Awesome AI Pulse Georgia
AI აგენტების, დეველოპერ ინსტრუმენტებისა და ავტომატიზაციის კურირებული კოლექცია
შერჩეული AI Pulse Georgia-ს მიერ
A curated collection of AI agent frameworks, developer tools, and automation resources — by AI Pulse Georgia
⚡ გამოიყენე Claude Code-ში / Cursor-ში — MCP Server-ით ან CLI-ით
ეს მთელი კოლექცია ხელმისაწვდომია MCP server-ად — Claude Code-ის, Cursor-ის, Codex-ის ან ნებისმიერი MCP-თავსებადი client-ის შიგნიდან 300 რეპოს ეძებ ბუნებრივი ენით. ნაცვლად იმისა, რომ GitHub-ი გახსნა და README-ი დააქოქო, AI ასისტენტს ჰკითხე "აი Pulse-ის კოლექციაში რა არის საუკეთესო RAG-ისთვის?" — სწორ რეპოს ქართული აღწერით დაგიბრუნებს.
MCP Install — ~/.claude/claude_desktop_config.json ან Cursor MCP settings-ში:
{
"mcpServers": {
"aipulsegeorgia": {
"command": "npx",
"args": ["-y", "@aipulsegeorgia/mcp-server"]
}
}
}
ან პირდაპირ ტერმინალში — aipulse CLI-ით (MCP-კლიენტის გარეშე):
npx -p @aipulsegeorgia/mcp-server aipulse search "rag memory"
npx -p @aipulsegeorgia/mcp-server aipulse list --category coding
npx -p @aipulsegeorgia/mcp-server aipulse stats
ბრძანებები: categories · list · search · get · stats — ფლაგებით -c/--category, -n/--limit, -l/--lang en|ka|both, --json.
Available as an MCP server and an
aipulseCLI — query 300 curated AI repos from Claude Code, Cursor, any MCP client, or straight from your terminal. Full docs:mcp/README.md· Source:mcp/
🤖 კოდინგ აგენტები
Coding Agents & CLI IDEs — დამოუკიდებელი AI კოდის წერის ხელსაწყოები ტერმინალში და რედაქტორში. თუ პროგრამისტი ხარ და გინდა AI-მ დაგეხმაროს კოდის წერაში, ტესტირებაში ან გამართვაში — ეს სექცია შენთვისაა.
| რეპოზიტორია | ⭐ | აღწერა |
|---|---|---|
| Claw Code | 195K | Claw Code არის Claude Code-ისა და სხვა კომერციული coding agent-ების ღია კოდის ალტერნატივა, Rust-ში დაწერილი oh-my-codex-ის ბაზაზე. მუშაობს Claude-თან, OpenAI-თან, Grok-თან და ნებისმიერ OpenAI-თავსებად მოდელ API-სთან — შენ ირჩევ რომელ AI-ს ენდობი და რამდენს იხდი. Rust-ის არქიტექტურა მაქსიმალურ სიჩქარეს უზრუნველყოფს და რესურსების მინიმალურ მოხმარებას. 2026 წლის 31 მარტს გამოიცა და სწრაფად დააგროვა 193,000+ ვარსკვლავი — ერთ-ერთი ყველაზე სწრაფად მზარდი AI ხელსაწყო GitHub-ის ისტორიაში. |
| opencode | 196K | opencode სრულად ღია კოდის coding agent-ია ტერმინალში — Claude Code-ისა და Cursor-ის უფასო, self-hosted ალტერნატივა. anomalyco org-ის მიერ შენახული, TypeScript-ში დაწერილი, ლამაზი TUI ინტერფეისით. ნებისმიერი AI მოდელით მუშაობს — Anthropic, OpenAI, Google Gemini, Ollama და სხვა. 175,000+ ვარსკვლავით ერთ-ერთი ყველაზე პოპულარული ღია coding agent-ია 2025 წლის მეორე ნახევრიდან. |
| Claude Code | 141K | Claude Code — Anthropic-ის ოფიციალური agentic coding tool, რომელიც პირდაპირ ტერმინალში ცხოვრობს, შენს კოდბაზას ესმის და ბუნებრივი ენის ბრძანებებით რუტინულ ამოცანებს თავად ასრულებს. ამ მთელი კოლექციის სახელობითი ცენტრი — პლაგინების, skill-ებისა და MCP სერვერების უმეტესობა სწორედ Claude Code-ის ეკოსისტემისთვისაა. 137,000+ ვარსკვლავი. |
| Gemini CLI | 106K | Gemini CLI არის Google-ის ოფიციალური, ღია კოდის AI კოდირების აგენტი ტერმინალისთვის — Gemini 2.5 Pro მოდელი პირდაპირ შენს command line-ში. 1 მილიონი ტოკენის კონტექსტის ფანჯარა ნიშნავს, რომ მთელი დიდი კოდბაზა ერთიანად ჩაიტვირთება. Apache 2.0 ლიცენზიით სრულად უფასოა, MCP პროტოკოლს და Google Workspace ინტეგრაციებს უჭერს მხარს. Google-ს Claude Code-ისა და opencode-ის საპასუხო, ოფიციალური შეთავაზება. |
| Zed | 88K | Zed — Atom-ისა და Tree-sitter-ის შემქმნელების მაღალწარმადი, Rust-ში დაწერილი კოდის რედაქტორი. 2026-ში ღრმად ინტეგრირდა agentic ფუნქციები — ჩაშენებული AI აგენტი, skills და MCP მხარდაჭერა. VS Code-ისა და Cursor-ის სიჩქარეზე ორიენტირებული ალტერნატივა. |
| Codex CLI | 105K | Codex CLI არის OpenAI-ის ოფიციალური, მსუბუქი coding agent ტერმინალისთვის — Rust-ში დაწერილია სიჩქარისა და სტაბილურობისთვის. კოდს sandbox-ში იზოლირებულად ასრულებს, approval-mode ფლაგებით შეგიძლია ზუსტად განსაზღვრო რა ნებართვები აქვს. ChatGPT-ის ანგარიშით (Plus, Pro, Business, Edu ან Enterprise) პირდაპირ ავტორიზდები — ცალკე API key-ის გარეშე იმდენივე მოდელი გაქვს, რამდენსაც შენი გამოწერა მოიცავს. OpenAI-ის პირდაპირი პასუხი Claude Code-ზე — ანალოგიური ფილოსოფია, სხვა backend-ით. დამატებით codex app გრაფიკულ ვერსიასაც უშვებს. |
| OpenHands | 84K | OpenHands (ყოფილი OpenDevin) ავტონომიური AI სოფტვერ-ინჟინერია — ქმნის და რედაქტირებს ფაილებს, ასრულებს shell ბრძანებებს, ვებ ბრაუზერს იყენებს და API-ებს უძახებს, ადამიანის ჩარევის გარეშე. Docker კონტეინერში იზოლირებულად მუშაობს, ვებ UI-ითაც და CLI-ითაც. 200-ზე მეტი contributor-ი, 60+ LLM backend (Anthropic, OpenAI, Gemini, Ollama) — SWE-bench-ის ღია კოდის ბენჩმარკ-ლიდერი. Cognition AI-ის Devin-ის ღია ალტერნატივა Python-ში. |
| Cline | 66K | Cline VS Code-ში ჩაშენებული ავტონომიური coding agent-ია, რომელიც ყოველ ნაბიჯზე შენს ნებართვას ითხოვს — ვერც ერთ ფაილს ვერ შეცვლის და ვერც ერთ ბრძანებას ვერ გაუშვებს შენი დამტკიცების გარეშე. ფაილების შექმნა, რედაქტირება, ბრძანებების გაშვება, ბრაუზერის გამოყენება — ყველაფერი ერთ IDE-ში. TypeScript-ში დაწერილია, VS Code extension-ის სახით 5 მილიონზე მეტი ინსტალაცია აქვს, Claude, GPT, Gemini და 500+ LLM-ს უჭერს მხარს. |
| Pi (pi-mono) | 86K | Pi coding agent-ის სრული toolkit-ია ერთ monorepo-ში — interactive CLI agent, unified LLM API (Anthropic, OpenAI, Google, Groq ერთ ინტერფეისში), agent runtime და TUI/web UI ბიბლიოთეკები, Slack bot-ისა და vLLM deployment-ის ჩათვლით. interchangeable კომპონენტების არქიტექტურა საშუალებას გაძლევს საკუთარი coding agent ააწყო მზა ნაწილებისგან. TypeScript (93.5%), MIT, v0.77.0 (2026 წლის 28 მაისი), 63,000+ ვარსკვლავი. opencode-ისა და Cline-ის უფრო „ლეგოსებრივი", toolkit-ზე ორიენტირებული ალტერნატივა — badlogic-ის (Mario Zechner) სწრაფად მზარდი პროექტი. |
| gpt-engineer | 55K | gpt-engineer — CLI პლატფორმა codegen-ის ექსპერიმენტებისთვის: აღწერ რა გინდა და AI ნულიდან წერს მთელ კოდბაზას, საჭიროებისას დამაზუსტებელ კითხვებს სვამს. Lovable-ის წინამორბედი, prompt-to-app მიდგომის ერთ-ერთი პიონერი. Python, 55k+ ⭐. |
| omo (ex-oh-my-openagent) | 68K | omo (ახლანდელი სახელი; ადრე oh-my-openagent, უფრო ადრე oh-my-opencode) ერთი AI coding session-ს სრულ multi-agent სისტემად აქცევს — სპეციალიზებული AI-ები პარალელურად ასრულებენ სხვადასხვა ამოცანებს ერთ workflow-ში. TypeScript-ში დაწერილი orchestration framework, რომელიც Claude Code-თან, Codex-თან, opencode-თან და Cursor-თან მუშაობს. Oh My ClaudeCode-ისგან სრულიად განსხვავებული პროექტია — ეს ზოგადი agent harness-ია, ის კი Claude Code-სპეციფიკური. 62,000+ ვარსკვლავი, 2025 წლის ბოლოს გამოჩნდა (repo URL ჯერ ძველ სახელს ინახავს). |
| Aider | 48K | Aider ტერმინალის AI pair programming ხელსაწყოა — ერთ-ერთი პიონერი ამ სფეროში, 2023 წლიდან. უბრალოდ სთხოვ რა გინდა შეცვალო, Aider საჭირო ფაილებს თავადვე ხსნის, კოდს ასწორებს და git-ში commit-ს ქმნის. Python-ში დაწერილია, MIT ლიცენზიით სრულად ღია, 4 მილიონზე მეტი ინსტალაცია. Claude, GPT, Gemini, DeepSeek, Ollama და 100+ LLM-ს უჭერს მხარს — ყველა მთავარი frontier მოდელი და ლოკალური ოფციები. უნივერსალური, ძველი და სანდო. |
| Goose | 53K | Goose ღია კოდის, გაფართოებადი AI agent-ია. თავდაპირველად Block-ის (Square/Cash App-ის ფინტექ კომპანია) შექმნილი, 2026-ში პროექტი Agentic AI Foundation-ში (Linux Foundation) გადავიდა — სახელი და ოფიციალური owner ახლა aaif-goose, კოდი neutral governance-ქვეშ. კოდის წერის მიღმა სრული სამუშაო ციკლი — ინსტალაცია, გაშვება, ტესტირება, მონაცემთა ანალიზი და ავტომატიზაცია. Rust-ში დაწერილია, 15+ AI პროვაიდერს (Anthropic, OpenAI, Google, Ollama) და 70+ MCP გაფართოებას უჭერს მხარს. |
| claude-code-router | 37K | claude-code-router — Claude Code-ს ნებისმიერ მოდელზე გადაამისამართებს (DeepSeek, Qwen, Gemini, ლოკალური), request-ებს routing-ითა და transform-ით მართავს. ხარჯის დაზოგვა და მოდელის არჩევის მოქნილობა. 36,000+ ⭐. |
| Tabby | 34K | Tabby AI-ის კოდირების ასისტენტია, რომელიც შენს საკუთარ სერვერზე ეშვება — GitHub Copilot-ის self-hosted, ღია ალტერნატივა. კოდის auto-completion და ჩატი VS Code-ში, JetBrains-ში და სხვა IDE-ებში. Rust-ში დაწერილია, OpenAPI ინტერფეისი, LDAP/SSO, პერსონალიზებული fine-tuning — კორპორატიული გამოყენებისთვის, სადაც კოდი კომპანიის სერვერს ვერ ტოვებს. MIT ლიცენზია. |
| Continue.dev | 35K | Continue ღია კოდის AI კოდირების გაფართოებაა VS Code-ისა და JetBrains-ისთვის. ნებისმიერი AI მოდელი — Claude, GPT, Gemini, Mistral, Ollama ლოკალური მოდელები — ერთ ინტერფეისში. chat, autocomplete, edit და agent რეჟიმები, CI-ში ჩართვადი AI checks. TypeScript-ში დაწერილია, სრულად კონფიგურირებადი, 33,000+ ვარსკვლავი. გამოწერა არ სჭირდება — Copilot-ის უფასო ალტერნატივა. |
| GPT Pilot | 34K | GPT Pilot AI დეველოპერია, რომელიც მთელ აპლიკაციას ნულიდან წერს: აანალიზებს მოთხოვნებს, წერს კოდს, უშვებს, ხარვეზებს ასწორებს და ადამიანს მხოლოდ საკვანძო წერტილებში ეკითხება. Pythagora-ს პროექტია. 34,000+ ⭐. |
| Void | 29K | Void VS Code-ის ღია კოდის fork-ია, რომელიც AI-ს IDE-ის გულში სვამს — Cursor-ის ღია ალტერნატივა. Tab completion, agent mode, inline edit — Cursor-ის ძირითადი ფუნქციები სრული კოდის კონტროლით. self-hosted LLM-ებს უჭერს მხარს (Ollama, vLLM), ასე რომ მონაცემები შენს მანქანაზე რჩება. მნიშვნელოვანი: 2026-ში გუნდმა IDE-ის აქტიური განვითარება შეაჩერა („paused") ახალი coding idea-ების შესასწავლად — repo ცოცხალია, მაგრამ Issues/PRs-ის აქტიური review არ ხდება. ფუნქციონირებს, მაგრამ feature drift მოსალოდნელია. TypeScript-ში, MIT ლიცენზია. |
| Taskmaster | 28K | Taskmaster AI-ზე დაფუძნებული პროექტის მართვის სისტემაა — დიდ ამოცანას ავტომატურად ანაწილებს მართვად ქვე-ამოცანებად, გაწერს პრიორიტეტებს, ადევნებს პროგრესსა და კონტექსტს. Cursor-ში, Windsurf-ში, Lovable-ში, Roo-ში და Claude Code-ში ჩასმა MCP სერვერის ან CLI-ის სახით. JavaScript-ში დაწერილია, tryhamster.com — AI-ის „პროდაქტ მენეჯერი" კომპლექსური სამუშაო ნაკადებისთვის. |
| DeepSeek-TUI | 41K | DeepSeek-TUI ღია კოდის coding agent-ია ტერმინალისთვის, სპეციალურად DeepSeek-ის მოდელებზე (V3, R1, Coder) მორგებული — Rust-ში დაწერილი, სწრაფი TUI ინტერფეისით. DeepSeek-ის იაფი API-ით ან ლოკალურად გაშვებული ღია მოდელებით მუშაობს, ამიტომ OpenAI-სა და Anthropic-ის ფასიან მოდელებზე გაცილებით იაფი ალტერნატივაა. 2026 წლის იანვარში გამოჩნდა და მალევე 38,000+ ვარსკვლავი დააგროვა — Aider-ისა და Codex CLI-ის DeepSeek-ფოკუსირებული კონკურენტი. |
| OpenClaude | 31K | OpenClaude ღია კოდის terminal coding agent-ია, რომელიც 200+ AI მოდელს ერთი CLI ინტერფეისიდან ხდის ხელმისაწვდომს — OpenAI, Gemini, DeepSeek, Ollama, Codex, GitHub Models. TypeScript-ში დაწერილია, OpenAI-თავსებადი API სტანდარტზე. 2026 წლის აპრილში გამოჩნდა და სწრაფად გაიზარდა. Claw Code-ისგან სხვაობა: ეს ფოკუსირებულია მრავალი provider-ის მხარდაჭერაზე, ის კი სიჩქარეზე. (არ აერიოს OpenHands-ში — სრულიად განსხვავებული პროექტია.) |
| Qwen Code | 27K | Qwen Code Alibaba-ს Qwen გუნდის ოფიციალური, ღია კოდის terminal coding agent-ია. TypeScript-ში დაწერილი, OpenAI-თავსებადი API-ის სტანდარტით მუშაობს — ანუ Anthropic-ის, OpenAI-ის და Google-ის მოდელებიც ჩართულია. Qwen 3 მოდელებით განსაკუთრებით კარგია კოდბაზის ნავიგაციასა და ავტომატიზაციაში. Claude Code-ისა და Gemini CLI-ის კონკურენტი Alibaba-ს ეკოსისტემიდან. |
| ai-website-cloner-template | 32K | ai-website-cloner-template ნებისმიერი საიტის კლონირებას ერთი ბრძანებით ახდენს coding agent-ის დახმარებით — template, რომელსაც Claude Code-ს ან სხვა აგენტს აძლევ და ის საიტის სტრუქტურას, სტილსა და კომპონენტებს აღადგენს. TypeScript, 25,000+ ვარსკვლავი — სწრაფი prototyping-ისა და redesign-ისთვის მოსახერხებელი საწყისი წერტილი. |
| Roo Code | 24K | Roo Code VS Code-ის გაფართოებაა, რომელიც AI coding agent-ების მთელ გუნდს გაძლევს editor-ში — Cline-ის fork-ი გაფართოებული ფუნქციებით: custom agent modes, პარალელური multi-agent მუშაობა და ფართო MCP მხარდაჭერა. 500+ LLM provider, 1.5 მილიონზე მეტი ინსტალაცია, TypeScript, Apache 2.0 ლიცენზია. გაითვალისწინე: repo 2026 წლის მაისიდან დაარქივებულია — ხელსაწყო მუშაობს, მაგრამ აქტიური განვითარება შეჩერებულია. |
| Kilocode | 27K | Kilocode VS Code-ის AI coding agent-ია — kilo.ai-ის agentic engineering პლატფორმის ღია კოდის გული. 500+ AI მოდელს უჭერს მხარს და ბუნებრივი ენის ბრძანებებით კოდს წერს, ტესტავს და deploy-საც თავად აკეთებს. TypeScript, 1.5 მილიონზე მეტი ინსტალაცია — Roo Code-ისა და Cline-ის პირდაპირი კონკურენტი. |
| cmux | 26K | cmux Ghostty-ს საფუძველზე აშენებული macOS terminal emulator-ია, სპეციალურად AI coding agent-ებისთვის ოპტიმიზებული. ვერტიკალური tabs, push notifications და პარალელური სესიების მარტივი მართვა — თუ ერთდროულად რამდენიმე AI agent-ს ამუშავებ (Claude Code + Codex + opencode), ეს terminal-ი სამართავს გამარტივებს. Swift-ში დაწერილია, macOS-only. |
| Orca | 41K | Orca ADE-ია (agent development environment) პარალელური აგენტების „ფლოტის" სამართავად — ნებისმიერ coding agent-ს უშვებ შენივე subscription-ით, ერთდროულად რამდენიმეს. desktop-ზეც და mobile-ზეც ხელმისაწვდომია. TypeScript, 12,000+ ვარსკვლავი. თუ ერთდროულად ბევრ აგენტს ამუშავებ სხვადასხვა ამოცანაზე, orca მათ ერთ ინტერფეისში აერთიანებს — cmux-ისა და herdr-ის მსგავსი orchestration ფენა, უფრო სრული UI-ით. |
| Devika | 20K | Devika — ღია AI software engineer: მაღალ-დონის დავალებას ანაწილებს, იკვლევს, წერს კოდს რამდენიმე ენაზე. Devin-ის ღია ალტერნატივა. 20,000+ ⭐. |
| avante.nvim | 18K | avante.nvim — Cursor-ის მაგვარი AI-ასისტენტი Neovim-ში: inline edit, agentic ცვლილებები და code-suggestions პირდაპირ რედაქტორში. 18,000+ ⭐. |
| oh-my-pi | 23K | oh-my-pi — ტერმინალის AI coding agent Mario Zechner-ის Pi-ს ბაზაზე: hash-anchored edits, ოპტიმიზებული tool harness, LSP, browser და subagents. რეალური debugger მხარდაჭერა და multi-provider routing. MIT. |
| free-claude-code | 45K | free-claude-code ღია კოდის ხელსაწყოა Claude Code-ის უფასოდ გამოყენების სამი არხით — ტერმინალში, VS Code გაფართოებად ან Discord bot-ით. სამი ინტერფეისი ერთ პაკეტში: ლოკალურად კოდის წერისას CLI/IDE, გუნდურ მუშაობაზე Discord-ით. Python-ში დაწერილია, MIT ლიცენზია, 2026 წლის იანვრიდან 34,000+ ვარსკვლავი დააგროვა. |
| herdr | 27K | herdr აგენტების multiplexer-ია, რომელიც შენს ტერმინალში ცხოვრობს — რამდენიმე coding agent-ს ერთდროულად მართავ ერთი ინტერფეისიდან. Rust-ში დაწერილი სიჩქარისთვის, 11,000+ ვარსკვლავი. cmux-ის მსგავსი იდეა, მაგრამ cross-platform terminal multiplexer-ის სახით — თუ Claude Code + Codex + opencode ერთდროულად გიმუშავია, herdr მათ შორის გადართვას ამარტივებს. |
| ml-intern | 11K | ml-intern არის Hugging Face-ის ოფიციალური ღია კოდის AI-ML ინჟინერი — ავტონომიური აგენტი, რომელიც კვლევის ნაშრომებს კითხულობს (arXiv), ML მოდელებს ტრენინგს უწევს და ship-ს აკეთებს Hugging Face Hub-ზე. Python-ში, OpenAI/Anthropic API ან ლოკალური მოდელებით მუშაობს. 2026 წლის 24 აპრილის GitHub Trending #1 — +720 ვარსკვლავი ერთ დღეში. ML research-ის ავტომატიზაციით დაინტერესებულ მკვლევართათვის — პერპეტუალური ML intern. |
⚡ Claude Code პლაგინები და უნარები
Claude Code Plugins & Skills — Claude Code-ში ჩასართავი გაფართოებები და უნარები, რომლებიც AI ასისტენტს ახალ შესაძლებლობებს მატებს.
