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
19 репозиториев
Небольшая утилита от Microsoft: превращает PDF, Word, PowerPoint, Excel и другие файлы в Markdown, который удобно отдавать языковой модели.
Сервис, который превращает любой сайт в чистый Markdown или структурированные данные для моделей. Умеет искать, скрейпить, обходить сайт целиком и даже кликать по странице.
Готовый RAG-движок с интерфейсом: разбирает документы по шаблонам, режет на фрагменты, ищет с цитатами и умеет агентный поиск. Разворачивается через Docker.
Открытый краулер на Python: заходит на страницы настоящим браузером и отдаёт чистый Markdown для LLM. Работает локально, в Docker или как облачный сервис.
Разбирает сложные PDF, сканы и офисные файлы в Markdown или JSON, сохраняя таблицы и формулы. Есть CLI, Python SDK и навык для агентов.
Библиотека от IBM для разбора документов: PDF, Office, HTML и картинки превращаются в единую структуру, из которой легко получить Markdown. Поддерживает визуальные модели для сложных страниц.
Готовое приложение «чат с вашими документами»: подключаешь любую модель и векторную базу, загружаешь файлы и общаешься. Есть десктопная версия и Docker, есть агенты.
Векторная база данных для поиска по эмбеддингам в больших объёмах. Масштабируется до облачных нагрузок, а для прототипа есть лёгкая локальная версия Milvus Lite.
Классическая библиотека от Meta для быстрого поиска похожих векторов и кластеризации. Это не база данных, а движок индексов, на котором построены многие другие системы.
Лёгкая альтернатива GraphRAG: строит из документов граф знаний и отвечает на вопросы, используя и граф, и обычный векторный поиск. Идёт с готовым сервером и веб-интерфейсом.
Модульная система от Microsoft: строит из текстов граф сущностей и сводки по сообществам, чтобы отвечать на вопросы по всему корпусу, а не по одному фрагменту.
Быстрая векторная база на Rust с фильтрацией по полям, гибридным поиском, квантованием и распределённым режимом. Доступна как контейнер и как облако.
Слой долгой памяти для агентов: запоминает факты, связывает их в граф и достаёт по запросу. Базовый сценарий работает локально, даже без ключа LLM.
Самая простая в старте векторная база: работает прямо в процессе приложения, хранит документы и находит похожие. Хороша для прототипов, есть клиент-серверный режим и облако.
Расширение для Postgres, которое добавляет тип вектора и поиск ближайших соседей. Позволяет хранить эмбеддинги рядом с обычными данными и не заводить отдельную базу.
Векторная база, которая хранит и объекты, и векторы, комбинирует семантический поиск с обычными фильтрами. Может сама вызывать модели эмбеддингов.
ETL для документов: режет PDF, письма, Word, HTML и картинки на типизированные элементы (заголовки, абзацы, таблицы), готовые для чанкинга и эмбеддингов.
Встраиваемая база для поиска, как SQLite для эмбеддингов: хранит данные в файлах, ищет по ключевым словам, векторам и SQL. Удобна для мультимодальных данных.
Модель поиска, которая сравнивает запрос и документ по отдельным токенам, а не одним вектором. Так точность выше, а поиск по большим коллекциям занимает десятки миллисекунд.
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.