моделей на GPU. Результат точный, без приближений.
Библиотека для работы с датасетами: одной строкой загружает тысячи готовых наборов с Hub или твои локальные файлы и быстро их обрабатывает. Умеет стримить данные без полной загрузки.
Библиотека параметрически эффективного дообучения: LoRA и родственные методы обучают лишь малую долю весов. Большие модели дообучаются на потребительском железе.
Две открытые модели OpenAI, gpt-oss-120b и gpt-oss-20b, и эталонные реализации запуска, включая Metal для Mac. Редкий случай, когда OpenAI выложила веса.
Библиотека Hugging Face для пост-обучения моделей: SFT, DPO, GRPO и обучение моделей награды. Основа для настройки поведения модели после предобучения.
Архитектура-альтернатива трансформеру: модель на пространствах состояний, где время работы растёт линейно с длиной текста. Хорошо подходит для длинных последовательностей.
Мы что-то упустили?
Предложить репозиторий
Пришли ссылку на GitHub и пару слов, почему он здесь нужен. Каждую заявку смотрим руками — в каталог попадает не всё.