| რეპოზიტორია | ⭐ | აღწერა |
|---|---|---|
| Superpowers | 270K | Superpowers agentic skills framework-ია AI coding agent-ებისთვის — software development methodology, რომელიც AI-ს „ჯერ დაფიქრდი, მერე დაწერე" პრინციპს ასწავლის. სანამ კოდი ეწერება, ჯერ სპეციფიკაცია, დიზაინ დოკუმენტი და test plan იქმნება. Claude Code-ს, Codex-ს, Cursor-ს და Gemini CLI-ს უჭერს მხარს. Shell scripts, MIT ლიცენზია, 229,000+ ვარსკვლავი. Spec Kit-ის (GitHub-ისა) და GSD-ის იდეური წინამორბედი. |
| Everything Claude Code | 239K | Everything Claude Code Claude Code-ის, Codex-ის, opencode-ისა და Cursor-ის ყოვლისმომცველი performance optimization სისტემაა — skills, memory, security scanning და research-first workflow ერთ პაკეტში. JavaScript, ecc.tools — ყველაზე პოპულარული Claude Code enhancement collection 216,000+ ვარსკვლავით. AI-ს „ინსტინქტების" (instincts) სისტემა განასხვავებს სხვა skill-pack-ებისგან — agent-ი ავტომატურად ადაპტირდება სიტუაციებზე წინასწარ განსაზღვრული behavior-ებით. |
| Anthropic Skills | 167K | Anthropic Skills — Anthropic-ის ოფიციალური Agent Skills რეპოზიტორია და მთელი skills ეკოსისტემის ფუნდამენტი. შიგნით 17 example skill — მათ შორის frontend-design (generic „AI slop" დიზაინისგან თავის დასაღწევი წესები), mcp-builder, webapp-testing, canvas-design, brand-guidelines და skill-creator — პლუს ის 4 production document skill (docx, pdf, pptx, xlsx), რომლებიც Claude-ში ფაილების რეალურ შექმნას უზრუნველყოფს და აქ source-available სახითაა გამოქვეყნებული. აქვეა Agent Skills სპეციფიკაცია (agentskills.io) და skill template. ერთი ბრძანებით ეყენება: /plugin marketplace add anthropics/skills. Python-ში; 2025 წლის სექტემბრიდან 151,000+ ვარსკვლავი — GitHub-ის ისტორიის ერთ-ერთი ყველაზე სწრაფად მზარდი რეპო. Skills ეკოსისტემისთვის იგივეა, რაც modelcontextprotocol/servers MCP-სთვის — Agent Skills Spec-ის (ასევე ამ კოლექციაში) reference implementation. |
| Spec Kit | 126K | Spec Kit GitHub-ის ოფიციალური Spec-Driven Development toolkit-ია — AI-ს „ჯერ გეგმა, მერე კოდი" პრინციპს ასწავლის. /specify, /plan, /tasks, /implement slash-commands-ით AI ჯერ სრულ სპეციფიკაციას ქმნის, შემდეგ კი კოდირებაზე გადადის. Claude Code-ს, Codex CLI-ს, Gemini CLI-ს, Cursor-ს, Copilot-ს, Windsurf-ს და Qwen Code-ს უჭერს მხარს. GitHub-ის ოფიციალური პასუხი Superpowers-ისა და GSD-ის მსგავს მეთოდოლოგიებზე — 112,000+ ვარსკვლავი. |
| Karpathy Skills | 201K | Karpathy Skills ერთი CLAUDE.md ფაილია, რომელიც Andrej Karpathy-ს (OpenAI-ისა და Tesla AI-ს ყოფილი ხელმძღვანელი) LLM coding pitfalls-ის შენიშვნებიდანაა გამომდინარე. AI-ს ჰალუცინაციებს, ზედმეტ refactoring-ს და ცუდ debugging-ს ებრძვის წინასწარ განსაზღვრული rules-ით. Forrest Chang-ის მიერ შექმნილი 2026 წლის იანვარში — 176,000+ ვარსკვლავი, GitHub Trending-ზე #1-ზე ყოფნა. Andrej Karpathy-ს სახელი ატარებს, მაგრამ მის მიერ ოფიციალურად შექმნილი არ არის. |
| GSD (Get Shit Done) | 65K | GSD (Get Shit Done) meta-prompting და context engineering სისტემაა Claude Code-ისთვის TÂCHES-ის მიერ. სპეციალური specification ფაილებით AI-ის კონტექსტი სტრუქტურირებულად ინახება — session-ებს შორისაც, რაც ხარისხის ვარდნის პრობლემას წყვეტს. Claude Code-ს, Codex-ს, Cursor-ს და Gemini CLI-ს უჭერს მხარს. JavaScript, 64,000+ ვარსკვლავი — spec-driven development-ის პრაქტიკული implementation Superpowers-ისა და Spec Kit-ის ალტერნატივა. |
| Matt Pocock Skills | 212K | Matt Pocock-ის (Total TypeScript-ის ავტორი, ერთ-ერთი ყველაზე ცნობილი TypeScript ინსტრუქტორი მსოფლიოში) პირადი .claude/skills/ დირექტორიის გაზიარებული ვერსიაა — სლოგანი: "Skills for Real Engineers. Straight from my .claude directory". Shell-ში, MIT ლიცენზია, 2026 წლის თებერვალში გამოქვეყნდა და უკვე 130,000+ ვარსკვლავი დააგროვა. Pocock-ის ყოველდღიური workflow-ის რეალური ანარეკლი — TypeScript-ის, React-ის და modern web development-ის სპეციფიკური skills, რომლებსაც ის თვითონ იყენებს professional კონტექსტში. ვინც TypeScript-ში ან React-ში სერიოზულად მუშაობს Claude Code-ით, ეს კოლექცია უპირველესად განსახილველია. |
| BMAD-METHOD | 52K | BMAD-METHOD — universal agentic agile-development method: სპეციალიზებული AI აგენტები (analyst, PM, architect, dev, QA) სტრუქტურირებულ workflow-ში მართავენ პროექტს იდეიდან კოდამდე. Claude Code/Cursor/Gemini-თან თავსებადი. 50,000+ ⭐. |
| wshobson/agents | 39K | wshobson/agents — multi-harness agentic plugin marketplace Claude Code-ის, Codex CLI-ის, Cursor-ის, OpenCode-ისა და Gemini CLI-ისთვის. ბირთვი 80+ production-ready სპეციალიზებული subagent-ია (backend, frontend, security, data, SRE და სხვ.) — პირდაპირ გამოსაყენებლად მზა. 38,000+ ⭐. |
| Oh My ClaudeCode | 38K | Oh My ClaudeCode Claude Code-ს multi-agent orchestration სისტემად აქცევს — autopilot რეჟიმში ავტონომიურად მუშაობს 5-ფაზიანი pipeline-ით (Expansion, Planning, Execution, QA, Validation), team რეჟიმში კი N agent-ი პარალელურად ასრულებს ამოცანებს. TypeScript-ში, 19 სპეციალიზებული agent, 36 skill. oh-my-openagent-ისგან განსხვავება: ეს Claude Code-სპეციფიკური orchestration-ია, ის კი ზოგადი agent harness. 36,000+ ვარსკვლავი. |
| Obsidian Skills | 45K | Obsidian Skills Obsidian-ის CEO-ს, Steph Ango-ს (kepano) მიერ შექმნილი agent skills პაკეტია. AI coding agent-ებს ასწავლის Obsidian-ის Markdown ფორმატს, Bases მონაცემთა სტრუქტურას, JSON Canvas-ს და CLI-ს. Claude Code, Codex ან ნებისმიერი MCP-თავსებადი agent Obsidian vault-ში ფაილების შექმნას, ძიებასა და რედაქტირებას შეძლებს. Obsidian-ს იყენებ ცოდნის ბაზად? ეს skill-ი AI-ს ამ ბაზაში მუშაობის ექსპერტად აქცევს. |
| Academic Research Skills | 42K | Academic Research Skills Claude Code skill suite-ია, რომელიც სამეცნიერო ნაშრომის სრულ ციკლს ფარავს — literature search, paper writing, peer review და revision. ოთხი ურთიერთჩაწნული skill, 10-საფეხურიანი pipeline, 13+ agent literature exploration-ისთვის და 12 agent წერისთვის; ჩაშენებული anti-hallucination და citation-fabrication detection gates ციტატების ფაბრიკაციას ამოიცნობს. Python, CC BY-NC 4.0 (არა-კომერციული ლიცენზია — გასათვალისწინებელია), v3.9.2 (2026 წლის 18 მაისი), export Markdown/DOCX/APA-7 LaTeX-ში. 2026 წლის GitHub Trending #3, 31,000+ ვარსკვლავი — აკადემიური და კვლევითი workflow-ის პირველი სპეციალიზებული skill კოლექციაში. |
| last30days-skill | 58K | last30days-skill Claude Code/Codex skill-ია, რომელიც ერთი ბრძანებით ნებისმიერი თემის სრულ კვლევას ატარებს — Reddit, X/Twitter, YouTube, Hacker News, Polymarket და ვები პარალელურად მუშავდება და შედეგად წყაროებზე დაფუძნებული grounded summary მიიღება. Python-ში, 2026 წლის იანვრიდან 43,000+ ვარსკვლავი. competitive analysis-ის, ტრენდების კვლევისა და product research-ისთვის იდეალური — ქართული ჟურნალისტიკის, SMM-ისა და product გუნდებისთვის ძლიერი ამაჩქარებელია. |
| Agent Skills | 85K | Agent Skills Google-ის Chrome DevRel-ის ხელმძღვანელის Addy Osmani-ს production-grade engineering skills კოლექციაა AI coding agent-ებისთვის. 20+ Markdown workflow — spec-driven development, TDD, code review, shipping და სხვა — agent-ს senior engineer-ის მიდგომებს ასწავლის. Shell-ში, 60,000+ ვარსკვლავი. Agent Skills Spec-ისგან განსხვავება: ეს Osmani-ს კონკრეტული skill-ების კოლექციაა, ის კი ფართო სპეციფიკაციის სტანდარტია. |
| awesome-copilot | 38K | awesome-copilot — GitHub-ის ოფიციალური კრებული Copilot-ის customization-ებისა: custom instructions, prompt files, chat modes და community-ს მიერ შექმნილი agent-ები. Copilot-ის მორგების მთავარი საცნობარო წყაროა და მისი მიდგომები სხვა coding agent-ების კონფიგურაციასაც ერგება. 36,000+ ⭐. |
| Claude Plugins Official | 33K | Claude Plugins Official Anthropic-ის მიერ მართული Claude Code plugin-ების ოფიციალური კატალოგია — მასში მხოლოდ შემოწმებული, მაღალი ხარისხის plugin-ები ხვდება. plugin-ების აღმოჩენისა და ინსტალაციის ყველაზე სანდო წყაროა პირდაპირ Claude Code-იდან. 30,000+ ვარსკვლავი. |
| Anthropic Cybersecurity Skills | 28K | Anthropic Cybersecurity Skills 817 სტრუქტურირებული კიბერუსაფრთხოების skill-ია AI აგენტებისთვის — 6 framework-ზე მიბმული (MITRE ATT&CK, NIST CSF 2.0, MITRE ATLAS, D3FEND, NIST AI RMF, MITRE F3). 29 უსაფრთხოების დომენი, agentskills.io სტანდარტი. Claude Code-თან, Copilot-თან, Codex CLI-თან, Cursor-თან და 20+ პლატფორმასთან მუშაობს. Apache 2.0, 24,000+ ⭐ — უსაფრთხოების გუნდებისთვის მზა skill-pack. |
| PM Skills | 25K | PM Skills — პროდუქტ-მენეჯმენტის skill-ებისა და plugin-ების marketplace Claude Code-სა და Cowork-ისთვის: 68 skill 9 plugin-ში, discovery-დან strategy-მდე. Teresa Torres-ისა და Marty Cagan-ის მეთოდები slash-ბრძანებებად. PM-ებისთვის სტრუქტურირებული workflow-ები. |
| Claude Skills (alirezarezvani) | 24K | Claude Skills 338 production-ready Claude Code skill-ისა და plugin-ის ბიბლიოთეკაა 13 AI coding ხელსაწყოსთვის (Claude Code, Codex, Gemini CLI, Cursor, Aider და სხვა). ინჟინერიის მიღმა ფარავს marketing-ს, product-ს, compliance-ს, finance-ს და C-level advisory-ს — 533 dependency-free Python CLI tool, 25 „POWERFUL-tier" skill, persona-ები (მაგ. Startup CTO) და security auditor skill-ების შესამოწმებლად. Python, MIT, v2.9.0 (2026 წლის 28 მაისი), 18,000+ ვარსკვლავი. Matt Pocock Skills-ისა და Agent Skills-ისგან განსხვავება — ეს ბიზნეს- და მრავალდომენიან breadth-ზეა ფოკუსირებული, არა მხოლოდ engineering-ზე. |
| Claude Code Game Studios | 24K | Claude Code Game Studios Claude Code-ს სრულფასოვან თამაშების სტუდიად აქცევს — 49 AI აგენტი და 72 workflow skill, ნამდვილი game development სტუდიის იერარქიის ანარეკლი. Producer, Designer, Artist, Programmer, QA Tester როლებში სპეციალიზებული agent-ები ერთობლივად მუშაობენ ვიდეო თამაშების შესაქმნელად. Shell-ში, 2026 წლის თებერვლიდან 21,000+ ვარსკვლავი დააგროვა. game dev-ის Claude Code-ზე აწყობის ერთ-ერთი ყველაზე მასშტაბური setup — ქართული indie გუნდებისთვის მზა workflow-ები. |
| Codex Plugin | 32K | Codex Plugin არის OpenAI-ის ოფიციალური Claude Code plugin — Codex CLI-ის agent-ს Claude Code-ის შიგნიდან გამოძახების საშუალებას გაძლევს. კოდის review-ისა და ამოცანების დელეგირებისთვის — OpenAI-ს Codex-ი და Anthropic-ს Claude Code ერთ workflow-ში. JavaScript, 2026 წლის მარტიდან ხელმისაწვდომია. ცალკე რეპოა openai/codex CLI-სგან (რომელიც terminal agent-ია — ეს კი Claude Code-ის plugin-ია). |
| awesome-claude-code-subagents | 24K | awesome-claude-code-subagents 100+ სპეციალიზებული Claude Code subagent-ის კრებულია — full-stack development-ის ფართო სპექტრზე (backend, frontend, DevOps, data, security და სხვა). მზა subagent-ები, რომლებსაც პირდაპირ ჩააგდებ შენს Claude Code setup-ში. VoltAgent-ის მიერ შენახული, 22,000+ ვარსკვლავი — Claude Code-ის subagent ეკოსისტემის ერთ-ერთი მთავარი catalog. |
| SkillSpector | 14K | SkillSpector — NVIDIA-ის უსაფრთხოების სკანერი AI agent skill-ებისთვის. ინსტალაციამდე ამოწმებს prompt injection-ს, data exfiltration-სა და supply-chain რისკებს — 64 pattern 16 კატეგორიაში, risk score და CI/CD ინტეგრაცია. skill-ების კოლექციის ბუნებრივი დამცველი. |
| n8n Skills | 6.0K | n8n Skills Claude Code-ს n8n ავტომატიზაციის ექსპერტად აქცევს — 7 ურთიერთშემავსებელი skill, 525+ n8n node-ის ცოდნა, 2,653+ კონფიგურაციის მაგალითი. Shell-ში, n8n-skills.com. n8n-MCP-სთან (ასევე ამ კოლექციაში) ერთად გამოყენება კიდევ უფრო ძლიერ workflow-ების საშენებლად. n8n workflow-ებს AI-ით ავტომატურად ვინც ქმნის, ეს skill-ი აუცილებელია. |
| Remotion Skills | 4.3K | Remotion Skills Remotion-ის (React-ში ვიდეოების პროგრამული შექმნის ფრეიმვორკი) ოფიციალური agent skills-ია. AI coding agent-ებს Remotion-ის ექსპერტიზას სძენს — კომპოზიცია, რენდერინგი, ტაიმინგი, animation. TypeScript-ში. თუ data visualizations-ს, reels-ს ან ანიმაციებს React კომპონენტებიდან ქმნი, ეს skill-ი AI-ს ყველა ნიუანსს ასწავლის — Remotion-ის ოფიციალური გუნდის მიერ. |
| Claude Code Setup | 13 | Claude Code Setup Claude Code-ის production-grade კონფიგურაციაა — 17 წესი, 7 hook, 7 შაბლონი და /setup ბრძანება ახალი პროექტებისთვის. ერთი ინსტალაციით: უსაფრთხოების წესები, ავტომატური ტესტირება, CI/CD ინტეგრაცია, საიდუმლოებების დაცვა. TypeScript-ში, საქართველოში შექმნილი. 13 ვარსკვლავი — ახალი, ლოკალური პროექტი, production-ში განვითარების ეტაპზეა. |
| Georgian Payments Skills | 9 | Georgian Payments Skills ქართული საბანკო API-ების ცოდნას AI ასისტენტებს სძენს — TBC Bank-ის (Checkout, TPay) და Bank of Georgia-ს (iPay, Installments, Open Banking) ინტეგრაციები. Python-ში, საქართველოში შექმნილი. ქართულ საგადახდო სისტემებთან მომუშავე დეველოპერებისთვის — AI-ს ექსპერტ-დონის ლოკალური ცოდნა, რომელიც სხვაგან არ არსებობს. 8 ვარსკვლავი — ახალი ლოკალური resource. |
🎨 დიზაინი და UI
Design & UI — AI აგენტებისთვის დიზაინის უნარები: UI/UX გენერაცია, brand-grade design system-ები, Figma-ინტეგრაცია, დიაგრამები და whiteboard ხელსაწყოები. ლამაზი, თანმიმდევრული ვიზუალისთვის დიზაინერის გარეშე.
| რეპოზიტორია | ⭐ | აღწერა |
|---|---|---|
| Excalidraw | 129K | Excalidraw — virtual whiteboard hand-drawn სტილის diagrams-ისთვის, TypeScript-ში, MIT ლიცენზიით. AI engineers-ისთვის de facto სტანდარტი გახდა agent architectures-ის, system designs-ის, RAG pipeline-ების და LLM workflow-ების ვიზუალიზაციისთვის — Anthropic-ის, OpenAI-ის და სხვა AI კომპანიების engineering blog-ებსა და ტექნიკურ დოკუმენტაციაში მუდმივად ჩანს. Excalidraw+ commercial ვერსიაში ჩაშენებულია text-to-diagram AI ფიჩერი (OpenAI integration) რომელიც ბუნებრივი ენიდან diagram-ს ქმნის, plus mermaid-ის ნატივიური მხარდაჭერა — ანუ Claude/GPT-ით mermaid syntax გენერაცია და Excalidraw-ში refine ერთიანი workflow-ია. AI არქიტექტურის დოკუმენტაციისთვის, presentation-ისთვის ან Claude Code-ის output-ის ვიზუალიზაციისთვის — ერთ-ერთი მთავარი ხელსაწყო engineering-ის ეკოსისტემაში. |
| shadcn/ui | 121K | shadcn/ui — copy-paste კომპონენტების და დიზაინ-სისტემის დისტრიბუციის პლატფორმა, რომელსაც v0, Claude და AI UI-გენერატორების უმეტესობა default-ად აგენერირებს. ღია კოდი, ღია კომპონენტები, ნებისმიერ framework-თან. 118,000+ ვარსკვლავი — AI-გენერირებული ინტერფეისების de-facto output ფენა. |
| Mermaid | 90K | Mermaid — text-to-diagram-ის ღია კოდის უპირობო სტანდარტი. markdown-სტილის სინტაქსიდან flowchart-ი, sequence diagram, ER, gantt, state machine, class diagram, mindmap, C4 architecture და სხვა — ერთიანი ენით. TypeScript-ში, MIT ლიცენზია, 88,000+ ვარსკვლავი. AI workflow-ში de-facto ფორმატი — Claude, ChatGPT, Cursor, Codex და თითქმის ყველა LLM ბუნებრივად ცნობს Mermaid სინტაქსს და დიაგრამას პირდაპირ markdown პასუხში გასცემს. GitHub, GitLab, Notion, Obsidian და Confluence Mermaid-ს ჩაშენებულად რენდერავს — pull request-ში code review-ის დროს დიაგრამა იქვე ჩანს, version control-შია და diff-ისთვისაც ხელმისაწვდომია. ARCHITECTURE.md-ის, RFC-ებისა და ტექნიკური დოკუმენტაციის სავალდებულო ნაწილია თანამედროვე engineering გუნდებში; Excalidraw-თან (ვიზუალური whiteboard) ერთად დიაგრამების workflow-ის ორი მთავარი ხელსაწყოა. |
| UI UX Pro Max | 115K | UI UX Pro Max AI coding agent-ებს professional UI/UX დიზაინის ინტელიგენციას სძენს — 50 დიზაინ სტილი, 161 ფერთა პალიტრა და 25 დიაგრამის ტიპი ერთ skill-ში. React-ს, Vue-ს, Flutter-ს, SwiftUI-ს და სხვა ფრეიმვორკებს უჭერს მხარს. Python-ში, 92,000+ ვარსკვლავი — Claude Code-ის, Cursor-ის და სხვა agent-ების visual output-ს მნიშვნელოვნად აუმჯობესებს. დიზაინერის გარეშე ლამაზი UI-ის ასაშენებლად. |
| Awesome DESIGN.md | 108K | Awesome DESIGN.md — 55-ზე მეტი Markdown ფაილის კოლექცია, პოპულარური brand design systems-ის (Stripe, Google, Apple, Linear) სტილის მიხედვით შექმნილი. DESIGN.md ფაილი პროექტში ჩასვი და Claude Code-ს, Cursor-ს ან სხვა coding agent-ს უთხარი — UI ავტომატურად შენი brand-ის სტილში გენერირდება. VoltAgent-ის მიერ, 2026 წლის მარტიდან. ვიზუალური კოდ-გენერაციის სამუშაო პროცესებში — ყველაზე სწრაფი გზა brand-consistent UI-სკენ კოდის ხელით წერის გარეშე. |
| screenshot-to-code | 74K | screenshot-to-code — ჩააგდებ screenshot-ს, mockup-ს ან Figma frame-ს და LLM მას სუფთა კოდად აქცევს (HTML/Tailwind/React/Vue). design-to-code-ის კანონიკური პროექტი. 73,000+ ⭐. |
| tldraw | 50K | tldraw — მოდერნული infinite canvas SDK და whiteboard აპლიკაცია, TypeScript-ში, real-time collaboration-ით. Excalidraw-ის ყველაზე სერიოზული მეტოქე: Excalidraw hand-drawn aesthetic-ით ცნობილია, tldraw უფრო ნათელი, კონტრასტული, professional ვიზუალით. ჩაშენებადი React კომპონენტი — საკუთარ აპლიკაციაში ერთი <Tldraw /> import-ით ჩასვამ, ნულიდან whiteboard აპლიკაცია არ გჭირდება. AI-ფიჩერი tldraw/make-real-ის სახით ცალკე ცოცხლობს: სკეტჩი → მუშა HTML/React component-ი ერთი ღილაკით (OpenAI/Claude backend-ით). Lightspeed Venture Partners-ის მიერ დაფინანსებული, 47,000+ ვარსკვლავი. ვინც app-შიგნით whiteboard ფუნქცია სჭირდება (Figma-ის, Miro-ს ალტერნატივა) ან Excalidraw-ის უფრო strict ვიზუალურ ალტერნატივას ეძებს — tldraw პირველი არჩევანია. |
| Open Design | 85K | Open Design — Anthropic-ის ფასიანი Claude Design-ის სრულად ღია წყაროს ალტერნატივა, რომელიც 2026 წლის 28 აპრილს გამოვიდა და სწრაფად დააგროვა 65,000+ ვარსკვლავი (4,000+ fork — organic signal). შიგნით 19 skill და 71 brand-grade design system: prompt-დან HTML/CSS prototype-ი, slides, infographic-ი, კარუსელი, ანიმაცია და MP4 export. BYOK მოდელი — საკუთარი Claude/GPT/Gemini/Kimi/GLM/Ollama key-ით ეშვება, lock-in-ის გარეშე. Sandbox-ში preview, HTML/PDF/PPTX/MP4 export. TypeScript-ში, Apache 2.0. Claude Code-ში, Codex-ში, Cursor-ში, OpenCode-ში, Qwen Code-ში, Hermes-სა და Kimi CLI-ში მუშაობს — agent-agnostic. Huashu Design-ის და UI UX Pro Max-ის ბუნებრივი დამატება — 2026-ის design-skill სტეკის ერთ-ერთი მთავარი ბურჯი, კოლექციის ერთ-ერთი ყველაზე სწრაფად მზარდი ჩანაწერი. |
