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
17 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.
Открытый терминальный агент от Google: подключает Gemini к вашей кодовой базе и умеет править файлы, запускать команды и искать в сети.
Готовый RAG-движок с интерфейсом: разбирает документы по шаблонам, режет на фрагменты, ищет с цитатами и умеет агентный поиск. Разворачивается через Docker.
Клонирование голоса по очень короткому образцу: минуты записи хватает, чтобы дообучить модель синтеза речи. Есть веб-интерфейс для разметки и обучения.
Открытый расширяемый агент, который не ограничивается кодом: исследует, пишет, автоматизирует. Работает с 15+ провайдерами и 70+ расширениями через MCP.
Локальная замена облачным API: сервер, совместимый с OpenAI, который запускает текстовые, голосовые и графические модели на любом железе, видеокарта не обязательна.
Векторная база данных для поиска по эмбеддингам в больших объёмах. Масштабируется до облачных нагрузок, а для прототипа есть лёгкая локальная версия Milvus Lite.
Библиотека Google для извлечения структурированных данных из текста с помощью LLM: каждое поле привязано к месту в источнике, а результат можно посмотреть в интерактивной визуализации.
Официальный MCP-сервер GitHub: агент читает репозитории, issues и pull request'ы и работает с ними. Есть облачная версия от GitHub и локальная в Docker.
Красивый терминальный кодинг-агент от команды Charm на Go: аккуратный интерфейс, много моделей, поддержка MCP. Один бинарник, никаких тяжёлых зависимостей.
Двенадцать принципов, как строить LLM-приложения, которые не стыдно отдать клиентам: свои промпты, свой контекст, простые агенты, явный контроль потока.
Подборка из 280+ бесплатных шаблонов n8n: почта, Telegram, Slack, Google Drive, Notion, OpenAI, RAG-чат-боты и документы. Каждый шаблон — готовый JSON.
Кодовый фреймворк Google для агентов: строишь их на Python, прогоняешь оценку и разворачиваешь. Заточен под Gemini, но работает и с другими моделями.
Векторная база, которая хранит и объекты, и векторы, комбинирует семантический поиск с обычными фильтрами. Может сама вызывать модели эмбеддингов.
Официальный код AlphaFold 2 от DeepMind: по последовательности белка предсказывает его трёхмерную структуру. Это пример того, как ИИ меняет науку, далеко за пределами чат-ботов.
Официальный Go SDK для MCP, который развивается вместе с Google. Сервер собирается из `mcp.Server`, инструментов и транспорта.
Фреймворк оценки моделей от британского Института безопасности ИИ: инструменты, многошаговые диалоги, проверка другой моделью и более 200 готовых оценок.
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.