Набор навыков и методология для кодинг-агентов: сначала уточнить задачу, спланировать, писать тесты, потом код. Агент работает дисциплинированнее.
База репозиториев AI-движения
Каталог AI‑репозиториев
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 21 ноября 2026 г.
- репозиториев
- 224
- категорий
- 11
- звёзд суммарно
- 11 млн
- новых звёзд за 30 дней
- +219 тыс.
За 30 дней
Растут быстрее всех
Больше всего новых звёзд за последние 30 дней.
Официальная коллекция навыков (Agent Skills) от Anthropic: папки с инструкциями и скриптами, которые Claude подгружает под задачу. Хороший образец, как их писать.
Сервис, который превращает любой сайт в чистый Markdown или структурированные данные для моделей. Умеет искать, скрейпить, обходить сайт целиком и даже кликать по странице.
Набор инструментов для разработки от спецификации: сначала принципы и спека, затем план и задачи, и только потом код. Работает с разными кодинг-агентами.
Открытый кодинг-агент для терминала с десктопным приложением. Не привязан к одному провайдеру: подключаешь модели, какие есть.
Графический конструктор пайплайнов для диффузионных моделей: собираешь генерацию картинок, видео и аудио из узлов. Работает локально и умеет отдавать результат по API.
Категории
Каталог
141 репозиторий
Небольшая утилита от Microsoft: превращает PDF, Word, PowerPoint, Excel и другие файлы в Markdown, который удобно отдавать языковой модели.
Официальная коллекция навыков (Agent Skills) от Anthropic: папки с инструкциями и скриптами, которые Claude подгружает под задачу. Хороший образец, как их писать.
Платформа, где агентов собирают в визуальном конструкторе или описывают словами, а потом запускают по расписанию или по триггеру. Есть облачная версия и бесплатный self-host.
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.
Классический веб-интерфейс для Stable Diffusion: генерация картинок из текста, доработка, апскейл и тысячи расширений от сообщества.
Рабочее пространство для сборки ИИ-приложений: агентные сценарии, RAG-пайплайны и подключение разных моделей и инструментов в одном интерфейсе. Развёртывается в облаке или у себя.
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.
Визуальный конструктор ИИ-агентов и сценариев на Python: перетаскиваешь компоненты, проверяешь цепочку в чате и публикуешь как API.
Набор инструментов для разработки от спецификации: сначала принципы и спека, затем план и задачи, и только потом код. Работает с разными кодинг-агентами.
Самый известный каркас для приложений на LLM: единый интерфейс к десяткам моделей, инструменты, цепочки и агенты. Удобно менять провайдера, не переписывая приложение.
Графический конструктор пайплайнов для диффузионных моделей: собираешь генерацию картинок, видео и аудио из узлов. Работает локально и умеет отдавать результат по API.
Большая коллекция готовых приложений на LLM: агенты, RAG-системы и навыки для кодинг-агентов. Каждый шаблон можно запустить и разобрать по частям.
Библиотека, которая даёт агенту управлять браузером: открывать сайты, кликать, заполнять формы. Работает с локальным браузером и с облачным.
Эталонная модель распознавания речи от OpenAI: транскрибирует аудио на десятках языков, переводит речь и определяет язык.
Код к книге Себастьяна Рашки: по шагам собираешь GPT-подобную модель на PyTorch, затем предобучаешь и дообучаешь её. Лучший способ понять, как LLM устроена изнутри.
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.
Репозиторий большой открытой модели DeepSeek-V3 со смесью экспертов: описание, результаты тестов и инструкции запуска. Показал, что открытая модель может идти вровень с закрытыми.
Движок для быстрой раздачи моделей на видеокартах: экономно расходует память и держит много запросов одновременно. Стандартный выбор, когда модель нужно отдавать как сервис.
Движок для программных анимаций, на котором Грант Сандерсон делает видео 3Blue1Brown, в том числе знаменитые ролики про нейросети. Это не AI-библиотека, а инструмент, которым наглядно объясняют математику и ML.
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.
Инструмент для запуска и дообучения моделей с экономией памяти: есть настольное приложение, веб-интерфейс и библиотека. Дообучать удаётся на скромной видеокарте.
Сборник примеров и руководств по работе с API OpenAI: от базовых запросов до вызова функций и RAG. Большая часть кода на Python.
Единый фреймворк для дообучения сотни с лишним моделей без кода: через CLI с конфигами или веб-интерфейс LLaMA Board. Поддерживает LoRA и другие методы.
Мультиагентный фреймворк, который изображает целую софтверную компанию: продакт, архитектор, разработчик получают роли и вместе превращают одну фразу в проект.
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.
Слой памяти для агентов: запоминает факты о пользователе между сессиями и достаёт нужное в нужный момент, чтобы не раздувать контекст.
Больше 60 реализаций научных статей на PyTorch с пояснениями рядом с кодом: трансформеры, оптимизаторы, GAN, обучение с подкреплением. Сайт показывает код и заметки бок о бок.
Клонирование голоса по очень короткому образцу: минуты записи хватает, чтобы дообучить модель синтеза речи. Есть веб-интерфейс для разметки и обучения.
Мы что-то упустили?
Предложить репозиторий
Пришлите ссылку на GitHub и пару слов, почему он здесь нужен. Каждую заявку смотрим вручную — в каталог попадает не всё.