| Vercel Agent Skills | 30K | Vercel Agent Skills — Vercel-ის ოფიციალური skill კოლექცია AI coding agent-ებისთვის: 8 skill, რომლებიც Vercel Engineering-ის შიდა handbook-ებს აგენტებისთვის გასაგებ ფორმატად აქცევს. web-design-guidelines UI კოდს 100+ წესით ამოწმებს (accessibility, focus states, forms, animation, typography, dark mode, i18n) — Vercel-ის ცნობილი Web Interface Guidelines-ის packaged ვერსია; react-best-practices 40+ React/Next.js performance წესს მოიცავს; vercel-deploy-claimable კი აპს პირდაპირ claude.ai საუბრიდან deploy-ს უკეთებს live preview URL-ით. npx skills add vercel-labs/agent-skills-ით ეყენება. JavaScript, MIT, skills.sh რეესტრის canonical მაგალითი. 2025 წლის დეკემბრიდან 27,000+ ვარსკვლავი. ვიზუალურ design skill-ებისგან (UI UX Pro Max, Open Design) განსხვავებით აქცენტი engineering correctness-ზეა — accessibility და performance, არა მხოლოდ ესთეტიკა. |
| Impeccable | 58K | Impeccable Paul Bakaus-ის (ex-Google DevRel, Disney Interactive, jQuery UI core contributor — ერთ-ერთი ყველაზე ცნობილი front-end ინჟინერი 2010-იანების ვებზე) design-language skill-ია AI coding agent-ებისთვის — სლოგანი: „The design language that makes your AI harness better at design". Claude Code-ში, Codex-ში, Cursor-ში, OpenCode-ში და სხვა MCP-თავსებად client-ებში მუშაობს. JavaScript-ში, Apache 2.0 ლიცენზიით, impeccable.style. 2025 წლის ნოემბერში გამოვიდა და 38,000+ ვარსკვლავი (1,500+ fork — organic signal) დააგროვა. Open Design-ის, UI UX Pro Max-ის და Huashu Design-ის ბუნებრივი მონათესავე — სამივესთან ერთად stacked design-skill კონფიგურაცია AI-ის visual output-ის ხარისხს professional დონეზე აყვანს. |
| OpenUI | 22K | OpenUI (Weights & Biases) — ბუნებრივ ენაზე აღწერ UI-ს და რეალურ დროში ხედავ რენდერს HTML-ად. იდეების სწრაფი პროტოტიპირება და კოდად ექსპორტი. AI-ით UI-დიზაინის ექსპერიმენტირების ერთ-ერთი ყველაზე ცნობილი ღია ხელსაწყო. |
| Taste-Skill | 75K | Taste-Skill leonxlnx-ის skill-ია, რომელიც AI coding agent-ებს „გემოვნებას" აძლევს — სლოგანი: „stops the AI from generating boring, generic slop". AI-ის default-ად ერთფეროვან, sterile, „generic AI slop" output-ს ებრძვის წინასწარ აღწერილი taste curation rules-ით — როდის უნდა გადაუხვიოს AI-მ default ფორმულირებებიდან და როდის უნდა შესთავაზოს ნამდვილად საინტერესო კონცეფცია. Shell-ში, MIT ლიცენზიით, tasteskill.dev. 2026 წლის თებერვალში გამოვიდა და უკვე 44,000+ ვარსკვლავი დააგროვა — AI output-ის ხარისხის ერთ-ერთი ყველაზე ციტირებადი skill. Karpathy Skills-ის (AI coding pitfalls-ის წინააღმდეგ) და Caveman-ის (verbosity reduction) ბუნებრივი დამატება — სამივე ერთად AI-ის output-ის ფუნდამენტურ ნაკლს ასწორებს. UI UX Pro Max-ისგან განსხვავება: ეს content/copy/idea-taste-ზე ფოკუსირებულია, ის კი visual design-ზე. |
| Figma Context MCP | 16K | Figma Context MCP AI coding agent-ებს Figma-ს დიზაინ ფაილების ზუსტ მონაცემებს აწვდის — ფერები, ზომები, spacing, component hierarchy — screenshot-ის ნაცვლად სტრუქტურირებული მონაცემებით. TypeScript-ში, Framelink.ai-ის მიერ. Cursor-ში, Claude Code-ში ან სხვა MCP client-ში: Figma-ს დიზაინი → pixel-perfect კოდი პირველივე მცდელობით. 15,000+ ვარსკვლავი. |
| Huashu Design | 23K | Huashu Design (画术 Design) HTML-native დიზაინის skill-ია Claude Code-ისთვის — high-fidelity prototypes, პრეზენტაციები/slides, ანიმაციები და MP4 export ერთ skill-ში. 20 design philosophy და 5-dimensional design review სისტემით agent-ს professional UI/UX დონეზე ფიქრის უნარს ასძენს. Agent-agnostic — Claude Code-სთან, Codex-სთან და სხვა MCP-თავსებად client-ებთან მუშაობს. HTML-ში, 2026 წლის აპრილში გამოქვეყნდა და უკვე 18,000+ ვარსკვლავი დააგროვა — ჩინური AI ეკოსისტემიდან გამოსული ერთ-ერთი ყველაზე ციტირებადი design skill. ვინც AI-ით ლამაზ visual artifacts-ს (პრეზენტაციებს, prototype-ებს, demo videos-ებს) აკეთებს, UI UX Pro Max-ისა და Architecture Diagram Generator-ის ბუნებრივი დამატებაა. |
| stop-slop | 15K | stop-slop — skill-ფაილი, რომელიც ტექსტიდან „AI-ის კვალს" (generic ფრაზები, em-dash-ების ჭარბი გამოყენება, sterile ტონი) აშორებს. AI-ის ნაწერს უფრო ბუნებრივსა და ადამიანურს ხდის. Taste-Skill-ისა და Impeccable-ის მონათესავე ჟანრი. |
| DESIGN.md | 27K | DESIGN.md — Google Labs-ის ოფიციალური ფორმატის სპეციფიკაცია, რომლითაც ბრენდის ვიზუალური იდენტობა (ფერები, ტიპოგრაფია, სპეისინგი, კომპონენტების ქცევა, ინტერაქციების შაბლონები) სტრუქტურირებულად აღუწერ AI coding agent-ებს. DESIGN.md ფაილი პროექტის root-ში ჩასვი და Claude Code-ს, Cursor-ს ან Codex-ს უკვე მუდმივი, თანმიმდევრული გაგება აქვს შენი design system-ის — UI ყოველ ახალ ფიჩერზე ერთ სტილში გენერირდება, stylistic drift-ისა და ჰალუცინაციების გარეშე. TypeScript-ში, Apache 2.0 ლიცენზიით. 2026 წლის 10 აპრილს გამოიცა და სწრაფად დააგროვა 15,000+ ვარსკვლავი (გაშვებისას დღეში ~450 ⭐) — ვირუსული ზრდა Anthropic-ის Agent Skills Spec-ის ანალოგი, მაგრამ design systems-ის დომენში. კომპანიონი awesome-design-md (რომელიც ასევე გვაქვს) ამ სპეციფიკაციით შექმნილ 55+ მაგალითს გვაწვდის — ეს მათი ფუნდამენტი სტანდარტია. |
| Interface Design | 5.4K | Interface Design — design engineering skill Claude Code-ისა და Codex-ისთვის, სპეციალურად product UI-სთვის (dashboard, admin panel, SaaS ინსტრუმენტები) — marketing საიტები შეგნებულად სკოუპს მიღმაა. მთავარი იდეა persistent design memory-ია: მიღებული გადაწყვეტილებები (spacing grid, ფერის ტოკენები, surface elevation, კომპონენტების ზომები) .interface-design/system.md ფაილში ინახება და მომდევნო სესიებში ავტომატურად იტვირთება — სტილური დრიფტი სესიებს შორის ნულდება. 5 ბრძანება (init, status, audit, extract, critique), 6 ჩაშენებული design direction. ავტორი Oyindamola Akinleye (Zalando). Shell, MIT, interface-design.dev. 2026 წლის იანვრიდან 5,000+ ვარსკვლავი (repo-ს ადრე claude-design-skill ერქვა — ძველი ლინკები redirect-დება). UI UX Pro Max-ისგან განსხვავება: ის სტილების ფართო კატალოგია, ეს კი ერთი თანმიმდევრული დიზაინ-სისტემის cross-session enforcement-ი. |
| Architecture Diagram Generator | 6.9K | Architecture Diagram Generator Claude AI-ის skill-ია, რომელიც ტექსტური სისტემის აღწერიდან standalone HTML/SVG დიაგრამებს ქმნის — dark theme-ით, ფერების სემანტიკური კოდირებით (cyan: frontend, emerald: backend, violet: databases, amber: cloud, rose: security). HTML-ში, Cocoon-AI-ის მიერ. დიზაინის ცოდნა არ სჭირდება — სისტემის ბუნებრივ ენაში აღწერა საკმარისია. 5,900+ ვარსკვლავი. |
| Draw.io MCP | 5.1K | Draw.io MCP draw.io-ს (JGraph Ltd) ოფიციალური MCP სერვერია — AI ასისტენტს diagrams.net-ში ქსელის სქემების, UML-ის, flowchart-ების და სხვა დიაგრამების ავტომატური შექმნის საშუალება ეძლევა. JavaScript-ში. ბუნებრივი ენით სისტემის არქიტექტურა — draw.io ფაილი → browser-ში გახსნა. 4 ინტეგრაციის მეთოდი, 4,400+ ვარსკვლავი. |
| Emil Kowalski Skill | 28K | Emil Kowalski Skill — design engineering-ის ერთ-ერთი ყველაზე ცნობილი სახელის (Sonner toast-ისა და Vaul drawer-ის ავტორი, ex-Vercel/Linear, animations.dev კურსის შემქმნელი) პირადი „გემოვნება" installable skill-ად. მთელი რეპო ერთი ~680-ხაზიანი SKILL.md-ია მისი სტატიებიდან გამოხდილი ცოდნით: 4-ნაბიჯიანი animation decision framework (ხშირად გამოყენებულ ქმედებებს ანიმაცია საერთოდ არ სჭირდება), კონკრეტული რიცხვითი წესები (UI ანიმაცია 300ms-ზე ნაკლები, tooltip 125-200ms, ease-in არასდროს), spring physics, @starting-style და clip-path ტექნიკები, prefers-reduced-motion accessibility. UI code review-ზე სავალდებულო Before/After/Why ცხრილის ფორმატს ითხოვს. 2026 წლის მარტიდან 2,400+ ვარსკვლავი, emilkowal.ski/skill. Taste-Skill-ის (ასევე ამ კოლექციაში) მონათესავე ჟანრი — „taste as a skill" ტრენდის ერთ-ერთი საუკეთესო ნიმუში. (⚠ ლიცენზია მითითებული არ აქვს.) |
| UI Skills | 7.1K | UI Skills design engineer-ებისთვის განკუთვნილი skill-ების კრებულია — ინტერფეისის დიზაინის ცოდნა, რომელსაც AI აგენტს აძლევ, რომ generic-ის ნაცვლად გემოვნებიანი UI ააწყოს. ibelick-ის (motion-primitives-ისა და prompt-kit-ის ავტორი) პროექტი, TypeScript. 3,500+ ვარსკვლავი — design-to-code workflow-ისთვის. |
| Designer Skills | 2.0K | Designer Skills — ყველაზე ყოვლისმომცველი დიზაინერული skill pack Claude Code-ისთვის: 91 skill და 28 ბრძანება 9 plugin-ში — user research, design systems, UX strategy, UI design, interaction design, prototyping/testing, design ops, designer's toolkit და visual critique. ხუთრეპოიანი ოჯახის (ჯამში 239 skill და 33 plugin) მთავარი კარიბჭე. არქიტექტურა: skill-ები „არსებითი სახელებია" (როგორ დაიწეროს persona, როგორ განისაზღვროს design token-ები), ბრძანებები კი „ზმნები" — /design-research:discover ერთ workflow-ში რამდენიმე skill-ს აჯაჭვებს. ავტორი Marie-Claire Dean (MC Dean), ფილოსოფია: „taste, made legible" — დიზაინერული განსჯა წერილობით ფორმაში, რომ აგენტმა გამოცნობა აღარ სცადოს. Claude Code-შიც და Gemini CLI-შიც მუშაობს, non-coder-ებზეც გათვლილია. Shell, MIT. 2026 წლის მარტიდან 1,500+ ვარსკვლავი. |
🔌 MCP ინტეგრაციები
Model Context Protocol Servers — სტანდარტული „ხიდები", რომლებიც AI ასისტენტებს გარე სერვისებთან აკავშირებენ — GitHub, Notion, Stripe, Cloudflare, მონაცემთა ბაზები. ერთხელ დააინსტალირე, ყველგან მუშაობს.
| რეპოზიტორია | ⭐ | აღწერა |
|---|---|---|
| MCP Servers | 89K | MCP Servers Model Context Protocol-ის ოფიციალური სერვერების მონორეპოა — ეს MCP ეკოსისტემის ფუნდამენტი და reference implementation. ფაილების სისტემა, Git, Slack, memory, browser automation — ათობით built-in server ერთ ადგილას. 10 პროგრამირების ენის SDK (TypeScript, Python, Go, Rust, Java და სხვა). Anthropic-ის მიერ შენახული, Apache 2.0 ლიცენზია. 87,000+ ვარსკვლავი — ნებისმიერი MCP სამუშაო ამ რეპოდან იწყება. |
| Context7 | 61K | Context7 Upstash-ის MCP სერვერია, რომელიც AI coding agent-ებს ყოველთვის განახლებულ, კონკრეტული ვერსიის შესაბამის API დოკუმენტაციას აწვდის. AI ხშირად მოძველებულ ან გამოგონილ API-ებს გვთავაზობს — Context7 ავტომატურად ადგენს, რომელ ვერსიას იყენებ, და ზუსტ დოკუმენტაციას ჩასვამს კონტექსტში. TypeScript-ში დაწერილია, context7.com-ზე ხელმისაწვდომი; მუშაობს Claude Code-თან, Cursor-თან, Copilot-თან და ნებისმიერ MCP-თავსებად agent-თან. 57,000+ ვარსკვლავი. |
| chrome-devtools-mcp | 49K | chrome-devtools-mcp — Chrome DevTools-ის ოფიციალური MCP სერვერი: AI აგენტს აძლევს ბრაუზერის კონტროლს, network და console ინსპექციას, performance-ტრეისებს. 46,000+ ⭐. |
| GitHub MCP | 32K | GitHub MCP GitHub-ის ოფიციალური MCP სერვერია — AI ასისტენტს GitHub-ის სრული API ხელმისაწვდომი ხდება: issue-ების შექმნა, pull request-ების review, CI/CD-ის მონიტორინგი, repository-ის ძიება და კოდის ანალიზი. Go-ში დაწერილია. ბუნებრივი ენის ბრძანებებით GitHub ოპერაციების ავტომატიზაცია Claude-ს, Copilot-ს, Cursor-ს ან ნებისმიერ MCP client-ს. 30,000+ ვარსკვლავი. |
| FastMCP | 27K | FastMCP Python-ში MCP სერვერებისა და კლიენტების შექმნის ყველაზე სწრაფი, Pythonic გზაა — „FastAPI for MCP". decorators-ით minimal code-ით სრულ MCP სერვერს წერ. Jeremiah Lowin-ის (Prefect-ის CEO) მიერ შექმნილი, Anthropic-ის MCP Python SDK-ზე დიდ გავლენას ახდენს. gofastmcp.com, 25,000+ ვარსკვლავი. საკუთარი MCP სერვერის დასაწყებად Python-ში — პირველი არჩევანი. |
| Serena | 28K | Serena coding agent-ებს IDE-ს დონის შესაძლებლობებს MCP სერვერის სახით აძლევს. Language Server Protocol-ს (LSP) იყენებს კოდის სემანტიკური ანალიზისთვის — symbols, references, definitions პირდაპირ, ისე რომ AI ტექსტური grep-ის მაგივრად კოდის სტრუქტურას რეალურად აღიქვამს. Python-ში დაწერილია, 25,000+ ვარსკვლავი. მუშაობს Claude Code-ში, Cursor-ში ან ნებისმიერ MCP client-ში — Cursor-ის ფასიანი ფუნქციების ღია ალტერნატივა. |
| A2A | 25K | A2A (Agent2Agent) — Google-ის ღია პროტოკოლი აგენტებს შორის ურთიერთქმედებისთვის: სხვადასხვა framework-ზე აგებული აგენტები ერთმანეთს აღმოაჩენენ და თანამშრომლობენ. MCP-ის დამატებითი, აგენტ-აგენტ ფენა. 25,000+ ⭐. |
| n8n-MCP | 23K | n8n-MCP MCP სერვერია, რომელიც AI ასისტენტს n8n ავტომატიზაციის ექსპერტად აქცევს — 1,396 n8n კომპონენტის დოკუმენტაცია, 2,646 კონფიგურაციის მაგალითი და 2,709 workflow template-ი. TypeScript-ში, n8n-mcp.com. Claude Desktop-ში, Claude Code-ში, Cursor-ში, Windsurf-ში. n8n Skills-თან (ამ კოლექციაშია) ერთად — AI n8n-ის ნებისმიერი workflow-ს შენ ნაცვლად ააწყობს. 21,000+ ვარსკვლავი. |
| PAL (ex-zen-mcp-server) | 12K | PAL (ყოფილი zen-mcp-server) — MCP სერვერი, რომელიც Claude Code-ს, Gemini CLI-სა და Codex-ს ერთ workflow-ში აერთიანებს მრავალ მოდელთან (OpenAI, Grok, Ollama, OpenRouter). კონტექსტი ნარჩუნდება ხელსაწყოებს შორის — code review, debugging, planning ერთობლივად. Python. |
| Exa MCP | 4.8K | Exa MCP Exa-ს (exa.ai) ოფიციალური MCP სერვერია — AI ასისტენტებს სემანტიკური ვებ ძიებისა და crawling-ის შესაძლებლობა აქვთ. TypeScript-ში დაწერილი. კოდის მაგალითების ძიება, კომპანიების კვლევა, real-time ვებ ინფორმაციის მოძიება — ყველა ერთ ინტერფეისში. Cursor-სა და VS Code-ში ერთი კლიკით ინსტალაცია. Perplexity MCP-ისა და Tavily MCP-ის ალტერნატივა Exa-ს neural search-ის ძლიერებით. 4,500+ ვარსკვლავი. |
| Notion MCP | 4.6K | Notion MCP Notion-ის ოფიციალური MCP სერვერია — AI ასისტენტს Notion-ის workspace-ზე სრული წვდომა ეძლევა: გვერდების კითხვა, შექმნა, განახლება და ბაზების query. TypeScript-ში დაწერილია, Notion-ის makenotion org-ის მიერ. მუშაობს Cursor-ში, Claude Code-ში და ნებისმიერ MCP client-ში. თუ Notion-ს project management-ისთვის ან ცოდნის ბაზად იყენებ, AI-ს მასზე პირდაპირი წვდომა ექნება. 4,400+ ვარსკვლავი. |
| Cloudflare MCP | 4.1K | mcp-server-cloudflare არის Cloudflare-ის ოფიციალური MCP სერვერების კოლექცია, რომელიც AI ასისტენტებს Cloudflare-ის პლატფორმის სრული მართვის საშუალებას აძლევს. Workers, KV, R2, D1, Browser Rendering, DNS ანალიტიკა და სხვა სერვისები — 13+ MCP სერვერი ერთ რეპოზიტორიაში. TypeScript-ში დაწერილი. Cloudflare-ის ინფრასტრუქტურის მართვა Claude-ს ან Cursor-ს შეუძლია პირდაპირ კონვერსაციიდან, CLI-ის გარეშე. |
| Supabase MCP | 2.9K | Supabase MCP AI ასისტენტებს Supabase-ის (open-source Firebase ალტერნატივა) მონაცემთა ბაზასთან, Auth-თან და Storage-თან აკავშირებს. TypeScript-ში, supabase.com/mcp. Cursor-ში, Claude Code-ში და Windsurf-ში: ბუნებრივი ენით სთხოვ ცხრილის შექმნას, მონაცემების კითხვას ან schema-ს ცვლილებას — Supabase dashboard-ის გარეშე. 2,700+ ვარსკვლავი. |
| Markdownify MCP | 2.9K | Markdownify MCP ნებისმიერი ტიპის ფაილს Markdown-ად გარდაქმნის AI ასისტენტებისთვის — PDF, სურათები, Word, Excel, PowerPoint, YouTube ვიდეო (transcript), ვებ გვერდი, აუდიო. TypeScript-ში. AI-ს "კვება" ნებისმიერი ფორმატიდან — ერთი სერვერი ყველა კონვერსიისთვის. RAG pipeline-ებისა და document analysis workflow-ებისთვის. 2,700+ ვარსკვლავი. |
| Perplexity MCP | 2.4K | Perplexity MCP Perplexity AI-ის ოფიციალური MCP სერვერია — AI ასისტენტებს real-time ვებ ძიების, ღრმა კვლევისა და მსჯელობის შესაძლებლობა ეძლევა. TypeScript/Node-ში. 3 ინსტრუმენტი: sonar-pro (ზოგადი search+chat), sonar-deep-research (კომპრეჰენსიული კვლევა), sonar-reasoning-pro (რთული ანალიზი). Cursor, VS Code, Kiro-ში ერთი კლიკით ინსტალაცია. Perplexity-ის citations-ზე დაფუძნებული პასუხები ჰალუცინაციებს ამცირებს. 2,300+ ვარსკვლავი. |
| Claude Peers MCP | 2.2K | Claude Peers MCP ლოკალური MCP სერვერია, რომელიც სხვადასხვა Claude Code სესიას ერთმანეთის აღმოჩენისა და real-time შეტყობინებების გაცვლის საშუალებას აძლევს. TypeScript-ში დაწერილია. თუ პარალელურად რამდენიმე პროექტზე მუშაობ სხვადასხვა Claude Code ინსტანციით, ისინი ერთმანეთთან კოორდინაციას შეძლებენ. 2,100+ ვარსკვლავი. |
| Tavily MCP | 2.3K | Tavily MCP production-ready MCP სერვერია real-time ვებ ძიებისთვის, კონტენტის extraction-ისთვის, sitemap-ისა და crawling-ისთვის — ყველა ოპერაცია ერთ სერვერში. JavaScript-ში. ჰოსტირებული ვერსიაც ხელმისაწვდომია (mcp.tavily.com) ლოკალური ინსტალაციის გარეშე. AI research agent-ებისა და automated web monitoring-ისთვის. 2,100+ ვარსკვლავი. |
| LinkedIn MCP | 3.1K | LinkedIn MCP LinkedIn-ის ღია კოდის MCP სერვერია — Claude-ს ან ნებისმიერ MCP-თავსებად AI ასისტენტს LinkedIn-ის profiles, companies, jobs და messages-ზე წვდომა ეძლევა. Python-ში. სამუშაოს მძებნელებისთვის (ვაკანსიების ავტო-ანალიზი), recruiters-ისთვის (კანდიდატების კვლევა) ან sales teams-ისთვის (prospect-ების ძიება). 2,300+ ვარსკვლავი — LinkedIn API-ის official SDK-ი არ არის, unofficial integration. |
| Stripe MCP | 1.7K | Stripe Agent Toolkit Stripe-ის ოფიციალური toolkit-ია AI-powered financial products-ის ასაშენებლად — MCP სერვერი, LangChain integration, CrewAI integration და Vercel AI SDK მხარდაჭერა ერთ პაკეტში. TypeScript-ში, docs.stripe.com/agents. AI ასისტენტს შეუძლია მომხმარებლების ძიება, payments-ის შექმნა, subscriptions-ის მართვა. Stripe-ის ოფიციალური, 1,600+ ვარსკვლავი — MCP-ზე ფოკუსირებული toolkit-ი. |
| Apify MCP | 3.1K | Apify MCP Apify-ის ოფიციალური MCP სერვერია — AI ასისტენტებს Apify Store-ის 1,000+ მზა web scraper-ი და automation tool ხელმისაწვდომი ხდება. Instagram, TikTok, Amazon, Google Maps, LinkedIn — ნებისმიერი ვებსაიტიდან სტრუქტურირებული მონაცემები. TypeScript-ში, mcp.apify.com. სოციალური მედიის monitoring-ისთვის, market research-ისთვის ან lead generation-ისთვის — 1,300+ ვარსკვლავი. |
| Power BI Modeling MCP | 1.1K | Power BI Modeling MCP Microsoft-ის ოფიციალური MCP სერვერია Power BI-ის სემანტიკური მოდელირებისთვის. AI ასისტენტს შეუძლია DAX შეკითხვების გაშვება, data models-ის შექმნა და რედაქტირება, row-level security და მრავალენოვანი თარგმანი — ბუნებრივი ენით. Power BI Desktop-თან, Fabric workspace-თან და Power BI Project ფაილებთან. Microsoft-ის ოფიციალური გამოშვება, 862 ვარსკვლავი — ჯერ ახალი, მაგრამ enterprise BI-სთვის მნიშვნელოვანი. |
| Sentry MCP | 809 | Sentry MCP Sentry-ის ოფიციალური MCP სერვერია error tracking-ის AI-სთან ინტეგრაციისთვის. AI ასისტენტს Sentry-ის error report-ებზე, stack trace-ებზე, issue-ების სიხშირის ტრენდებსა და performance მონაცემებზე წვდომა ეძლევა. TypeScript-ში დაწერილია, mcp.sentry.dev. Production bug-ების AI-ასისტირებული დიაგნოსტიკისთვის შეუცვლელია. 770+ ვარსკვლავი. |
| E2B MCP | 394 | E2B MCP E2B-ის MCP სერვერი იყო AI agent-ებისთვის cloud sandbox-ში კოდის გასაშვებად — Python, JavaScript, Bash იზოლირებულ გარემოში. JavaScript-ში. ყურადღება: ეს repo archived (მიტოვებული) სტატუსშია 2026 წლიდან — აქტიური მხარდაჭერა არ არის. E2B-ის ახალი MCP ინტეგრაციისთვის e2b.dev-ის ოფიციალური დოკუმენტაცია შეამოწმე. 394 ვარსკვლავი. |
🕷️ ვებ სკრეიპინგი და ბრაუზერი
Web Scraping & Browser — ვებ-გვერდების სკრეიპინგის, crawling-ისა და ბრაუზერის ავტომატიზაციის ხელსაწყოები AI აგენტებისთვის.
| რეპოზიტორია | ⭐ | აღწერა |
|---|---|---|
| Firecrawl | 164K | Firecrawl არის Mendable AI-ის (YC S23) ვებ-სკრეიპინგის API, რომელიც ნებისმიერ URL-ს AI-სთვის ოპტიმიზებულ Markdown-ად ან JSON-ად გარდაქმნის. ის წყვეტს LLM-ების ერთ-ერთ მთავარ პრობლემას — ვებ გვერდების „ჭუჭყიანი" HTML-ის სუფთა, სტრუქტურირებულ ფორმატად გადაყვანას. scrape, crawl, search და extract ოპერაციები ერთ API-ში ერთიანდება; JavaScript-ის რენდერი და anti-bot დაცვის გვერდის ავლა ჩაშენებულია. Python და TypeScript SDK-ები გამოყოფილია, self-hosted ან cloud deployment-ი შესაძლებელია. 133,000+ ვარსკვლავით ეს კატეგორიის ყველაზე პოპულარული ინსტრუმენტია AI pipeline-ებისთვის ვებ-მონაცემების მიწოდებაში. |
| Browser Use | 109K | Browser Use არის Python-ის ბიბლიოთეკა, რომელიც AI აგენტს ნამდვილი ბრაუზერის გამოსაყენებლად აძლევს შესაძლებლობას — ვებსაიტებზე ნავიგაცია, ფორმების შევსება, ღილაკებზე დაჭერა და ინფორმაციის ამოღება ისევე, როგორც ადამიანი. ის წყვეტს იმ პრობლემას, რომ LLM-ები ტექსტობრივი ინტერფეისებისთვის იყო განკუთვნილი, ხოლო ვების უმეტესი ნაწილი ვიზუალურია. Playwright-ზეა დაშენებული, multi-tab მხარდაჭერით, DOM-ის სტრუქტურის ავტომატური ანალიზით და OpenAI, Anthropic, Gemini მოდელებთან ინტეგრაციით. 99,000+ ვარსკვლავი და სწრაფად მზარდი ეკოსისტემა მას browser automation-ის defacto სტანდარტად აქცევს AI-native პროექტებში. |
| Crawl4AI | 78K | Crawl4AI არის ღია კოდის Python web crawler, რომელიც სპეციალურად LLM-ებისა და RAG pipeline-ებისთვის არის ოპტიმიზებული. მისი მთავარი ღირსება ის არის, რომ Firecrawl-ისგან განსხვავებით, სრულად უფასოა, ლოკალურად გაშვებადია და API-ის ლიმიტები არ გააჩნია. JavaScript-ის რენდერი, semantic chunking, structured data extraction (CSS/XPath/LLM-ზე დაფუძნებული) და async crawling ჩაშენებულია. Scrapy-ზე 6-ჯერ სწრაფია benchmark-ების მიხედვით; Python AsyncIO-ზე დაშენებული. ქართული RAG სისტემებისთვის, სადაც ვებ-მონაცემების ლოკალური შეგროვება გჭირდება, ეს ყველაზე ეფექტური არჩევანია. |
| Playwright MCP | 36K | Playwright MCP არის Microsoft-ის ოფიციალური MCP სერვერი, რომელიც Claude-ს, Cursor-ს და სხვა AI ასისტენტებს ვებ ბრაუზერის სრული კონტროლის საშუალებას აძლევს. AI ბრაუზერის accessibility tree-ს წაიკითხავს — ვიზუალური ელემენტების სტრუქტურას — სკრინშოტების გარეშე, რაც მუშაობას ბევრად ზუსტსა და სწრაფს ხდის. navigation, click, fill, screenshot, PDF export — ყველა ოპერაცია MCP პროტოკოლით ხდება ხელმისაწვდომი. TypeScript-ში დაწერილია, npm-ზე გამოქვეყნებული. |
| Agent Browser | 40K | Agent Browser Vercel Labs-ის (Next.js-ის შემქმნელების) CLI ინსტრუმენტია, რომელიც AI აგენტებს ბრაუზერის ავტომატიზაციის საშუალებას აძლევს. Rust-ში დაწერილია, რაც მაღალ სიჩქარესა და მეხსიერების დაბალ მოხმარებას უზრუნველყოფს, ვიზუალური ინტერფეისის ნაცვლად კი command-line ინტერფეისს გვთავაზობს — ამიტომ AI workflow-ებში ინტეგრაცია მარტივია. Vercel-ის ეკოსისტემის ნაწილია, 2026 წლის იანვარში გამოვიდა. |
| Lightpanda | 34K | Lightpanda არის headless ბრაუზერი, რომელიც ნულიდან Zig-ში დაიწერა სპეციალურად AI სამუშაო ნაკადებისა და automation-ისთვის. Chrome-თან შედარებით 11-ჯერ სწრაფია და 9-ჯერ ნაკლებ RAM-ს მოიხმარს, რაც მას სერვერულ გარემოში მასშტაბირებისთვის ეკონომიურ ალტერნატივად აქცევს. Puppeteer-ისა და Playwright-ის სკრიპტებთან თავსებადია, ანუ migration ნაკლები ძალისხმევით ხდება. Zig-ის low-level კონტროლი სრულ JavaScript-ის ინტერპრეტაციასთან ერთად გამოყენებულია web scraping-ის ინსტრუმენტებით დატვირთულ სერვერებზე. |
| page-agent | 29K | page-agent JavaScript in-page GUI აგენტია — ვებ-ინტერფეისებს ბუნებრივი ენით მართავს პირდაპირ გვერდზე. Alibaba-ს ღია პროექტი, TypeScript-ში. სთხოვ „დააჭირე login-ს და შეავსე ფორმა" და აგენტი რეალურ DOM-ზე მოქმედებს — ვებ-ავტომატიზაციისა და agentic browsing-ისთვის. 23,000+ ვარსკვლავი. browser-use-ისა და Stagehand-ის in-page ალტერნატივა. |
| Stagehand | 24K | Stagehand არის Browserbase-ის (YC W24) TypeScript SDK, რომელიც Playwright-ს AI-ს ბუნებრივ ენასთან ათავსებს. ნაცვლად ფიქსირებული სელექტორებისა, შეგიძლია ბრძანებები ბუნებრივ ენაზე მისცე: page.act("click the login button") ან page.extract("get the product price"). ეს hybrid მიდგომა — კოდი + ბუნებრივი ენა — Playwright-ის სუფთა ავტომატიზაციაზე უფრო სტაბილურია, რადგან LLM ადაპტირდება ვებ გვერდის სტრუქტურის ცვლილებებზე. TypeScript-ში დაწერილია, Python SDK-იც ხელმისაწვდომია. |
| CloakBrowser | 30K | CloakBrowser stealth Chromium-ია — ბრაუზერი, რომელიც Playwright-ის drop-in ჩანაცვლებად მუშაობს და ბოტების აღმომჩენ სისტემებს გვერდს უვლის: fingerprint-ებს JavaScript-ის ნაცვლად პირდაპირ C++ კოდში, კომპილაციამდე ცვლის (canvas, WebGL, audio და სხვა სიგნალები). ამის წყალობით reCAPTCHA v3-ს, Cloudflare Turnstile-სა და 30-ზე მეტ detection სერვისს გადის; residential proxy-ისა და ადამიანური ქცევის იმიტაციის მხარდაჭერაც აქვს. dual-use ინსტრუმენტია — ავტორები მას ავტორიზებული ავტომატიზაციისა და AI აგენტების ინტეგრაციისთვის სთავაზობენ, Stagehand-სა და Browser Use-ს კი anti-bot კონტექსტში ბუნებრივად ავსებს. |
| Skyvern | 23K | Skyvern — AI ბრაუზერ-ავტომატიზაცია vision-LLM-ით, მყიფე selector-ების გარეშე. Playwright-თავსებადი SDK და no-code workflow builder; ვებ-გვერდებთან მუშაობს layout-ის ცვლილების მიუხედავად და უცნობ საიტებსაც უმკლავდება. Python. |
| Agent-Reach | 70K | Agent-Reach არის Python CLI ინსტრუმენტი, რომელიც AI აგენტს 10+ სოციალური და საინფორმაციო პლატფორმის წაკითხვის უნარს აძლევს ერთი ინტერფეისით. Twitter/X, Reddit, YouTube, GitHub, Bilibili, XiaoHongShu და სხვა — ყველა ერთი სტანდარტული API-ით, ოფიციალური API გასაღებების გარეშე (zero API fees). Python-ში დაწერილი, 2026 წლის თებერვლიდან 30,000+ ვარსკვლავი დააგროვა — ეს ტემპი სისწრაფეზე მეტყველებს. AI კვლევის, მონიტორინგის და მონაცემთა შეგროვების სამუშაო ნაკადებისთვის გამოსაყენებელია. |
| opencli | 28K | opencli არის JavaScript-ის universal CLI runtime, რომელიც ნებისმიერ ვებსაიტს, Electron-ის აპლიკაციას ან ადგილობრივ პროგრამას სტანდარტული ტერმინალის ბრძანებად გარდაქმნის. AI-native ინტეგრაციისთვის AGENT.md ფორმატს იყენებს, რომელიც AI-ს აძლევს კონტექსტს ხელსაწყოს გამოყენების შესახებ. 70+ ინსტრუმენტი უკვე მხარდაჭერილია, ახალი ხელსაწყოების დამატება კი გარე API-ის გარეშეა შესაძლებელი. 2026 წლის მარტში გამოშვებული, სწრაფად იკრებს პოპულარობას AI CLI ეკოსისტემაში. |
| Playwright CLI | 12K | Playwright CLI არის Microsoft-ის TypeScript ინსტრუმენტი Playwright-ის ბრაუზერის ტესტებისა და სკრიპტების სამართავად ტერმინალიდან. ის ბრაუზერში ნებისმიერ მოქმედებას ჩაწერს და ავტომატურად გენერირებს Playwright კოდს — JavaScript, TypeScript, Python ან C#-ში. სელექტორების ინსპექტირება, სკრინშოტები და tracing-ი ჩაშენებულია. MCP სერვერის ოვერჰედის გარეშე მუშაობს, სადაც მხოლოდ ბრძანების ხაზი კმარა. |
| Agent-S | 12K | Agent-S — ღია computer-use agent framework: აგენტი კომპიუტერს იყენებს ადამიანივით — ხედავს ეკრანს, აჭერს, წერს — GUI-ს ვიზუალურ დაფუძნებით. 12,000+ ⭐. |
| UI-TARS | 11K | UI-TARS ByteDance-ის GUI-აგენტის vision მოდელია, რომელიც ეკრანის სკრინშოტს პირდაპირ მოქმედებად აქცევს — ღილაკზე დაჭერად ან ტექსტის ჩაწერად — შუალედური parsing ეტაპის გარეშე. computer-use ტიპის აგენტებისთვისაა განკუთვნილი, სადაც AI კომპიუტერს ადამიანივით მართავს. 11,000+ ვარსკვლავი. |
| Firecrawl MCP Server | 7.2K | Firecrawl MCP Server არის Firecrawl-ის ოფიციალური MCP ინტეგრაცია, რომელიც Claude Desktop-ს, Cursor-ს და სხვა MCP-თავსებად AI ასისტენტებს ვებ-სკრეიპინგის სრულ შესაძლებლობებს უმატებს. scrape, crawl, search, deep research — 12+ ინსტრუმენტი ერთ სერვერშია, ავტომატური retry-ითა და rate limiting-ით. JavaScript-ში დაწერილია და Firecrawl API-ის გასაღები სჭირდება; ინსტალაციის შემდეგ AI-ს ნებისმიერი ვებ გვერდის სკრეიპინგი პირდაპირ საუბრიდანვე შეუძლია. |
| Browser Harness | 17K | Browser Harness არის Browser Use გუნდის Python ფრეიმვორკი, რომელიც LLM-ებს ბრაუზერში ნებისმიერი ამოცანის შესრულების საშუალებას აძლევს self-healing მექანიზმით. „Self-healing" ნიშნავს, რომ ვებ გვერდის სტრუქტურა ან CSS სელექტორი რომ შეიცვალოს, სისტემა ავტომატურად ადაპტირდება და სამუშაო ნაკადი არ ირღვევა. 2026 წლის აპრილში გამოშვებული, სწრაფად ვითარდება Browser Use-ის ეკოსისტემის ფარგლებში. Python-ში დაწერილი, LLM-ების ბრაუზერ-ავტომატიზაციის სიმტკიცეს ამაღლებს. |
| Bright Data MCP | 2.6K | Bright Data MCP არის Bright Data-ს ოფიციალური MCP სერვერი, რომელიც AI ასისტენტებს ვებ-სკრეიპინგის საშუალებას აძლევს anti-bot დაცვის გვერდის ავლით. მის უკან Bright Data-ს კომერციული proxy ქსელი დგას — მილიონობით IP-ით — რაც ბლოკირებულ ვებ გვერდებზე წვდომას შესაძლებელს ხდის. JavaScript-ში დაწერილია და Bright Data-ს API გასაღები სჭირდება (ფასიანი სერვისი); იქ, სადაც ვებ-მონაცემები კომერციულად მნიშვნელოვანია და ჩვეულებრივი scraper-ები იბლოკება, ეს პრემიუმ გამოსავალია. |
| rdrr | 172 | rdrr არის TypeScript-ის CLI ინსტრუმენტი, რომელიც ნებისმიერ URL-ს AI-სთვის სუფთა Markdown-ად გარდაქმნის headless ბრაუზერის გარეშე. ვებ გვერდები, YouTube ვიდეოები, GitHub issues/PR-ები, PDF-ები და X/Twitter პოსტები — ყველა ერთი ბრძანებით. 20+ საიტ-სპეციფიკური extractor ჩაშენებულია, რაც HTML-ის ჩვეულებრივ parsing-ზე ბევრად სუფთა შედეგს იძლევა. CLI-ისა და ბიბლიოთეკის სახით გამოიყენება. 2026 წლის მარტში გამოშვებული ახალი პროექტია; ამჟამად 166 ვარსკვლავი. |
🧬 AI აგენტების ფრეიმვორკები
AI Agent Frameworks & Orchestration — ბიბლიოთეკები და პლატფორმები, რომლებზეც დეველოპერები საკუთარ AI აგენტებსა და multi-agent სისტემებს აშენებენ.
| რეპოზიტორია | ⭐ | აღწერა |
|---|---|---|
| AutoGPT | 186K | AutoGPT — ავტონომიური AI აგენტების ფუძემდებლური, ერთ-ერთი ყველაზე ცნობილი პლატფორმა (185k+ ⭐): GPT-ზე დაშენებული აგენტი, რომელიც მიზანს თავად ანაწილებს ქვე-ამოცანებად და ასრულებს ადამიანის ჩარევის მინიმუმით. ახლა low-code agent builder-ად განვითარდა (frontend + server). 2023-ის autonomous-agent ბუმის დამწყები. Python. |
| LangChain | 144K | LangChain არის Python-ისა და JavaScript-ის ფრეიმვორკი LLM-ზე დაფუძნებული აპლიკაციებისა და AI აგენტების ასაშენებლად, Harrison Chase-მა 2022 წლის ოქტომბერში შექმნა. ის 700+ ინტეგრაციას, chains, agents, memory, document loaders და tools-ის პრიმიტივებს გვთავაზობს ერთ ეკოსისტემაში. LangGraph (გრაფ-დაფუძნებული ორკესტრაცია) და LangSmith (მონიტორინგი) LangChain-ის ეკოსისტემის ნაწილია. 139,000+ ვარსკვლავით ყველაზე ფართოდ გავრცელებული AI ფრეიმვორკია; ბევრი სხვა ფრეიმვორკი მის კონვენციებს მიჰყვება, თუმცა LangChain-ზე პირდაპირ არ არის დამოკიდებული. |
| DeerFlow | 80K | DeerFlow — ByteDance-ის ღია long-horizon „SuperAgent" harness, რომელიც sandbox-ებით, მეხსიერებით, tool-ებით, skill-ებითა და subagent-ებით იკვლევს, წერს კოდს და ქმნის. ერთ-ერთი ყველაზე მაღალ-ვარსკვლავიანი agent harness GitHub-ზე. 77,000+ ⭐. |
| MetaGPT | 70K | MetaGPT არის Python-ის მრავალაგენტური ფრეიმვორკი, სადაც AI აგენტები Product Manager, Architect, Engineer და QA ინჟინრის როლებს ითამაშებენ პროგრამული პროდუქტის ერთობლივად შესაქმნელად. ერთი ბუნებრივი ენის მოთხოვნიდან — PRD-მდე, design doc-მდე, კოდამდე და ტესტებამდე — სრული pipeline-ი ავტომატურად გადის. ჩინური DeepWisdom კომპანიის შექმნილია, 2023 წელს გამოვიდა და სწრაფად 68,000+ ვარსკვლავი დააგროვა. CrewAI-ისა და AutoGen-ის ალტერნატიულ მიდგომას წარმოადგენს — role-playing paradigm-ის საფუძველია. |
| MiroFish | 71K | MiroFish — Python-ის „გროვის ინტელექტის“ (swarm intelligence) სიმულაციური ძრავა: ათასობით AI აგენტის — ინდივიდუალური პიროვნებითა და მეხსიერებით — სიმულაციას ახდენს ბაზრებისა და სხვა სისტემების პროგნოზირებისთვის. ცენტრალური „ტვინი“ არ არსებობს — კოლექტიური პროგნოზი აგენტების ქცევიდან თავისთავად ყალიბდება. Docker-ით ადვილად ეშვება; ეს კვლევითი ინსტრუმენტია და არა agent builder. |
| AutoGen | 60K | AutoGen არის Microsoft Research-ის Python ფრეიმვორკი, სადაც რამდენიმე AI აგენტი ერთმანეთთან ესაუბრება და კომპლექსურ პრობლემებს ერთობლივად წყვეტს. conversation pattern-ები, tool use, human-in-the-loop, code execution — ყველა abstractions-ი ჩაშენებულია. 2026 წლის აპრილში Semantic Kernel-თან ერთად Microsoft Agent Framework 1.0-ის ოფიციალურ ნაწილად გამოცხადდა. Python-ში, MIT ლიცენზიით. Microsoft Azure-სთან ღრმა ინტეგრაცია, enterprise AI deployments-ისთვის გამოიყენება. |
| CrewAI | 57K | CrewAI არის Python-ის ფრეიმვორკი, სადაც AI აგენტებს სხვადასხვა „თანამდებობა“ ენიჭებათ — მკვლევარი, მწერალი, შემმოწმებელი — და ისინი ერთი გუნდივით, ერთობლივად ასრულებენ ამოცანებს. აგენტები backstory-ით, goal-ებითა და კონკრეტული tools-ით კონფიგურირდება, რაც მას role-playing პარადიგმით სხვა ფრეიმვორკებისგან გამოარჩევს. 100,000+ დეველოპერი იყენებს production-ში, დღეში 12+ მილიონი ამოცანა სრულდება CrewAI-ზე — multi-agent სამუშაო ნაკადის სწრაფად ასაწყობად ერთ-ერთი ყველაზე მარტივი გზაა. |
| nanobot | 47K | nanobot არის HKUDS-ის (ჰონგ კონგის მეცნიერებისა და ტექნოლოგიის უნივერსიტეტი) ულტრა-მსუბუქი Python AI აგენტი, რომლის სრული კოდბაზა 4,000 ხაზს არ აღემატება. კომპლექსური ფრეიმვორკებისგან განსხვავებით, nanobot-ის ბირთვი transparent-ია — ადვილია გაგება, მოდიფიცირება და deploy-ი. Telegram, Discord, Slack, WhatsApp და 5+ სხვა პლატფორმაზე მუშაობს პირველადი კონფიგურაციით. HKUDS OpenSpace ეკოსისტემის ნაწილია. 44,000+ ვარსკვლავი სწრაფად მოაგროვა სიმარტივისა და ეფექტურობის კომბინაციის გამო. |
| agno | 42K | agno (ყოფილი phidata) არის Python-ის lightweight production framework AI აგენტებისთვის, რომელიც 2025 წელს rebrand-ი გაიარა. agents, multi-agent teams, workflows, memory, tools, knowledge bases და monitoring ერთ მინიმალური dependencies-ის პაკეტში ერთიანდება. სხვა ფრეიმვორკებისგან განსხვავებით, agno-ს ბირთვი მარტივი და გასაგებია — production deployment-ისთვის ზედმეტი abstractions-ი არ დაგჭირდება. 40,000+ ვარსკვლავი; მცირე გუნდებისთვის, ვინც LangChain-ის სირთულის გარეშე production-ready აგენტებს ქმნის, ეს ეფექტური ჩარჩოა. |
| AgentGPT | 36K | AgentGPT — ბრაუზერში ავტონომიური AI აგენტების აწყობა, კონფიგურაცია და გაშვება: მისცე მიზანი და აგენტი თავად დაგეგმავს და შეასრულებს ნაბიჯებს, კოდის გარეშე, პირდაპირ ვებ-ინტერფეისიდან. TypeScript, 36k+ ⭐ — autonomous-agent-ების ხელმისაწვდომი შესავალი. |
| CopilotKit | 37K | CopilotKit — frontend-სტეკი აგენტებისა და generative UI-სთვის. React, Angular, Vue, mobile და Slack — ერთი agent backend-ით აშენებ AI ჩატებს, copilot-ებსა და დინამიკურ UI კომპონენტებს. აგენტის ინტერფეისის აშენების მთავარი ღია ფრეიმვორკი. |
| DSPy | 37K | DSPy არის Stanford NLP-ის Python ფრეიმვორკი, რომელიც LLM-ებთან მუშაობის პარადიგმას ცვლის: prompt-ის ხელით წერის ნაცვლად პროგრამულ სტრუქტურებს (signatures, modules, optimizers) სწერ. DSPy ავტომატურად ოპტიმიზებს prompt-ებსა და few-shot examples-ს მოცემული მეტრიკის მიხედვით — ანუ კომპილატორი prompt-ებისთვის. Omar Khattab-ის ხელმძღვანელობით შეიქმნა, NeurIPS-ისა და EMNLP-ის ნაშრომებით მხარდაჭერილია. ვინც LLM pipeline-ებს წერს და prompt engineering-ის ხელნაწერ სამუშაოს მცირე კოდით ჩაანაცვლებს, ეს ფრეიმვორკი მთავარი ინსტრუმენტია. |
| ChatDev | 34K | ChatDev — ვირტუალური სოფტვერ-კომპანია multi-agent თანამშრომლობით: CEO, CTO, პროგრამისტი, ტესტერი, დიზაინერი — სპეციალიზებული LLM-აგენტები ერთად ქმნიან სრულ პროგრამას ბუნებრივი ენის დავალებიდან. OpenBMB-ის კვლევითი პროექტი (ChatDev 2.0). Python, 33k+ ⭐. MetaGPT-ის მონათესავე. |
| RuFlo (ex-Claude Flow) | 68K | RuFlo v3.5 (ყოფილი Claude Flow) Enterprise AI Orchestration Platform-ია — „distributed swarm intelligence" მიდგომით რამდენიმე AI agent პარალელურად ასრულებს ერთ workflow-ს. RAG ინტეგრაცია, native Claude Code + Codex მხარდაჭერა, enterprise-დონის არქიტექტურა. TypeScript-ში, ruvnet (ruv.io) platform-ის ნაწილი. 59,000+ ვარსკვლავი — ერთ-ერთი ყველაზე ფუნქციონალური multi-agent orchestration ხელსაწყო Claude Code ეკოსისტემაში. |
| LangGraph | 39K | LangGraph არის LangChain AI-ის Python ფრეიმვორკი, სადაც AI აგენტების ლოგიკა მიმართული გრაფის სახით (nodes + edges) იგება. ეს საშუალებას იძლევა რთული სცენარები — ციკლები, ტოტები, შუალედური მდგომარეობის შენახვა — LangChain-ის ხაზოვანი chains-ის მიღმა. built-in checkpointing, human-in-the-loop და streaming ჩაშენებულია. Uber, LinkedIn, Klarna production-ში იყენებს. long-running, stateful AI სამუშაო ნაკადებისთვის — customer support, code review, research — LangGraph production-ის სტანდარტი გახდა. |
| Semantic Kernel | 28K | Semantic Kernel არის Microsoft-ის SDK AI-ის enterprise აპლიკაციებში ინტეგრაციისთვის, C#, Python და Java-ში. plugin-based არქიტექტურა AI ფუნქციების ჯაჭვური გამოძახების საშუალებას იძლევა; Azure OpenAI, Azure AI Foundry და Microsoft Copilot-თან ღრმა ინტეგრაცია აქვს. AutoGen-თან ერთად Microsoft Agent Framework 1.0-ის ნაწილია (2026 აპრილი). Microsoft-ის ეკოსისტემაში (.NET, Azure, Office 365) მომუშავე enterprise გუნდებისთვის AI ინტეგრაციის ყველაზე ბუნებრივი გზაა. |
| smolagents | 29K | smolagents არის Hugging Face-ის მინიმალისტური Python ბიბლიოთეკა AI აგენტებისთვის, რომელიც „code-first" მიდგომას ეფუძნება — აგენტები JSON-ის ნაცვლად Python კოდს წერენ მოქმედებების შესასრულებლად. ბიბლიოთეკის სრული ბირთვი 2,000 ხაზ კოდამდეა, რაც განსაკუთრებით გასაგებსა და გასახვეწ ხდის. 100+ LLM მოდელი მხარდაჭერილია — Hugging Face-ის, OpenAI-ის, Anthropic-ის, Ollama-სა და სხვა. ToolCallingAgent (JSON tool calls) და CodeAgent (Python კოდი) ორი მთავარი ინტერფეისია. ვინც მარტივი, transparent agent logic-ი სურს, smolagents ოპტიმალური საწყისი წერტილია. |
| Haystack | 26K | Haystack — deepset-ის production-ready AI ორკესტრაციის ფრეიმვორკი. მოდულური pipeline-ები და agent workflow-ები retrieval-ზე, routing-ზე, მეხსიერებასა და გენერაციაზე სრული კონტროლით. RAG-ისა და LLM აპლიკაციების ერთ-ერთი ყველაზე მომწიფებული ღია ფრეიმვორკი — LangChain-ისა და LlamaIndex-ის სანდო ალტერნატივა. |
| OpenAI Agents SDK | 29K | OpenAI Agents SDK არის OpenAI-ის ოფიციალური Python ფრეიმვორკი multi-agent სამუშაო ნაკადებისთვის. agents, handoffs, guardrails, tracing, human-in-the-loop, ხმოვანი აგენტები — ყველა abstractions ჩაშენებულია მინიმალური კოდის ზრდით. Swarm-ის (OpenAI-ს ადრინდელი სასწავლო ფრეიმვორკი) production-ready მემკვიდრეა. 100+ LLM მხარდაჭერილია, არა მხოლოდ OpenAI-ს მოდელები. 2025 წლის მარტიდან v0.14-მდე სწრაფი განვითარება; CrewAI-ისა და AutoGen-ის პირდაპირი კონკურენტი OpenAI-ისგანვე. |
| deepagents | 28K | deepagents — LangChain-ის „deep agents" framework: გრძელ, მრავალ-ნაბიჯიან ამოცანებზე მომუშავე აგენტები დაგეგმვის, subagent-ებისა და file-system-ის ინსტრუმენტებით. 26,000+ ⭐. |
| Vercel AI SDK | 26K | Vercel AI SDK არის Vercel-ის (Next.js-ის შემქმნელების) TypeScript toolkit, რომლითაც full-stack AI აპლიკაციები სწრაფად იგება. streaming responses, tool calling, structured outputs და multi-step agents ჩაშენებულია React/Next.js-ისთვის ოპტიმიზებულად, ხოლო OpenAI, Anthropic, Google, Mistral, Ollama და სხვა provider-ები ერთი unified API-ით არის ხელმისაწვდომი. თვეში 20+ მილიონი ჩამოტვირთვით npm-ზე, React/Next.js სამყაროში AI აპლიკაციების აშენების de facto სტანდარტია. |
| Mastra | 27K | Mastra არის TypeScript-ის AI ფრეიმვორკი Gatsby-ის გუნდისგან (YC W25, $13M დაფინანსება), რომელიც agents, workflows, RAG, evaluations და integrations ერთ toolkit-ში აერთიანებს. სხვა JS/TS ფრეიმვორკებისგან მას ჩაშენებული evaluation suite (აგენტების ხარისხის გაზომვა) და workflow engine გამოარჩევს. Node.js/TypeScript სტეკზე მომუშავე გუნდებისთვის, რომლებსაც AI production-ში გააქვთ, ძლიერი ალტერნატივაა. |
| Swarm | 22K | Swarm არის OpenAI Solution Team-ის სასწავლო Python ფრეიმვორკი, რომელიც მრავალაგენტური ორკესტრაციის ძირითად ცნებებს — agents და handoffs — მინიმალური კოდით ასახავს. ის production-ისთვის განკუთვნილი არ არის (GitHub-ზე official status-ი ამ მიმართულებით ნათლად მიუთითებს), არამედ სასწავლო რესურსია OpenAI Agents SDK-ის (openai-agents-python) კონცეფციების გასაგებად. Swarm-ის სიმარტივის ფილოსოფია საფუძვლად დაედო OpenAI-ის ახალ ოფიციალურ Agents SDK-ს. ვისაც multi-agent სისტემების ლოგიკა სურს სწრაფად გაიგოს — ეს ყველაზე მოკლე სასწავლო გზაა. |
| Archon | 23K | Archon არის ღია კოდის TypeScript ინსტრუმენტი, რომელიც AI კოდირების სამუშაო ნაკადებს deterministic-სა და განმეორებადს ხდის YAML-ში აღწერილი harness-ებით. იდეა მარტივია: კოდს AI კვლავ თავად წერს, მაგრამ ფიქსირებულ ფაზებს გადის — planning, implementation, validation, review — და ყოველი ნაბიჯი აუდიტს ექვემდებარება და უკან დაბრუნებადია. განსაკუთრებით ეფექტურია CI/CD pipeline-ებში, სადაც AI-ის მიერ დაწერილი კოდი production-ში მიდის — „Dockerfile AI-ისთვის“ კონცეფციის პრაქტიკული განხორციელება. |
| Generative Agents | 22K | Generative Agents — Stanford-ის landmark კვლევა („Smallville"): 25 AI აგენტი ცხოვრობს ვირტუალურ ქალაქში, ინახავს მოგონებებს, გეგმავს და ურთიერთობს ადამიანივით. multi-agent სიმულაციის საფუძველი. 22,000+ ⭐. |
| Pydantic AI | 19K | Pydantic AI არის Pydantic-ის გუნდის Python ფრეიმვორკი AI აგენტებისთვის, რომელიც type safety-სა და validation-ს არქიტექტურის ცენტრში ათავსებს. რადგან AI ეკოსისტემის დიდი ნაწილი (OpenAI SDK, Anthropic SDK, LangChain) ისედაც Pydantic-ზეა დაშენებული, ეს ფრეიმვორკი ამ ეკოსისტემის ბუნებრივი გაგრძელებაა. dependency injection, structured outputs, multi-turn conversations და ჩაშენებული მონიტორინგი (Pydantic Logfire) აგენტების ვალიდაციასა და debugging-ს საგრძნობლად ამარტივებს. |
| Agent Zero | 19K | Agent Zero — პერსონალური, ორგანულად მზარდი agent framework: არა წინასწარ განსაზღვრული, არამედ სწავლადი და self-improving; კომპიუტერს იყენებს ინსტრუმენტად. 18,000+ ⭐. |
| SuperAGI | 18K | SuperAGI — dev-first ღია ავტონომიური agent პლატფორმა: აგენტების აგება, გაშვება და მართვა GUI-ით, tool-ებით, concurrent agent-ებითა და telemetry-ით. 18,000+ ⭐. |
| Pipecat | 14K | Pipecat — production-დონის ხმის (voice) AI ფრეიმვორკი: sub-250ms latency, WebRTC, multimodal (ხმა+ხედვა+ტექსტი), real-time streaming და 70+ ენა. ხმის აგენტების (სატელეფონო, ასისტენტები) ასაშენებლად — Vapi/Retell-ის ღია ალტერნატივა. |
| Microsoft Agent Framework | 13K | Microsoft Agent Framework Microsoft-ის ოფიციალური multi-language framework-ია production-grade AI აგენტებისა და multi-agent workflow-ებისთვის — AutoGen-ისა და Semantic Kernel-ის (ორივე ამ კოლექციაშია) გაერთიანებული მემკვიდრე. Python + .NET/C#, MIT, python-1.7.0 (2026 წლის 28 მაისი). sequential/concurrent/handoff/group orchestration patterns, ჩაშენებული OpenTelemetry observability, YAML-declarative აგენტები, middleware და interactive DevUI. 11,000+ ვარსკვლავი — ვინც AutoGen-ს ან Semantic Kernel-ს იყენებდა, მიგრაციის ოფიციალური სამიზნე ეს enterprise multi-agent სტეკია. |
| flue | 7.8K | flue „sandbox agent framework"-ია Astro-ს გუნდისგან — AI აგენტების იზოლირებულ sandbox-ში გაშვების framework. TypeScript-ში, Astro-ს ეკოსისტემასთან შესაბამისობით. ახალი, სწრაფად მზარდი პროექტი (7,000+ ⭐) იმ დეველოპერებისთვის, ვისაც აგენტების უსაფრთხო, კონტროლირებად გარემოში გაშვება სჭირდება. |
| OpenSpace | 7.3K | OpenSpace არის HKUDS-ის Python ფრეიმვორკი AI აგენტების თვითგანვითარებისთვის — AUTO-FIX, AUTO-IMPROVE, AUTO-LEARN მექანიზმებით. აგენტები ახალ სიტუაციებიდან ნასწავლ „უნარებს" ერთმანეთს უზიარებენ distributed skill library-ის მეშვეობით. benchmark-ების მიხედვით baseline-ზე 4.2-ჯერ მაღალ შედეგს აჩვენებს 46%-ით დაბალი ხარჯებით. HKUDS nanobot-ისა და DeepTutor-ის ეკოსისტემის ნაწილია. სწრაფად დააგროვა 6,500+ ვარსკვლავი — კვლევით AI მიმართულებებში ზრდის ტემპი შთამბეჭდავია. |
| Open Agents | 5.8K | Open Agents არის Vercel Labs-ის ღია კოდის reference template ღრუბლოვანი AI agent-ების ასაშენებლად. agent VM sandbox-ში ეშვება, GitHub-ს ინტეგრაცია, workflow runtime და ჩაშენებული ვებ-ინტერფეისი შედის. TypeScript-ში, Vercel-ზე ადვილად დეპლოისებადი. ლოკალური კომპიუტერის გარეშე ფონური coding agent-ებისთვის — reference implementation, არა production-ready პლატფორმა. |
🔁 Workflow და No-Code ბილდერები
No-Code & Workflow Builders — ვიზუალური, drag-and-drop პლატფორმები AI workflow-ებისა და აგენტების ასაშენებლად კოდის გარეშე.
| რეპოზიტორია | ⭐ | აღწერა |
|---|---|---|
| n8n | 200K | n8n არის TypeScript-ში დაწერილი fair-code ავტომატიზაციის პლატფორმა 400+ ინტეგრაციით, სადაც ვიზუალური no-code builder custom JavaScript/Python კოდთან ერთად მუშაობს. Gmail, Slack, Airtable, ყველა მთავარი ღრუბელი სერვისი და AI provider-ი node-ების სახით ხელმისაწვდომია. self-hosted ან cloud deployment — fair-code ლიცენზია კომერციულ გამოყენებას self-hosted სახით ნებას რთავს. 192,000+ ვარსკვლავით Zapier-ის ყველაზე პოპულარული ღია ალტერნატივაა; AI Pulse Georgia-ს ინფრასტრუქტურის ნაწილია (aipulsegeorgia2025.app.n8n.cloud). |
| Langflow | 153K | Langflow არის Python-ის ვიზუალური პლატფორმა AI აგენტებისა და workflow-ების drag-and-drop ინტერფეისით ასაშენებლად — კოდის გარეშე. LangChain-ის კომპონენტები გრაფიკული ბლოკების სახით ხდება ხელმისაწვდომი: LLM-ები, vector stores, agents, tools ერთმანეთს მიებმება. MCP მხარდაჭერა, 100+ ინტეგრაცია. DataStax-ის მიერ შეძენილია. Python-ის backend, 20,000+ ორგანიზაცია production-ში იყენებს. ვინც Python-ის სტეკს ამჯობინებს და ვიზუალური AI builder სჭირდება, Langflow ოპტიმალური არჩევანია. |
| Dify | 152K | Dify არის production-ready პლატფორმა AI აგენტების, chatbot-ებისა და RAG-ზე დაფუძნებული სისტემების ასაშენებლად ვიზუალური ინტერფეისით. ჩატბოტები, workflow-ები, knowledge base-ები და ტექსტის გენერატორები — ოთხივე ტიპის აპლიკაცია GUI-დან კონფიგურირდება; Google Search, DALL-E და 100+ ინსტრუმენტი ჩაშენებულია, self-hosted ან Dify Cloud. 149,000+ ვარსკვლავით GitHub-ის ერთ-ერთი ყველაზე პოპულარული AI პროექტია — კომპანიებისთვის, რომლებსაც AI პროდუქტის production-ში გატანა კოდში დიდი ინვესტიციის გარეშე სურთ. |
| Flowise | 55K | Flowise არის TypeScript-ზე დაწერილი drag-and-drop ვიზუალური AI builder, სადაც LLM-ები, აგენტები, vector store-ები და ინსტრუმენტები გრაფიკულ ბლოკებად ერთმანეთს უკავშირდება. LangChain.js-ის კომპონენტებზეა აშენებული — JavaScript/Node.js სტეკი, 100+ ინტეგრაცია, self-hosted ან Flowise Cloud. არატექნიკური მომხმარებლებიც შეძლებენ AI workflow-ების ვიზუალურად აწყობას; გუნდებისთვის, რომლებიც Node.js-ს ამჯობინებენ, ეს Langflow-ის (Python) პირდაპირი ანალოგია. |
| Activepieces | 24K | Activepieces არის TypeScript-ზე დაწერილი AI-first workflow automation პლატფორმა — n8n-ის ღია ალტერნატივა MIT ლიცენზიით და 400+ MCP სერვერის native მხარდაჭერით. AI აგენტები, MCP ინტეგრაციები და ვიზუალური workflow builder ერთ პაკეტშია; self-hosted ან cloud. n8n-ისგან MCP-first მიდგომით განსხვავდება — თუ ვიზუალურ ავტომატიზაციასთან ერთად MCP ეკოსისტემის სრული მხარდაჭერა გჭირდება, Activepieces სწორედ ამ კომბინაციას გთავაზობს. |
💼 AI ასისტენტები და ბიზნეს-აგენტები
AI Assistants & Business Agents — მზა, გამოსაყენებლად მზა AI ასისტენტები, chat UI-ები და ბიზნეს-ავტომატიზაციის აგენტები.
| რეპოზიტორია | ⭐ | აღწერა |
|---|---|---|
| OpenClaw | 386K | OpenClaw არის TypeScript-ის პერსონალური AI ასისტენტი, რომელიც ნებისმიერ ოპერაციულ სისტემასა და პლატფორმაზე მუშაობს. WhatsApp, Telegram, Slack, Discord, iMessage — 20+ არხი ერთი AI backend-ით ემსახურება. ხმოვანი ინტერფეისი, Canvas (ვიზუალური სამუშაო სივრცე) და real-time ინტერნეტის ძიება ჩაშენებულია. TypeScript-ში, 378,000+ ვარსკვლავი — ეს კატეგორიის ყველაზე ვარსკვლავიანი პროექტია. ინდივიდუალური მომხმარებლებისთვის ან მცირე გუნდებისთვის, ვინც ყველა კომუნიკაციის არხი ერთი AI-ით მართოს, მოსახერხებელი გადაწყვეტაა. |
| Open WebUI | 148K | Open WebUI არის ChatGPT-ის სტილის AI ინტერფეისი, რომელიც შენს საკუთარ სერვერზე ან კომპიუტერზე ეშვება — ყველა მონაცემი ლოკალურია, ღრუბელში არაფერი მიდის. Ollama-ს, OpenAI API-ის, Claude-ის, Gemini-სა და ათეულობით სხვა provider-ის მხარდაჭერა ჩაშენებულია. RAG (საკუთარი დოკუმენტების კითხვა), ხმოვანი ზარები, agent builder, multi-user auth — ყველა ფუნქცია ერთ სამართავ panel-ში. 355,000+ კომუნიტის წევრი; 141,000+ ვარსკვლავი. ორგანიზაციებისთვის, ვინც privacy-first AI-ს ქმნის, defacto ინსტრუმენტია. |
| Hermes-agent | 228K | Hermes Agent არის Nous Research-ის Python AI აგენტი, რომელიც გამოცდილებიდან სწავლობს და სესიებს შორის მეხსიერებას ინახავს — „იზრდება" მომხმარებელთან ერთად. Telegram-ში, Discord-ში, Slack-ში, WhatsApp-ში და ავტომატურ განრიგზე მუშაობს. 194,000+ ვარსკვლავით ამ კოლექციის ერთ-ერთი ყველაზე სწრაფად მზარდი პროექტია. Nous Research ცნობილია მაღალხარისხიანი ღია LLM მოდელებით (Hermes სერია); ეს აგენტი იმავე ფილოსოფიას ახორციელებს — ძლიერი, ღია, multi-channel მზა აგენტი OpenClaw-ის ოჯახიდან. |
| gpt4all | 77K | GPT4All არის Nomic AI-ის C++-ში დაწერილი ინსტრუმენტი ლოკალური LLM-ების ნებისმიერ მოწყობილობაზე გასაშვებად — Mac, Windows, Linux, GPU-ს გარეშეც. desktop GUI, Python SDK და REST API ერთ პაკეტში გვთავაზობს. ⚠️ აქტიური განვითარება შეჩერებულია: ბოლო GitHub commit 2025 წლის მაისია, Nomic AI ფოკუსი გადაიტანა სხვა პროდუქტებზე. Ollama-ს ეკოსისტემამ წინ გაუსწრო. მიუხედავად ამისა, desktop UI-ის სიმარტივე ჯერ კიდევ უნიკალური ღირებულებაა არატექნიკური მომხმარებლებისთვის — თუ GUI გჭირდება და რეგულარული განახლება მნიშვნელოვანი არაა, მაინც ვარგისია. |
| LobeChat | 81K | LobeChat (ახლა LobeHub) — TypeScript/Next.js-ის ღია ChatGPT-ალტერნატივა, რომელიც ყველა მთავარ LLM-ს — OpenAI, Claude, Gemini, Ollama, Mistral — ერთ ინტერფეისში აერთიანებს და ბოლო ვერსიებში AI აგენტების მართვის პლატფორმად ვითარდება. Multi-agent თანამშრომლობა, plugin marketplace, ხმოვანი ჩეთი და knowledge base — ყველაფერი self-hosted ან Lobe Cloud ვერსიაში, privacy-first მიდგომით. 80,000+ ვარსკვლავი; ორგანიზაციებისთვის, რომლებსაც ყველა LLM ერთ კონტროლირებად ინტერფეისში სჭირდებათ, სრული გადაწყვეტაა. |
| AFFiNE | 71K | AFFiNE — ღია collaborative workspace, Notion-ისა და Miro-ს ერთიანი ალტერნატივა: დოკები, whiteboard და databases ერთ ადგილას, ჩაშენებული AI-ფუნქციებით (AFFiNE AI). local-first, privacy-first. TypeScript. |
| AnythingLLM | 65K | AnythingLLM არის Mintplex Labs-ის JavaScript all-in-one AI პლატფორმა — RAG, agents, chat, multi-user auth და 20+ LLM provider ერთ desktop ან server აპლიკაციაში. განსაკუთრებული ღირებულება desktop ვერსიაა: ინსტალაციის შემდეგ კომპლექსური კონფიგურაციის გარეშე მუშაობს, ყველა მონაცემი ლოკალური რჩება. საკუთარი კომპანიის დოკუმენტების (HR, legal, technical) AI-ით შესამოწმებლად privacy-first გადაწყვეტაა. 61,000+ ვარსკვლავი; კონკურენტებს (Dify, Open WebUI) „setup-free" გამოცდილებით სჯობნის. |
| Paperclip | 76K | Paperclip არის TypeScript-ის ღია კოდის AI ორკესტრაციის პლატფორმა ბიზნეს პროცესების ავტომატიზაციისთვის — „zero-human companies" (ადამიანის მინიმალური მონაწილეობით მუშაობა) ფილოსოფიით. AI აგენტების გუნდს აწყობ, ბიუჯეტის ლიმიტებს, audit log-ს და progress tracking-ს ჩაშენებული მართვის panel-ით. 2026 წლის მარტში გამოშვებული, სწრაფად 70,000+ ვარსკვლავი დააგროვა. ბიზნეს ხელმძღვანელებისთვის, ვინც AI automation-ს ეფექტურ ფინანსურ კონტროლთან ერთად ქმნის. |
| Jan | 44K | Jan — open-source desktop AI ასისტენტი Mac/Windows/Linux-ისთვის, რომელიც 100% offline მუშაობს — ინტერნეტი და ღრუბელი საერთოდ არ სჭირდება. Llama, Mistral, Phi და Qwen მოდელები ერთი დაწკაპუნებით ჩამოიტვირთება; Cortex backend სიჩქარეს უზრუნველყოფს, OpenAI-თავსებადი ლოკალური API კი სხვა ხელსაწყოებთან აკავშირებს. 43,000+ ვარსკვლავი; ვისთვისაც მონაცემების privacy პრიორიტეტია, ლოკალური AI-ის ერთ-ერთი ყველაზე მარტივი ინტერფეისია. |
| Career-Ops | 63K | Career-Ops Claude Code-ზე აგებული AI-ს სამუშაოს ძიების სისტემაა — 14 skill mode, Go-ში დაწერილი dashboard, PDF CV გენერაცია და batch processing ვაკანსიების ავტომატური შეფასებისთვის. ვაკანსიების პოვნა, A-F სკალით შეფასება, CV-ს პოზიციაზე მორგება. JavaScript, career-ops.org. 53,000+ ვარსკვლავი — AI-ს job search-ზე გამოყენების ერთ-ერთი ყველაზე სრული open-source implementation. |
| LibreChat | 42K | LibreChat — TypeScript-ის self-hosted ChatGPT-კლონი, რომელიც წამყვან LLM-ებს — Claude, GPT-5, DeepSeek, Gemini, Mistral, Groq, OpenRouter, Azure — ერთ ინტერფეისში აერთიანებს. Agents, MCP, Code Interpreter, message search და multi-user auth ჩაშენებულია; MIT ლიცენზია, აქტიურად ვითარდება. კომპანიებისთვის, რომლებსაც ყველა AI მოდელი ერთ კონტროლირებად, აუდიტირებად ინტერფეისში სჭირდებათ, ყველაზე feature-complete self-hosted გამოსავალია. |
| Strix | 50K | Strix — ღია ავტონომიური AI აგენტები, რომლებიც აპლიკაციებს რეალური ჰაკერივით ამოწმებენ (dynamic security testing) და ნამდვილ დაუცველობებს პოულობენ false-positive-ების გარეშე. 40,000+ ⭐ (მხოლოდ ავტორიზებული testing-ისთვის). |
| Khoj | 36K | Khoj — Python-ის self-hosted „AI second brain“: პერსონალური ასისტენტი, რომელიც ერთდროულად ეძებს ვებში, შენს დოკუმენტებსა და ჩანაწერებში. Custom agents, დაგეგმილი ავტომატიზაციები, deep research რეჟიმი და Notion/iMessage ინტეგრაციები ჩაშენებულია; backend-ად ნებისმიერი cloud ან ლოკალური LLM გამოდგება. 2021 წლიდან ვითარდება — ამ სიის ერთ-ერთი ყველაზე ხანგრძლივი ისტორიის მქონე პროექტი. |
| Open Notebook | 37K | Open Notebook — Google NotebookLM-ის ღია კოდის, self-hosted ალტერნატივა სრული data sovereignty-ით. წყაროებად PDF, ვიდეო, აუდიო, ვებ-გვერდები და Office დოკუმენტები შეგაქვს, notebook-ებად აწყობ და მასალას ესაუბრები — full-text + vector ძიება, წყაროების ციტირება, AI ჩანაწერები და multi-speaker podcast გენერაცია (1-4 ხმა, კონფიგურირებადი Episode Profiles — NotebookLM-ის ფიქსირებულ 2-სპიკერიან ფორმატზე ბევრად მოქნილი). 18+ AI პროვაიდერი (OpenAI, Anthropic, Google, Ollama, LM Studio, DeepSeek...) — სრულად ლოკალურადაც მუშაობს. Docker Compose-ით 2 წუთში ეშვება (SurrealDB + Next.js), აქვს REST API — რაც NotebookLM-ს საერთოდ არ აქვს. ავტორი Luis Novo (lfnovo), MIT, open-notebook.ai. 30,000+ ვარსკვლავი — წამყვანი ღია NotebookLM-ალტერნატივა. |
| Chatbot UI | 33K | Chatbot UI — Mckay Wrigley-ის ღია, ChatGPT-ისებური ჩატ-ინტერფეისი ნებისმიერი LLM-ისთვის. self-hosted, მრავალმოდელიანი, სუფთა UX. ერთ-ერთი ყველაზე პოპულარული ღია ჩატ-frontend. TypeScript. |
| Vane (ex-Perplexica) | 36K | Vane (ყოფილი Perplexica) — TypeScript-ის ღია კოდის AI საძიებო ძრავა, Perplexity AI-ს self-hosted ალტერნატივა. ინტერნეტში ეძებს, შედეგებს ამუშავებს და პასუხს წყაროებიანად გასცემს, ჩვეულებრივ ბრაუზერ-ძიებაზე ბევრად უფრო კონტექსტუალურად. Ollama-ს ლოკალური მოდელებით მუშაობს. 35,000+ ვარსკვლავი; შენი მონაცემების გარეთ გასვლის გარეშე web research-ისთვის — Perplexity-ს ანალოგი ყველაზე ახლო, self-hosted. |
| Onyx (ex-Danswer) | 32K | Onyx (ყოფილი Danswer) — ღია კოდის enterprise AI პლატფორმა: ჩატი ნებისმიერ LLM-თან, რომელიც კომპანიის დოკუმენტებსა და აპებში (Slack, Drive, Confluence — 40+ კონექტორი) ეძებს და პასუხს წყაროებზე გრაუნდდება. self-hosted, privacy-first. Python, 30k+ ⭐ — AnythingLLM-ისა და Khoj-ის enterprise-მასშტაბის ალტერნატივა. |
| AstrBot | 39K | AstrBot — Python-ის AI Agent Assistant, რომელიც თვითონ პოზიციონირდება როგორც OpenClaw-ის ღია ალტერნატივა. მრავალი IM პლატფორმის ნატივიური ინტეგრაცია (Telegram, Discord, QQ, WeChat, Lark, Slack), პლაგინების სისტემა, ფართო LLM provider მხარდაჭერა — ერთი instance-ით მთელი კომუნიკაციის ლანდშაფტი ერთიანდება. AGPL-3.0 ლიცენზია, 2022 წლიდან აქტიური, 34,000+ ვარსკვლავი. ჩინური მსოფლიოს AI agent-ების ეკოსისტემიდან გადმოვიდა და ამჟამად ერთ-ერთი ყველაზე feature-complete OpenClaw-სტილის ხელსაწყოა. |
| openhuman | 36K | openhuman — tinyhumans.ai-ის Rust-ში დაწერილი პერსონალური AI „super intelligence", რომელიც სრულიად ლოკალურად მუშაობს — სლოგანი: „Your Personal AI super intelligence. Private, Simple and extremely powerful." Rust-ის low-level კონტროლი მაქსიმალურ სიჩქარეს და მინიმალურ რესურს-მოხმარებას უზრუნველყოფს — სხვა local-AI ხელსაწყოებთან შედარებით (gpt4all, Jan, AnythingLLM, LobeChat ყველა JS/TS/Python-ში) ეს განსხვავება შესამჩნევია desktop class მოწყობილობებზე. GPL-3.0 ლიცენზია, tinyhumans.ai/openhuman, 2026 წლის თებერვალში გამოვიდა და სულ 3 თვეში 32,000+ ვარსკვლავი დააგროვა — ლოკალური personal-AI კატეგორიის ერთ-ერთი ყველაზე სწრაფად მზარდი ახალი მონაწილე. Jan-ის, gpt4all-ის და AnythingLLM-ის ბუნებრივი ალტერნატივა იმათთვის, ვისთვისაც Rust-ის სიჩქარე და GPL-ის ღია სიმყარე უპირატესია JavaScript-სტეკის მოხერხებულობაზე. |
| Google Workspace CLI | 30K | Google Workspace CLI — Google-ის ოფიციალური command-line ხელსაწყო Gmail-ის, Drive-ის, Calendar-ის, Sheets-ის, Docs-ის, Chat-ისა და Admin-ისთვის. Rust-ში დაწერილი, Google Discovery Service-ისგან დინამიურად გენერირდება — ნებისმიერ ახალ Workspace API-ს ავტომატურად მხარს უჭერს. ჩაშენებული AI agent skills-ებით AI-ს შეუძლია Workspace-ის ოპერაციების ავტონომიურად შესრულება. 2026 წლის მარტში გამოჩნდა — AI agent workflow automation-ის ახალი სტანდარტი Google ეკოსისტემისთვის. |
| DeepTutor | 33K | DeepTutor არის HKUDS-ის Python-ის AI სასწავლო ასისტენტი, სპეციალურად სტუდენტებისა და მკვლევარებისთვის. Chat, Deep Solve, Quiz Generation, Deep Research და Math Animator — 5 სარეჟიმო ერთ პლატფორმაზე. RAG (საკუთარი სასწავლო მასალების ჩართვა), ვებ ძიება, სამეცნიერო ნაშრომების ძიება, კოდის ექსეკუცია ჩაშენებულია. TutorBot-ების შექმნა მდგრადი მეხსიერებითა და „პიროვნებით" — ყოველ სტუდენტზე მორგებული სასწავლო გამოცდილება. HKUDS ეკოსისტემის (nanobot, OpenSpace) ნაწილია. |
| Knowledge Work Plugins | 23K | Knowledge Work Plugins — Anthropic-ის ოფიციალური 11 plugin knowledge worker-ებისთვის Claude Cowork-ში (და Claude Code-ში): sales, support, product, marketing, legal, finance, data, enterprise search და სხვა. file-based (markdown+JSON), კოდის გარეშე, ადვილად მოსარგები. Claude-ს კონკრეტული პროფესიის სპეციალისტად აქცევს. |
| Multica | 45K | Multica არის TypeScript-ის ღია კოდის managed agents პლატფორმა, რომელიც AI კოდირების აგენტებს (coding agents) რეალური გუნდის წევრებად აქცევს. ამოცანების მინიჭება, პროგრესის მონიტორინგი, გამოცდილების დაგროვება (compounding skills) — ყოველი ციკლით AI უფრო კარგად ასრულებს ამ გუნდის სპეციფიკურ ამოცანებს. 2026 წლის იანვარში გამოშვებული, სწრაფად 36,000+ ვარსკვლავამდე გაიზარდა. ტექნიკური გუნდებისთვის, ვინც Claude Code-ის, Codex-ის ან სხვა coding agent-ების სამართავ ინსტრუმენტს ეძებს. |
| NemoClaw | 22K | NemoClaw — NVIDIA-ის ოფიციალური ღია ხელსაწყო, რომელიც OpenClaw-ს უფრო უსაფრთხოდ უშვებს NVIDIA OpenShell გარემოში, managed inference-ით. კორპორატიული პოლიტიკა, audit log, sandbox და GPU-ზე მართული წვდომა — OpenClaw-ის ყველა შესაძლებლობა, ოღონდ enterprise-დონის უსაფრთხოებით. TypeScript, Apache 2.0; ორგანიზაციებისთვის, რომლებსაც OpenClaw-ის გაშვება თანამშრომლების კომპიუტერების ნაცვლად datacenter-ში, IT-ის სრული კონტროლის ქვეშ სურთ. |
| Meetily | 29K | Meetily — privacy-first AI meeting assistant: ლოკალური, რეალურ-დროიანი transcription (Parakeet/Whisper), speaker diarization და Ollama-ზე summarization. 100% ლოკალური, cloud-ის გარეშე. 22,000+ ⭐. |
| QwenPaw | 34K | QwenPaw — Alibaba-ს AgentScope გუნდის Python-ის პერსონალური AI ასისტენტი, რომელიც ლოკალურად ან ღრუბელში მსუბუქად დაყენდება და მრავალი chat აპლიკაციით ხელმისაწვდომი ხდება. easily extensible capabilities — plugin-ების ფართო ეკოსისტემა და Qwen მოდელებთან შერწყმა. Apache 2.0 ლიცენზია, 2026 წლის თებერვალში გამოიცა და უკვე 17,000+ ვარსკვლავი. ჩინური ეკოსისტემის OpenClaw-ის პასუხი, განსაკუთრებით ვინც Qwen მოდელებით მუშაობს. |
| Tongyi DeepResearch | 20K | Tongyi DeepResearch — Alibaba-ს ავტონომიური deep-research აგენტი: რთულ კითხვას მრავალ-ნაბიჯიანი ვებ-ძებნითა და მსჯელობით პასუხობს, გამყარებული ანგარიშით. 20,000+ ⭐. |
| DB-GPT | 20K | DB-GPT — data/SQL agent framework: ბუნებრივი ენით ესაუბრები ბაზას, ის კი query-ებს წერს, აანალიზებს და BI-ს აკეთებს privacy-first, ლოკალურ გარემოში. 19,000+ ⭐. |
| PentAGI | 22K | PentAGI — სრულად ავტონომიური AI აგენტი penetration testing-ისთვის: თავად გეგმავს და ატარებს უსაფრთხოების ტესტებს იზოლირებულ გარემოში. 19,000+ ⭐ (მხოლოდ ავტორიზებული testing-ისთვის). |
| WrenAI | 17K | WrenAI — GenBI / text-to-SQL აგენტი: ბუნებრივი ენის კითხვას ზუსტ SQL-ად, ჩარტებად და insight-ებად აქცევს ბიზნეს-ანალიტიკისთვის. 16,000+ ⭐. |
| Rowboat | 17K | Rowboat არის TypeScript-ის ღია კოდის AI „კოლეგა" მდგრადი მეხსიერებით — AI, რომელიც სამუშაო კონტექსტს ინახავს სესიებს შორის. OpenAI API-ზე დაშენებული, self-hosted, ღრუბელი სურვილისამებრ. 14,000+ ვარსკვლავი; ამ კატეგორიის ახალი შემოსვლა. მცირე გუნდებისთვის, ვინც გრძელვადიანი AI ასისტენტი სჭირდება, რომელიც მათ სამუშაო კონტექსტს, გადაწყვეტილებებსა და ამოცანებს ახსოვს. |
| Feynman | 8.5K | Feynman არის ღია კოდის AI კვლევის აგენტი, სადაც 4 სპეციალიზებული sub-agent (Researcher, Reviewer, Writer, Verifier) პარალელურად მუშაობს სამეცნიერო ინვესტიგაციის პროცესში. /deepresearch, /lit, /audit, /replicate, /compare სლეშ-ბრძანებები ყოველი სამუშაო ნაკადისთვის ხელმისაწვდომია. ყოველი დასკვნა პირდაპირ წყაროს მიუთითებს — ნაშრომს, დოკს ან რეპოს — ჰალუცინაციის რისკის მინიმუმამდე დასაყვანად. TypeScript-ში, ლოკალური მოდელებით (Ollama, LM Studio) ან cloud-ით მუშაობს; macOS/Linux/Windows ინსტალერი ხელმისაწვდომია. |
| Mercury Agent | 3.0K | Mercury Agent — TypeScript-ის ღია კოდის პერსონალური AI აგენტი, რომელიც 24/7 ეშვება და CLI-ის ან Telegram-ის გავლით მუშაობს. „Soul-driven" დიზაინით — აქვს დახვეწილი permission-hardened ხელსაწყოების სისტემა და ტოკენების budget-ი (ანუ ხარჯი არ გაგექცევა). რამდენიმე არხიდან ერთდროულად მისაწვდომი (CLI + Telegram bot ერთ instance-ზე). MIT ლიცენზია, 2026 წლის 20 აპრილს გამოიცა და სწრაფად გაიზარდა. იმათთვის, ვინც პერსონალურ AI თანაშემწეს ეძებს, რომელიც ნაცვლად იმისა რომ მუდმივად ბრაუზერში გადახვიდე, თავად მოგმართოს Telegram-ში მნიშვნელოვან მოვლენებზე. |
| agentic-inbox | 6.8K | agentic-inbox Cloudflare-ის ოფიციალური self-hosted ელფოსტის კლიენტია ჩაშენებული AI agent-ით, რომელიც მთლიანად Cloudflare Workers-ზე (edge network) მუშაობს. AI ავტომატურად ალაგებს წერილებს, საპასუხო ტექსტს სწერს, მნიშვნელოვნობის მიხედვით ასორტირებს — ინბოქსის „თვით-მართვადი" ვერსია. TypeScript-ში, 2026 წლის 10 აპრილს გამოიცა. Gmail-ის AI ფუნქციების privacy-first ღია ალტერნატივა — შენი domain, შენი მონაცემები, Cloudflare-ის სიჩქარე. ქართული ბიზნესებისთვის, ვინც domain email-ს უკვე Cloudflare-ზე ინახავს. |
💰 ფინანსური AI
Finance AI — ფინანსური ბაზრების, ტრეიდინგისა და ინვესტიციების AI აგენტები და ანალიტიკური პლატფორმები.
| რეპოზიტორია | ⭐ | აღწერა |
|---|---|---|
| TradingAgents | 97K | TradingAgents multi-agent სავაჭრო framework-ია, რომელიც რეალური სავაჭრო ფირმის სტრუქტურას ბაძავს — fundamental ანალიტიკოსი, sentiment ექსპერტი, technical ანალიტიკოსი, trader და risk manager აგენტები ერთად განიხილავენ ბაზრის მდგომარეობას და იღებენ გადაწყვეტილებებს. მრავალ LLM provider-ს (OpenAI, Google, Anthropic, DeepSeek) უჭერს მხარს, აქვს interactive CLI, backtesting, paper trading, Docker და checkpoint recovery. Python, Apache-2.0, v0.2.5 (2026 წლის 11 მაისი), 86,000+ ვარსკვლავი — TauricResearch-ის arXiv ნაშრომზე დაფუძნებული (კვლევითი ხელსაწყო, არა საინვესტიციო რჩევა). ai-hedge-fund-ისა და FinceptTerminal-ის მონათესავე, ოღონდ ფინანსური AI აგენტების ღია სამყაროს ყველაზე დიდი პროექტი. |
| OpenBB | 72K | OpenBB — ღია data platform ანალიტიკოსების, quant-ებისა და AI აგენტებისთვის; ღია Bloomberg-Terminal ალტერნატივა, ახლა AI-agent workspace-ითაც. 70,000+ ⭐ — ღია ფინანსური მონაცემების de-facto სტანდარტი. |
| AI Hedge Fund | 63K | AI Hedge Fund არის Python-ის სიმულაციური პროექტი, სადაც AI აგენტები Warren Buffett-ის, Charlie Munger-ისა და Michael Burry-ს ინვესტიციური სტილების მიბაძვით ერთობლივად აანალიზებენ საფონდო ბირჟის მონაცემებს. LangGraph-ის multi-agent ორქესტრაციაზეა დაშენებული — სხვადასხვა „ანალიტიკოსი" (fundamental, technical, sentiment, risk) პარალელურად ამუშავებს მონაცემებს და შედეგებს აერთებს. ეს არ არის რეალური სავაჭრო სისტემა — გამოყენება მხოლოდ საგანმანათლებლო მიზნებისთვისაა. LangGraph-ის production-ready გამოყენების ერთ-ერთი საუკეთესო real-world მაგალითია. |
| Kronos | 36K | Kronos არის Python-ის pre-trained foundation model, რომელიც სპეციალურად ფინანსური ბაზრების „ენაზე" — K-line (კანდლსტიქ) სერიებზე, ფინანსურ ინდიკატორებზე — ნატრენინგია, ჩვეულებრივ ტექსტური corpus-ის ნაცვლად. AAAI 2026-ის კონფერენციაზე მიღებული აკადემიური ნაშრომი მას მხარს უჭერს. ეს არ არის agent framework — ეს დომენ-სპეციფიკური LLM-ის კვლევის ნიმუშია. ფინანსური ML-ის მკვლევარებისთვის და ტრეიდინგ სისტემების ბექ-ენდის ასაშენებლად. |
| Claude for Financial Services | 34K | Claude for Financial Services — Anthropic-ის ოფიციალური reference repo ფინანსური სერვისების workflow-ებისთვის: investment banking, equity research, private equity, wealth management. შიგნით ready-made Claude agent-ები, skill-ები, slash commands და MCP data connector-ები — ყველაფერი self-contained Claude plugin-ების სახით, რომლებიც Claude Cowork-ით ან Claude Managed Agents API-ით deploy-დება. პრაქტიკული გამოყენების სცენარები: pitch deck-ების მომზადება, valuation model-ები, earnings review-ები, compliance task-ები — ყველა output ადამიანის გადახედვისთვის staged (human-in-the-loop by design). Python-ში, Apache 2.0 ლიცენზია, 2026 წლის თებერვალში გამოვიდა და უკვე 31,000+ ვარსკვლავი დააგროვა. ფინანსური ინდუსტრიის IT ადმინისტრატორებისა და ანალიტიკოსებისთვის — ერთ-ერთი პირველი ოფიციალური Anthropic vertical-specific repo. Fincept Terminal-თან (ასევე ამ კოლექციაში — ღია კოდის Bloomberg ალტერნატივა) ერთად — სრული ფინანსური AI workflow stack-ი. |
| Fincept Terminal | 30K | Fincept Terminal არის Python-ში დაწერილი ღია კოდის ფინანსური ტერმინალი, Bloomberg-ის ალტერნატივა. 100+ მონაცემთა კონექტორი (Yahoo Finance, FRED, IMF, World Bank, Polygon) და 20+ AI ინვესტორ-პერსონა მრავალ LLM პროვაიდერთან (OpenAI, Anthropic, Gemini, Groq, Ollama) ერთიანდება. DCF მოდელები, პორტფელის ოპტიმიზაცია, VaR/Sharpe მეტრიკა, კრიპტო WebSocket, ალგო-ტრეიდინგი ჩაშენებულია. Python-ში (README-ში ცდომილებით C++20/Qt6 იყო მითითებული). ინდივიდუალური ინვესტორებისა და მცირე ინვესტიციური გუნდებისთვის, ვისაც ინსტიტუციური ინსტრუმენტები სჭირდება ინსტიტუციური ფასის გარეშე. |
🧠 მეხსიერება, RAG და Vector DB
Memory, RAG & Vector DBs — AI-ს გრძელვადიანი მეხსიერება, RAG ძრავები და vector database-ები.
| რეპოზიტორია | ⭐ | აღწერა |
|---|---|---|
| RAGFlow | 87K | RAGFlow — ღია კოდის RAG ძრავა, რომელიც AI-ს შენს დოკუმენტებში ზუსტი ინფორმაციის მოძიების საშუალებას აძლევს. პრობლემას წყვეტს, რომელიც ყველა „AI chatbot"-ს ახასიათებს: მოდელი ხშირად გამოიგონებს პასუხებს — RAGFlow კი ჯერ ეძებს შენს ფაილებში, შემდეგ პასუხობს. Python-ში დაწერილი, მხარს უჭერს PDF, Word, Excel, PowerPoint, HTML ფორმატებს და მოიცავს ჩაშენებულ agent workflow-ს. InfiniFlow-ის კომერციული პლატფორმის საფუძველია — კომპანიები ცოდნის ბაზებისა და AI-ზე დაფუძნებული მხარდაჭერის სისტემების ასაწყობად იყენებენ. |
| mem0 | 63K | mem0 — AI აგენტებისა და chatbot-ებისთვის შექმნილი უნივერსალური მეხსიერების ფენა. წყვეტს ძირეულ პრობლემას: სტანდარტული LLM-ები ყოველ საუბარს ნულიდან იწყებენ — mem0 კი ინახავს მომხმარებლის პრეფერენციებს, წარსულ ინტერაქციებსა და კონტექსტს. Python SDK, REST API და managed cloud სერვისი ხელმისაწვდომია. LangChain-თან, LlamaIndex-თან და OpenAI Agents-თან ინტეგრირდება. Perplexity, Pika, Wordware და სხვა პროდუქციის სისტემები mem0-ს ოპერაციული მეხსიერებისთვის იყენებენ. |
| MemPalace | 58K | MemPalace — ღია კოდის AI მეხსიერების სისტემა, რომელიც benchmark-ებზე ყველაზე მაღალ შეფასებას იღებს ანალოგიურ უფასო გადაწყვეტებს შორის. Python-ში დაწერილი, AI აგენტების გრძელვადიანი მეხსიერებისა და კონტექსტის შესანახად. სრულიად უფასო და self-hosted, API key-ები არ სჭირდება. 2026 წლის აპრილში გამოჩნდა და სწრაფად მოიპოვა ტრექშენი AI agent builders-ის საზოგადოებაში. |
| LlamaIndex | 52K | LlamaIndex — Python-ის ფრეიმვორკი, რომელიც AI-ს ნებისმიერ მონაცემთა წყაროსთან — ფაილები, მონაცემთა ბაზები, API-ები, ვებ გვერდები — სამუშაოდ ამზადებს. პირველ რიგში RAG pipeline-ების ასაწყობად გამოიყენება: დოკუმენტების indexing-იდან ძიებამდე და პასუხის გენერაციამდე ერთ ჩარჩოში. 300-ზე მეტი ინტეგრაცია — OpenAI, Anthropic, Hugging Face, Pinecone, Weaviate, PostgreSQL. 2024 წლიდან OCR-ისა და document agent-ების პლატფორმადაც განვითარდა. Python-ში დაწერილი, Apache 2.0 ლიცენზია, საწარმოო გამოყენებისთვის მომზადებული. |
| Milvus | 46K | Milvus — cloud-native ვექტორული მონაცემთა ბაზა, რომელიც მილიარდობით embedding-ის შენახვასა და სწრაფ similarity search-ზეა ოპტიმიზებული. RAG სისტემებში, რეკომენდაციის ძრავებსა და სემანტიკური ძიების აპლიკაციებში vector store-ის სტანდარტული არჩევანია. Go-სა და C++-ში დაწერილი, distributed არქიტექტურით, Kubernetes-ზე deploy-ისთვის. LF AI Foundation-ის პროექტია, Zilliz კომპანიის მხარდაჭერით — NVIDIA, Roblox, Shopee და Salesforce საწარმოო გარემოში იყენებენ. |
| FAISS | 41K | FAISS — Meta-ს ფუძემდებლური ბიბლიოთეკა vector similarity search-ისა და clustering-ისთვის. მილიარდობით ვექტორზე ეფექტური ANN ძიება, GPU მხარდაჭერით. მრავალი vector DB-სა და RAG სისტემის ქვედა ფენა. C++/Python. |
| LightRAG | 39K | LightRAG — სწრაფი RAG სისტემა, რომელიც ჩვეულებრივ vector similarity search-ს knowledge graph-თან აერთიანებს. სტანდარტული RAG სიტყვებს ეძებს — LightRAG კი ცნებებს შორის კავშირებსაც აანალიზებს, რაც კომპლექსურ კითხვებზე გაცილებით ზუსტ პასუხს იძლევა. Python-ში დაწერილია Hong Kong University-ის Data Science ლაბორატორიის მიერ და EMNLP 2025-ზე გამოქვეყნებული სამეცნიერო ნაშრომით არის გამყარებული. Neo4j, NetworkX ან ჩაშენებული graph backend-ით მუშაობს. |
| Qdrant | 34K | Qdrant — Rust-ში დაწერილი high-performance ვექტორული მონაცემთა ბაზა, AI-ის შემდეგი თაობის semantic search-ისა და RAG სისტემებისთვის. Rust-ის გამო გამოირჩევა სიჩქარით, მცირე memory footprint-ით და thread safety-ით. payload filtering, quantization, sparse vector-ების მხარდაჭერა და horizontal scaling ჩაშენებულია. Docker-ით ადვილად გაუშვებ ლოკალურად, managed Qdrant Cloud ასევე ხელმისაწვდომია. Python, TypeScript, Go, Rust SDK-ებით. |
| STORM | 31K | STORM Stanford-ის (OVAL ლაბი) LLM-ზე დაფუძნებული knowledge curation სისტემაა — თემას აძლევ, ის კი ინტერნეტში იკვლევს, სხვადასხვა პერსპექტივას აგროვებს და სრულ, Wikipedia-სტილის სტატიას წერს წყაროების მითითებით. მრავალპერსპექტიული კითხვების გენერაცია და მოძიებული ინფორმაციის სტრუქტურირება განასხვავებს მას მარტივი RAG-ისგან. Co-STORM ვერსია ადამიან-AI ერთობლივ კვლევასაც უჭერს მხარს. Python, 29,000+ ვარსკვლავი — გრძელი, გამყარებული ტექსტის ავტომატური წერისთვის. |
| Chroma | 29K | Chroma — AI-ისთვის შექმნილი open-source embedding database, რომელიც semantic search-ისა და RAG pipeline-ების ასაწყობად ყველაზე ხშირად გამოიყენება. LangChain-ისა და LlamaIndex-ის default vector store-ია — ამიტომ საუკეთესო შესავალი point-ია embedding-ებთან მუშაობისთვის. embedded რეჟიმში SQLite-ზე, standalone სერვერად ან Chroma Cloud-ზე ეშვება. Python-ის 5 სტრიქონით მუშა RAG სისტემა დგება. Rust-ში დაწერილი ბირთვით, YC W23-ის კომპანია, Series A დაფინანსებული. |
| Graphiti | 30K | Graphiti — AI აგენტებისთვის შექმნილი real-time knowledge graph ძრავა, Zep AI-ს (YC W24) მიერ. სტანდარტული vector-based RAG-ისგან განსხვავებით, Graphiti ინახავს ფაქტების დროით კონტექსტს — ანუ იცის „როდის" შეიცვალა ინფორმაცია. bi-temporal მოდელი event time-სა და ingestion time-ს ცალ-ცალკე ინახავს, entity-ებსა და relations-ს კი LLM ავტომატურად ამოიღებს ტექსტიდან. Neo4j ან FalkorDB backend-ზე ეშვება, native MCP integration-ით Claude Desktop-ში, Cursor-სა და Cline-ში გამოყენება შეიძლება. |
| cognee | 30K | cognee — AI აგენტების მეხსიერება knowledge-graph-ითა და semantic layer-ით: მონაცემებს (ტექსტი, კოდი, დოკუმენტები) დააკავშირებს და მდგრად, გამოთხოვად მეხსიერებად აქცევს. 27,000+ ⭐. |
| Letta | 24K | Letta — stateful AI აგენტების პლატფორმა, რომელიც ყოფილ MemGPT პროექტზეა დაფუძნებული. ჩვეულებრივი AI chatbot-ისგან განსხვავებით, Letta-ს აგენტებს გრძელვადიანი მეხსიერება აქვთ: working memory (მიმდინარე კონტექსტი) და archival memory (გრძელვადიანი შენახვა) — კვირები, თვეები. UC Berkeley-ს მკვლევართა გუნდი დააარსა. OpenAI API-თავსებადი REST API, self-hosted deploy-ისთვის. long-running agents-ისთვის, სადაც მეხსიერება სასიცოცხლო მნიშვნელობისაა. |
| RAG-Anything | 23K | RAG-Anything — all-in-one მულტიმოდალური RAG ფრეიმვორკი, LightRAG-ის შემქმნელი Hong Kong University-ის Data Science ლაბორატორიისგან. სტანდარტური RAG სისტემები მხოლოდ ტექსტს ამუშავებენ — RAG-Anything კი ერთ pipeline-ში ათავსებს ტექსტს, სურათებს, ცხრილებს, დიაგრამებს და სხვა ფორმატებს. Python-ში დაწერილი, "RAG-Anything: All-in-One RAG Framework" სამეცნიერო ნაშრომის განხორციელებაა. LightRAG-ის graph-based reasoning-ს multimodal შეყვანაზე ავრცელებს. |
| gbrain | 28K | gbrain — TypeScript-ში დაწერილი AI აგენტის პერსონალური „ტვინი", რომელიც ელ-ფოსტას, კალენდარს, შეხვედრებს და იდეებს ერთ ადგილზე აგროვებს და ინახავს. ჰიბრიდული ძიება (ვექტორული + keyword) სწრაფ და ზუსტ retrieval-ს უზრუნველყოფს. MCP სერვერი Claude-ისა და სხვა LLM-ებისთვის ჩაშენებულია. ლოკალურად PGLite-ით ან Supabase-ით ეშვება. 2026 წლის აპრილში გამოჩნდა, სწრაფად მოიპოვა ტრექშენი AI personal assistant builders-ში. |
| Hindsight | 19K | Hindsight — AI აგენტის მეხსიერების სისტემა Vectorize-ისგან, რომელიც დროთა განმავლობაში სწავლობს და თავად უმჯობესდება. ჩვეულებრივი RAG სისტემებისგან განსხვავებით, Hindsight ამოიცნობს შაბლონებს წარსულ ინტერაქციებში და მომდევნო პასუხებს უფრო რელევანტურს ხდის. Python-ში დაწერილი, arXiv-ზე გამოქვეყნებული სამეცნიერო ნაშრომით გამყარებული. long-running agents-ისთვის, სადაც მეხსიერების ხარისხი დროთა განმავლობაში უნდა გაუმჯობესდეს. |
| TencentDB Agent Memory | 19K | TencentDB Agent Memory — სრულად ლოკალური გრძელვადიანი მეხსიერება AI აგენტებისთვის, 4-დონიანი პროგრესული pipeline-ით, გარე API-ზე დამოკიდებულების გარეშე. TypeScript, Tencent Cloud-ის მიერ. |
| Crawl4AI RAG | 2.2K | mcp-crawl4ai-rag — MCP სერვერი, რომელიც ვებ crawling-სა და RAG-ს ერთ pipeline-ში აერთებს AI კოდინგ ასისტენტებისა და აგენტებისთვის. AI ინტერნეტიდან ინფორმაციას Crawl4AI-ით აგროვებს, Supabase-ის ვექტორულ მონაცემთა ბაზაში ინახავს და შემდეგ ამ კონტექსტზე დაყრდნობით პასუხობს კითხვებს. Python-ში დაწერილი, Claude, Cursor, Cline-ში MCP-ით გამოიყენება. მცირე, ფოკუსირებული ხელსაწყო, რომელიც ახალი AI Agent workflow-ების სწრაფ პროტოტიპირებისთვის გამოდგება. |
| Prism MCP | 155 | Prism MCP — AI აგენტებისთვის შექმნილი HIPAA-სტანდარტის კოგნიტური არქიტექტურა, MCP პროტოკოლით. ჩაშენებული on-device LLM (prism-coder:7b), Hebbian learning-ი და ACT-R spreading activation-ი მეხსიერების ორგანიზაციას ადამიანის შემეცნებითი მოდელის მსგავსად ახდენს. API key-ები არ სჭირდება — სრულად ლოკალურად მუშაობს. multi-agent Hivemind სინქრონიზაცია, adversarial evaluation და ვიზუალური dashboard ჩაშენებულია. TypeScript-ში დაწერილი, ექიმებისა და regulated industries-ისთვის ვარგისი კონფიდენციალობის გათვალისწინებით. |
🔍 კოდბაზის გრაფები და კონტექსტი
Codebase Graphs & Context — კოდბაზის knowledge graph-ები და სემანტიკური ინდექსები, რომლებიც AI აგენტებს კოდის ღრმად გააზრებასა და ტოკენების დაზოგვაში ეხმარება.
| რეპოზიტორია | ⭐ | აღწერა |
|---|---|---|
| Understand Anything | 79K | Understand Anything — ნებისმიერ კოდს ინტერაქტიულ knowledge graph-ად აქცევს, რომელშიც ნავიგაცია, ძიება და ბუნებრივ ენაზე კითხვების დასმა შეგიძლია. კოდბაზის სწრაფი გასაგებად. TypeScript, 2026-ის ერთ-ერთი ყველაზე სწრაფად მზარდი code-intelligence რეპო. |
| Graphify | 105K | Graphify კოდის, დოკუმენტაციის, PDF-ების, სურათების და ვიდეოების queryable knowledge graph-ად გარდაქმნის AI coding agent-ებისთვის. Claude Code-ს, Codex-ს, opencode-ს, Cursor-ს, Gemini CLI-ს და სხვებს უჭერს მხარს. Python-ში, graphifylabs.ai. Graph-ზე დაფუძნებული კითხვების მეთოდი AI-ის ტოკენებს 71-ჯერ ამცირებს ფაილების პირდაპირ კითხვასთან შედარებით. 67,000+ ვარსკვლავი — 2026 წლის აპრილში სწრაფად გაიზარდა. |
| CodeGraph | 66K | CodeGraph კოდბაზის წინასწარ-ინდექსირებულ semantic knowledge graph-ს აშენებს AI coding agent-ებისთვის — ფუნქციები, კლასები, import-ები და call-ურთიერთობები ლოკალურ SQLite ბაზაში, 20+ ენისთვის. იმის ნაცვლად, რომ Claude Code-მა ან Cursor-მა ყოველ მოთხოვნაზე ფაილები თავიდან წაიკითხოს, პირდაპირ ამ ინდექსს ეკითხება — შედეგად ~22% იაფი და ~50%-ით ნაკლები tool call. TypeScript, MIT, v0.9.7 (2026 წლის 28 მაისი), სრულად ლოკალური, გარე API-ს გარეშე. 2026 წლის 21 მაისის GitHub Trending #1, 49,000+ ვარსკვლავი — Graphify-ისა და GitNexus-ის ბუნებრივი მონათესავე code-intelligence მიმართულებაში. |
| GitNexus | 45K | GitNexus — ბრაუზერში სრულად მომუშავე კოდის ინტელიჯენსის ხელსაწყო, სერვერის გარეშე. GitHub-ის repo ან ZIP ჩააგდე და ნახავ ყველა ფაილს, ფუნქციასა და მათ ურთიერთდამოკიდებლობას ინტერაქტიული knowledge graph-ის სახით. ჩაშენებული Graph RAG Agent ამ graph-ს იყენებს, რომ კოდზე ბუნებრივ ენაზე დასმულ კითხვებს უპასუხოს. TypeScript-ში დაწერილი, სრულად client-side, backend deploy-ი არ სჭირდება. კოდის კომპლექსური ბაზის სწრაფი გასაგებად გამოსადეგია. |
| codebase-memory-mcp | 38K | codebase-memory-mcp მაღალწარმადი code intelligence MCP სერვერია — მთელ კოდბაზას persistent knowledge graph-ად ინდექსავს, საშუალო რეპოს მილიწამებში. 158 ენა, sub-ms queries და ტოკენების 99%-ით დაზოგვა. ერთი static binary დამოკიდებულებების გარეშე, C-ში დაწერილი. აქტიური განვითარება — v0.8.1 (2026 წლის ივნისი), 26,000+ ვარსკვლავი. zilliztech-ის claude-context-ის სწრაფი, self-contained ალტერნატივა. |
| Code Review Graph | 30K | Code Review Graph კოდბაზის persistent knowledge graph-ს ქმნის Claude Code-ისთვის — AI მხოლოდ ცვლილებასთან დაკავშირებულ ფაილებს კითხულობს, მთელ repo-ს კი არა. Code review-ზე 6.8-ჯერ ნაკლები ტოკენი, დღიურ coding task-ებზე 49-ჯერამდე — ეს ხარჯებსა და სიჩქარეს მნიშვნელოვნად ცვლის. Python-ში, 22 MCP tool, 19 პროგრამირების ენა. Claude Code-თან, Cursor-თან, Windsurf-თან და Continue-თან. |
| Claude Context | 12K | Claude Context Zilliz-ის MCP plugin-ია, რომელიც Claude Code-სა და სხვა coding agent-ებს მთელ codebase-ზე semantic code search-ს აძლევს. ფაილების სრულად ჩატვირთვის ნაცვლად კოდს embeddings-ად ინახავს vector database-ში (Milvus/Zilliz Cloud) და მოთხოვნისას მხოლოდ რელევანტურ ფრაგმენტებს აბრუნებს კონტექსტში — დიდ monorepo-ებზე token ხარჯს და discovery rounds-ს ამცირებს. TypeScript-ში, MIT ლიცენზია, @zilliz/claude-context-mcp npm პაკეტით ინსტალირდება. მუშაობისთვის OpenAI API key და Milvus/Zilliz Cloud endpoint/token სჭირდება. 11,000+ ვარსკვლავი. |
💸 ტოკენების დაზოგვა და ხარჯი
Token & Cost Optimization — ხელსაწყოები, რომლებიც LLM-ის ტოკენების მოხმარებასა და ხარჯს ამცირებენ: კონტექსტის შეკუმშვა, ეფექტური ფორმატები და budget-ის კონტროლი.
| რეპოზიტორია | ⭐ | აღწერა |
|---|---|---|
| Claude Mem | 90K | Claude Mem Claude Code-ის მეხსიერების plugin-ია — ავტომატურად იწერს, რასაც Claude coding session-ში აკეთებს, Claude-ის agent SDK-ით კუმშავს და შემდეგ session-ში რელევანტურ კონტექსტს უბრუნებს. TypeScript-შია დაწერილი (claude-mem.ai), 87,000+ ვარსკვლავით. ანუ ყოველ ჯერზე თავიდან ახსნა აღარ გჭირდება — Claude-ს „ახსოვს“, რაზე მუშაობდი. |
| Caveman | 97K | Caveman Claude Code-ის (და სხვა agent-ების) ტოკენების მოხმარებას 65%-ით ამცირებს — AI-ს ასწავლის „გამოქვაბულის ადამიანივით" ლაპარაკს, ზედმეტი სიტყვების გამოტოვებით. ხარისხი არ ეცემა, მხოლოდ verbosity მცირდება. Lite, Full და Ultra ინტენსივობის დონეები. Python-ში, Julius Brussee-ის მიერ. 40+ coding agent-ს უჭერს მხარს (Claude Code, Codex, Gemini CLI, Cursor). 2026 წლის აპრილში გამოჩნდა, 73,000+ ვარსკვლავი — AI ხარჯების შემამცირებელი ყველაზე პოპულარული skill. |
| Headroom | 66K | Headroom LLM აპლიკაციებისთვის context optimization layer-ია — AI-ს გადასაცემ მონაცემებს (ფაილები, ლოგები, RAG შედეგები) 70-95%-ით ამცირებს პასუხის ხარისხის დაკარგვის გარეშე. Python-ში, headroom-docs.vercel.app. Claude Code-ში, Codex-ში და Aider-ში ერთი ბრძანებით ეშვება. AI ხარჯების მნიშვნელოვნად შემცირებისა და უფრო გრძელი სამუშაო სესიების შესაძლებლობისთვის — 29,000+ ვარსკვლავი. |
| new-api | 45K | new-api — LLM gateway/proxy: ბევრი provider ერთ OpenAI-თავსებად endpoint-ს უკან, გამოყენების აღრიცხვით, key-მართვითა და ხარჯის კონტროლით. one-api-ის აქტიური fork. 42,000+ ⭐. |
| one-api | 36K | one-api — LLM API gateway: OpenAI, Anthropic, Gemini, Azure და სხვა ერთ ინტერფეისში, key-distribution-ითა და billing-ით. new-api-ის წინამორბედი. 36,000+ ⭐. |
| toon | 25K | TOON (Token-Oriented Object Notation) JSON-ის ალტერნატიული სერიალიზაციის ფორმატია, სპეციალურად LLM prompt-ებისთვის ოპტიმიზებული — compact, human-readable და schema-aware. benchmark-ების მიხედვით ერთსა და იმავე მონაცემებზე JSON-ზე 39%-ით ნაკლებ ტოკენს მოიხმარს, რაც API ხარჯებს პირდაპირ ამცირებს. სპეციფიკაცია, benchmark-ები და TypeScript SDK ღია კოდითაა ხელმისაწვდომი — ეს framework არ არის, ინფრასტრუქტურის კომპონენტია მათთვის, ვინც LLM-ებს დიდი მოცულობის structured data-ს აწვდის. |
| agentmemory | 27K | agentmemory AI coding agent-ებს persistent მეხსიერებას აძლევს — lifecycle hooks-ით ჩუმად იწერს რას აკეთებს agent-ი 12+ ხელსაწყოში (Claude Code, Copilot CLI, Cursor, Gemini CLI), დაკვირვებებს searchable structured memory-ად კუმშავს (keyword + vector + knowledge graph hybrid, 95.2% retrieval accuracy R@5) და ახალ session-ში რელევანტურ კონტექსტს უბრუნებს. SQLite-ზე მუშაობს გარე ბაზის გარეშე და 53-tool MCP server-ად ეშვება — ~92%-ით ამცირებს ტოკენებს. TypeScript, Apache-2.0, v0.9.24 (2026 წლის 29 მაისი), 23,000+ ვარსკვლავი, GitHub Trending #5 — Claude Mem-ისა და mem0-ის MCP-native კონკურენტი. |
| freellmapi | 18K | freellmapi OpenAI-თავსებადი proxy-ია, რომელიც 16 LLM პროვაიდერის უფასო tier-ს (~1.7 მილიარდი ტოკენი თვეში) ერთ /v1 endpoint-ს უკან აერთიანებს. smart routing, ავტომატური failover და დაშიფრული key-ები. TypeScript, 15,000+ ვარსკვლავი. free-llm-api-resources-ის მუშა, კოდში ჩასმადი ვერსია — რამდენიმე უფასო tier ერთ API-დ იქცევა (მხოლოდ პერსონალური ექსპერიმენტებისთვის). |
| agentsview | 4.8K | agentsview local-first ხელსაწყოა coding agent-ების სესიების ძებნის, ანალიტიკისა და ტოკენების ხარჯის სტატისტიკისთვის — Claude Code-ს, Codex-ს და 20+ სხვა აგენტს უჭერს მხარს. Go-ში დაწერილი, მთელი ისტორია შენს მანქანაზე რჩება. თუ რამდენიმე აგენტს იყენებ და გინდა ნახო რაზე იხარჯება ტოკენები — ეს dashboard-ი გამოგადგება. |
⚙️ ინფერენსი და LLM ხელსაწყოები
Model Inference & LLM Tooling — მოდელების გაშვების, serving-ისა და ოპტიმიზაციის ძრავები: Ollama, vLLM, llama.cpp და LLM-ის დამხმარე ხელსაწყოები (observability, eval, document tooling).
| რეპოზიტორია | ⭐ | აღწერა |
|---|---|---|
| Ollama | 178K | Ollama — ყველაზე მარტივი გზა LLM-ების ლოკალურად გასაშვებად. ერთი ბრძანებით — ollama run llama4 — და Llama, Mistral, Qwen, DeepSeek, Gemma, Phi და ასობით სხვა მოდელი მზადაა. Go-ში დაწერილი, macOS, Windows, Linux-ზე მუშაობს, GPU-ს გარეშეც. REST API ჩაშენებულია — ნებისმიერი OpenAI SDK-ის კლიენტი Ollama-სთანაც მუშაობს base URL-ის შეცვლით. პირადი მონაცემები კომპიუტერს არ ტოვებს, სრულად უფასოა. |
| Transformers | 164K | Hugging Face Transformers — state-of-the-art machine learning მოდელების სტანდარტული framework, Python-ში. Llama, Mistral, Qwen, DeepSeek, Gemma, Phi — პრაქტიკულად ყველა ცნობილი ღია LLM ამ ბიბლიოთეკის მეშვეობით ეშვება. ტექსტის, ხმოვანი, ვიზუალური და მულტიმოდალური მოდელები ერთ API-ში. PyTorch, TensorFlow და JAX backend-ებს უჭერს მხარს. Hugging Face-ის კომპანია მართავს — AI კვლევისა და engineering-ის ინდუსტრიული სტანდარტი. |
| MarkItDown | 173K | MarkItDown — Microsoft-ის Python ხელსაწყო, რომელიც ფაილებსა და office-დოკუმენტებს (PDF, Word, Excel, PowerPoint, სურათები, აუდიო, HTML) Markdown-ად აქცევს LLM-ებისა და ტექსტ-ანალიზისთვის. RAG-ის მონაცემთა მომზადების დომინანტი ხელსაწყო. |
| llama.cpp | 123K | llama.cpp — LLM inference C/C++-ში, Georgi Gerganov-ის მიერ. ძირითადი ღირსება: GPU-ს გარეშე, CPU-ზე, მინიმალური hardware-ზე ეშვება. GGUF — კვანტიზებული მოდელების ინდუსტრიული ფორმატი — სწორედ ამ პროექტს შემოაქვს. Ollama, LM Studio და LocalAI შიგნით llama.cpp-ს იყენებენ. ggml-org ორგანიზაციაში ცხოვრობს (ყოფილ ggerganov/llama.cpp-დან გადავიდა). macOS, Linux, Windows, Android-ზე მუშაობს, ARM ჩიპებზე ოპტიმიზებული. |
| vLLM | 89K | vLLM — LLM-ების high-throughput inference-ისა და serving-ის ძრავა, Python-ში. PagedAttention ტექნოლოგია GPU მეხსიერებას ოპერაციული სისტემის paging-ის პრინციპით მართავს, რაც concurrent request-ების throughput-ს მნიშვნელოვნად ზრდის. OpenAI-compatible REST API ჩაშენებულია — production deployment-ისთვის ოპტიმიზებულია. UC Berkeley-ს Sky Lab-ში დაიბადა, ახლა independent project-ია. Google, Microsoft, Mistral AI, Cohere და სხვა კომპანიები production serving-ისთვის იყენებენ. |
| Daytona | 72K | Daytona — უსაფრთხო, ელასტიური infrastructure AI-გენერირებული კოდის გასაშვებად: აგენტებისთვის იზოლირებული, მყისიერი dev-გარემოები და sandbox-ები. 72,000+ ვარსკვლავი — agent runtime-ების ერთ-ერთი flagship. |
| Unsloth | 70K | Unsloth — LLM-ების fine-tuning-ისა და ლოკალური გაშვების ხელსაწყო, ვებ ინტერფეისით. Gemma, Qwen, DeepSeek, Llama-ს მსგავსი ღია მოდელების გადაწვრთნა შენს მონაცემებზე სტანდარტულ PyTorch-თან შედარებით 2-ჯერ სწრაფად და 70%-ით ნაკლები GPU მეხსიერებით ხდება. LoRA და QLoRA fine-tuning ჩაშენებულია, GGUF-ში export-იც მხარდაჭერილია — ერთ GPU-ზე fine-tuning-ის de facto სტანდარტი. |
| LiteLLM | 56K | LiteLLM — ერთიანი gateway/proxy 100+ LLM API-სთვის: OpenAI, Anthropic, Gemini, Azure, Bedrock, VertexAI და ლოკალური მოდელები (vLLM, Ollama) ერთ, OpenAI-თავსებად ფორმატში. კოდს ერთხელ წერ და პროვაიდერს ისე ცვლი, რომ გადაწერა არ გჭირდება. Python SDK + proxy server (AI Gateway) cost tracking-ით, guardrails-ით, rate limiting-ით, load balancing-ითა და fallback-ებით — production-ში მრავალი LLM-ის მართვის ერთ-ერთი ყველაზე გავრცელებული ხელსაწყო. |
| Text Generation WebUI | 48K | Text Generation WebUI (oobabooga) — ლოკალური LLM-ების გაშვების ერთ-ერთი ყველაზე ცნობილი web-ინტერფეისი. მრავალი backend (Transformers, llama.cpp, ExLlama), chat, fine-tuning და extension-ები. ლოკალური ტექსტ-გენერაციის „Stable Diffusion WebUI". |
| exo | 47K | exo — frontier AI მოდელების ლოკალურად გაშვება შენი მოწყობილობების კლასტერზე: ტელეფონი, ლეპტოპი, Mac, GPU — exo აერთიანებს მათ ერთ inference-კლასტერად, ისე რომ დიდი მოდელებიც გაუშვა გარე API-ს გარეშე. Python, 45k+ ⭐ — distributed local inference-ის ლიდერი. |
| LocalAI | 48K | LocalAI — ღია კოდის AI ძრავა, OpenAI API-ის ადგილობრივი ჩამნაცვლებელი. LLM-ები, vision, TTS, STT, image generation, video — ყველაფერი ერთ სერვერში, GPU-ს გარეშე. OpenAI-ის SDK-ები base URL-ის შეცვლით მაშინვე მუშაობს — migration ნულიდან. Go-ში დაწერილი, Docker-ით deploy-ი ადვილია. self-hosted AI-ის ყველაზე სრული ჩამნაცვლებელი OpenAI API-სთვის, კონფიდენციალობისა და air-gapped გარემოებისთვის. |
| FastChat | 40K | FastChat (LMSYS) — ღია პლატფორმა LLM-ების serving-ის, ტრენინგისა და შეფასებისთვის. Vicuna-სა და Chatbot Arena-ს უკან მდგომი პროექტი, OpenAI-თავსებადი API სერვერით. Python. |
| Langfuse | 33K | Langfuse — ღია AI engineering პლატფორმა: LLM eval, observability, მეტრიკები, prompt management, playground და datasets. აგენტური workflow-ების trace-ვა, prompt-ების ვერსირება და LLM-as-a-judge შეფასება ერთ ადგილას. agentic აპლიკაციების production-მონიტორინგისთვის. |
| SGLang | 32K | SGLang — LLM-ებისა და მულტიმოდალური მოდელების high-performance serving framework, Python-ში. RadixAttention ტექნოლოგია KV cache-ს საერთო prefix-ებზე ავტომატურად აზიარებს, რაც batch workload-ებზე throughput-ს მნიშვნელოვნად ზრდის. vLLM-ის ალტერნატივაა და ზოგ დატვირთვაზე უფრო სწრაფიც, structured output-იც (JSON schema enforcement) ჩაშენებული აქვს — UC Berkeley-ს მკვლევრებმა შექმნეს და Google-ის, Microsoft-ისა და xAI-ის ინფრასტრუქტურაში გამოიყენება. |
| llamafile | 26K | llamafile — Mozilla-ს პროექტი, რომელიც მთელ LLM-ს ერთ შესრულებად ფაილად აქცევს, რომელიც ყველა OS-ზე ინსტალაციის გარეშე ეშვება. llama.cpp + Cosmopolitan Libc. ლოკალური მოდელების მაქსიმალურად პორტაბელური გავრცელება. |
| DeepEval | 17K | DeepEval — ღია LLM eval ფრეიმვორკი, pytest-ისებური: 50+ კვლევაზე დაფუძნებული მეტრიკა (faithfulness, hallucination, relevance, bias). RAG-ის, ჩატბოტებისა და აგენტების unit-ტესტირება, რომელიც CI/CD-ში ჩაირთვება. Python. |
| NotebookLM Python | 19K | notebooklm-py — Google NotebookLM-ის არაოფიციალური Python API და agentic skill. Google-ის ოფიციალური library კი არ არის — reverse-engineered Python wrapper, რომელიც NotebookLM-ის ვებ ინტერფეისში მიუწვდომელ ფუნქციებსაც ხსნის. AI podcast-ის გენერაცია, კვლევის ავტომატიზაცია, CLI-ს მხარდაჭერა. Claude Code, Codex, OpenClaw-ში agentic skill-ად გამოიყენება. Python-ში, ლოკალური automation-ისთვის. სტაბილურობა Google-ის API-ს ცვლილებებზეა დამოკიდებული. |
| E2B | 13K | E2B — code-interpreting sandbox AI აგენტებისთვის: აგენტების გენერირებული კოდი უსაფრთხო, იზოლირებულ cloud-გარემოში ეშვება, მილიწამებში სტარტით. 13,000+ ⭐. |
| OpenSandbox | 12K | OpenSandbox არის Alibaba-ს Python sandbox runtime, რომელიც AI აგენტებს კოდის უსაფრთხო გარემოში გასაშვებად ემსახურება. „Sandbox" ნიშნავს, რომ AI-ს კოდი იზოლირებულ კონტეინერში სრულდება — host სისტემაზე წვდომა, ქსელის ბოროტად გამოყენება ან არასასურველი ფაილების შეცვლა გამორიცხულია. Python, Java, JavaScript, C# — ოთხი ძირითადი ენა მხარდაჭერილია. ღია კოდი, MIT ლიცენზიით; Alibaba Cloud-ის კომერციული sandbox სერვისის ოპენ სორს ვარიანტია. |
| Arize Phoenix | 11K | Arize Phoenix — ღია AI observability პლატფორმა OpenTelemetry-ზე: tracing, eval, datasets, experiments და prompt management. ჩაშენებული აგენტი trace-ების debugging-ისა და prompt-ების გაუმჯობესებისთვის. Python. |
| LM Studio | 5.2K | LM Studio CLI — LM Studio-ს ლოკალური AI პლატფორმის command-line interface, TypeScript-ში. გრაფიკულ აპლიკაციას ტერმინალიდან ავსებს: სერვერის გაშვება/გაჩერება, მოდელების ჩატვირთვა GPU acceleration-ით, model management და process monitoring. გამოსადეგია CI/CD pipeline-ებსა და automation script-ებში, სადაც GUI მიუწვდომელია — Ollama-ს ალტერნატივა მათთვის, ვისაც LM Studio-ს ვიზუალური ინტერფეისი ურჩევნია. |
🎬 მედია-გენერაცია
Media Generation — სურათის, ვიდეოსა და ხმის (voice/TTS/ASR) გენერაციის ღია მოდელები და ფრეიმვორკები.
| რეპოზიტორია | ⭐ | აღწერა |
|---|---|---|
| Stable Diffusion WebUI | 164K | Stable Diffusion WebUI — Stable Diffusion-ის კანონიკური, ბრაუზერში მომუშავე ინტერფეისი (Gradio-ზე). txt2img, img2img, inpainting, extensions და უამრავი მოდელი ერთ UI-ში. 164,000+ ვარსკვლავი — ღია image-generation-ის ერთ-ერთი ყველაზე გავრცელებული ხელსაწყო. |
| ComfyUI | 126K | ComfyUI — diffusion model-ებით სურათებისა და ვიდეოების გენერაციის ყველაზე მოქნილი პლატფორმა, node-based ვიზუალური ინტერფეისით. პროცესებს ბლოკ-სქემის სახით ვხატავთ — ყოველი node ერთ ოპერაციას ასრულებს (sampling, upscaling, LoRA გამოყენება, inpainting). Python-ში დაწერილი, REST API ჩაშენებული, 1 000-ზე მეტი community extension ხელმისაწვდომია. Stable Diffusion, FLUX, SDXL, Wan, CogVideoX და სხვა მოდელები მხარდაჭერილია. AI ხელოვნებისა და ვიდეო კონტენტის პროფესიონალებს შორის ინდუსტრიული სტანდარტია. |
| MoneyPrinterTurbo | 102K | MoneyPrinterTurbo — AI დიდი მოდელით ერთ კლიკში HD მოკლე ვიდეოს გენერაცია: თემიდან სცენარი, ვიდეო-მასალა, სუბტიტრები და ფონური მუსიკა ავტომატურად. Python, ერთ-ერთი ყველაზე პოპულარული AI ვიდეო-ხელსაწყო. |
| Stable Diffusion | 73K | Stable Diffusion — latent diffusion model, რომელმაც 2022 წელს ტექსტიდან სურათის გენერაცია ყველასთვის ხელმისაწვდომი გახადა. CompVis (LMU Munich), Stability AI-ისა და Runway-ის ერთობლივი კვლევის შედეგია. ეს არის original reference implementation — ComfyUI, AUTOMATIC1111 და სხვა UI-ები სწორედ ამ მოდელის ირგვლივ აიგო. Jupyter Notebook-ებში, Python-ში დაწერილი, GPU-ს ესაჭიროება. შენიშვნა: ახალი სურათების გენერაციისთვის დღეს ComfyUI ან FLUX-ს იყენებენ — ეს repo ძირითადად ისტორიული მნიშვნელობისაა. |
| OpenCut | 82K | OpenCut ღია კოდის ვიდეო-რედაქტორია — CapCut-ის უფასო, პრივატულობაზე ორიენტირებული ალტერნატივა. ბრაუზერშიც და desktop-ზეც მუშაობს, ვიდეო შენს მანქანას არ ტოვებს (watermark-ისა და subscription-ის გარეშე). TypeScript, 61,000+ ვარსკვლავი — 2026-ის ერთ-ერთი ყველაზე სწრაფად მზარდი creator-tool. AI media-გენერაციის workflow-ს ადამიანური მონტაჟით ავსებს. |
| VibeVoice | 52K | VibeVoice — Microsoft-ის frontier ღია ხმის მოდელების ოჯახი: real-time TTS (streaming, long-form) და unified ASR, რომელიც 60-წუთიან აუდიოს ერთ გავლაში ამუშავებს speaker/timestamp/content სტრუქტურით. ღია წონებით. |
| whisper.cpp | 53K | whisper.cpp — OpenAI-ის Whisper speech-to-text მოდელის C/C++ port, Georgi Gerganov-ის მიერ (llama.cpp-ის შემქმნელი). GPU-ს გარეშეც მუშაობს — CPU-ზე, ARM-ზე, ტელეფონებზეც. 100-ზე მეტ ენაზე transcription-ს ასრულებს, ქართულის ჩათვლით. real-time streaming, speaker diarization, word-level timestamps მხარდაჭერილია. C++ ბიბლიოთეკა Python, Node.js, Go binding-ებითაც ხელმისაწვდომია. podcast-ების, ინტერვიუების, meeting-ების ავტომატური transcription-ისთვის ინდუსტრიული ინსტრუმენტია. |
| Coqui TTS | 46K | Coqui TTS — ღია კოდის deep learning toolkit text-to-speech-ისთვის, Python-ში, კვლევასა და production-ში გამოცდილი. ხმის კლონირება 3-10 წამიანი ნიმუშიდანაა შესაძლებელი. 17-ზე მეტ ენაზე მუშაობს, მრავალი სხვადასხვა TTS არქიტექტურა ჩაშენებულია (VITS, YourTTS, Bark). შენიშვნა: Coqui AI კომპანია 2024 წელს დაიხურა — repo-ს community ინარჩუნებს, მაგრამ აქტიური კომერციული development შეჩერებულია. RealtimeTTS და Bark — აქტიური ალტერნატივები. |
| Bark | 39K | Bark — Suno AI-ის text-prompted generative audio model. ჩვეულებრივი TTS-ისგან განსხვავებით, Bark ქმნის არა მხოლოდ speech-ს, არამედ სიმღერებს, ხმოვან ეფექტებს, სიცილს, ტირილს, ოხვრასა და სხვა non-verbal ხმებს. 100-ზე მეტ ენაზე მუშაობს. Python/Jupyter-ში, Hugging Face-ზე ხელმისაწვდომი. შენიშვნა: Bark-ის განახლებები შეჩერდა, Suno AI ახლა მუსიკის გენერაციის კომერციულ პლატფორმაზეა ფოკუსირებული — repo community mode-შია. Coqui TTS-ის ალტერნატივა, რომელსაც მეტი expressive range აქვს. |
| Diffusers | 34K | Hugging Face Diffusers — state-of-the-art diffusion model-ების Python ბიბლიოთეკა სურათების, ვიდეოების და აუდიოს გენერაციისთვის. Stable Diffusion, FLUX, SDXL, CogVideoX, Wan — ყველა ძირითადი generative model ამ ბიბლიოთეკის მეშვეობით ეშვება. LoRA, ControlNet, IP-Adapter — პოპულარული fine-tuning ტექნიკები ჩაშენებულია. Transformers-ის „diffusion counterpart" Hugging Face-ისგან, ერთი unified API-ით ყველა გენერაციული მოდელისთვის. AI ხელოვნებაში Python pipeline-ების სტანდარტი. |
| OpenMontage | 46K | OpenMontage მსოფლიოში პირველი ღია კოდის აგენტური ვიდეო-პროდაქშენ სისტემაა — 12 pipeline, 52 tool და 500+ agent skill. AI coding assistant-ს (Claude Code, Cursor, Copilot) სრულ ვიდეო-სტუდიად აქცევს: აღწერ იდეას ბუნებრივ ენაზე, ის კი კვლევას, სცენარს, ასეტების გენერაციასა და მონტაჟს თავად აკეთებს. რეალურ footage-საც იყენებს (Archive.org, NASA, Wikimedia), არა მხოლოდ Ken Burns ეფექტს. Python, AGPL-3.0, 33,000+ ⭐. |
| FLUX | 26K | FLUX — Black Forest Labs-ის FLUX.1 image generation მოდელების official inference repo. Black Forest Labs-ი Stable Diffusion-ის ორიგინალი შემქმნელების მიერ 2024 წელს დაარსდა. ლიცენზიები: FLUX.1 [schnell] — Apache 2.0 (სრულად ღია), FLUX.1 [dev] — არაკომერციული ლიცენზიით (research/personal). ასევე სპეციალიზებული ვარიანტები: Fill, Canny, Depth, Redux, Kontext, Krea. flow matching ტექნიკა ჩვეულებრივი diffusion-ის ნაცვლად — უფრო სწრაფი sampling. ComfyUI-სა და Diffusers-ზე მშობლიურად ინტეგრირებული, Replicate-ზე ხელმისაწვდომი. ერთ-ერთი ყველაზე ფართოდ გავრცელებული ღია image generation მოდელი. |
| Pixelle-Video | 27K | Pixelle-Video Alibaba-ს AIDC-AI გუნდის სრულად ავტომატური short-video ძრავაა — თემას აძლევ და სისტემა ბოლომდე აწყობს ვიდეოს: სცენარს წერს LLM-ით (GPT, Qwen, DeepSeek), image/video-ს აგენერირებს ComfyUI ინტეგრაციით, voiceover-ს ასინთეზებს (voice cloning-ით), მუსიკას ამატებს და საბოლოო ვიდეოდ აკომპონებს. digital human narration და motion transfer ჩაშენებულია, web UI კონფიგურაციისთვის. Python, Apache-2.0, 22,000+ ვარსკვლავი — HunyuanVideo-სა და ViMax-ის გვერდით end-to-end short-video pipeline-ის ჩინური ეკოსისტემიდან გამოსული ლიდერი. |
| VoxCPM | 35K | VoxCPM2 — tokenizer-free multilingual text-to-speech სისტემა OpenBMB-ისგან (Tsinghua University-ის კვლევითი ჯგუფი). 30 ენაზე მუშაობს language tag-ის გარეშე, 3 წამიანი ნიმუშიდან ხმის კლონირება, 48kHz სტუდიური ხარისხი. 2 მილიარდი პარამეტრი, 8GB VRAM-ზე ეშვება, Apache 2.0 ლიცენზია. Minimax benchmark-ზე 85.4% ხმის მსგავსება. ElevenLabs-ის ღია ალტერნატივა — კომერციული სერვისის გარეშე სტუდიური ხარისხის TTS. |
| HunyuanVideo | 12K | HunyuanVideo — Tencent-ის large-scale video generation framework. ტექსტიდან, სურათიდან ან audio prompt-ისგან ვიდეოს გენერაცია. Python-ში დაწერილი, Hugging Face-ზე ხელმისაწვდომი. 13 მილიარდი პარამეტრი, Wan-ის მსგავსი სხვა ღია video gen მოდელებთან კონკურენტული. ლოკალური გაშვება მძლავრ GPU-ს მოითხოვს (80GB VRAM რეკომენდირებულია). ფართო ვიდეო გენერაციული research-ისა და ComfyUI-ს workflow-ებისთვის. |
| Hyperframes | 40K | Hyperframes — HeyGen-ის (AI avatar video-ს წამყვანი კომპანია) TypeScript framework, რომელიც HTML/CSS-ს ვიდეოდ გარდაქმნის. სპეციალურად AI აგენტებისთვის შექმნილი: აგენტი HTML-ს წერს, Hyperframes ვიდეოდ render-ავს — კოდირების ვიდეო pipeline. რეპოში არის Claude-სპეციფიკური design guide — Claude.ai-ში ვიდეო template-ის პირველ draft-ს ქმნი, ZIP-ით ჩამოგაქვს, შემდეგ Claude Code-ი ფინიშავს ანიმაციებს. Remotion-ის კონკურენტი declarative agent-first მიდგომით — Plain HTML + GSAP, React-ის გარეშე. 2026 მარტში გამოვიდა, Apache 2.0. |
| Supertonic | 14K | Supertonic ულტრა-სწრაფი, on-device multilingual TTS-ია ONNX-ით — კომპაქტური 99M-პარამეტრიანი მოდელი, 31 ენა, 44.1kHz აუდიო, ღრუბლის გარეშე desktop/mobile/browser/edge-ზე. 10 expression tag ბუნებრივი ინტონაციისთვის და ready-to-use იმპლემენტაცია 11 ენაში (Python, Node, Java, C++, Swift, Rust, Flutter…). MIT (კოდი) + OpenRAIL-M (მოდელი), 12,000+ ვარსკვლავი, 2026 წლის 21 მაისის GitHub Trending #6 — VoxCPM-ის, RealtimeTTS-ისა და bark-ის გვერდით on-device TTS-ის ერთ-ერთი ყველაზე მსუბუქი ვარიანტი. |
| ViMax | 12K | ViMax HKUDS-ის (იმავე ლაბორატორიის, რომელმაც LightRAG, RAG-Anything, nanobot, DeepTutor და OpenSpace შექმნა — ყველა ამ კოლექციაშია) agentic video generation framework-ია. სპეციალიზებული აგენტები Director, Screenwriter, Producer და Video Generator როლებში იდეას, სცენარს ან მთელ რომანსაც კი სრულ ვიდეოდ აქცევს — Idea2Video, Script2Video, Novel2Video და AutoCameo (მომხმარებლის ფოტო პერსონაჟად). script generation, storyboard, shot planning, reference image selection და consistency validation ავტომატიზებულია. Python, MIT, 10,000+ ვარსკვლავი, GitHub Trending #8 — HunyuanVideo-ს გვერდით agentic, role-based მიდგომით განსხვავდება. |
| Kokoro | 8.4K | Kokoro — მცირე, მაგრამ ხარისხიანი ღია TTS მოდელი (82M პარამეტრი), Apache 2.0. ლოკალურად სწრაფი მეტყველების სინთეზი მინიმალური რესურსით — ერთ-ერთი ყველაზე პოპულარული მსუბუქი TTS 2026-ში. |
| RealtimeTTS | 4.0K | RealtimeTTS — Python ბიბლიოთეკა, რომელიც ტექსტს ხმად real-time-ში გარდაქმნის, streaming input-ისთვის ოპტიმიზებული. LLM-ის output-ს stream-ად ღებულობს და პირველ სიტყვებს 2 წამში წარმოაჩენს — სრული response-ის დასრულების გარეშე. Coqui, ElevenLabs, Azure, Piper, Kokoro — მრავალი TTS backend მხარდაჭერილია ერთი API-ით. ხმის კლონირება Coqui backend-ით. Kolja Beigel-ის (KoljaB) independent project, MIT ლიცენზია. სრული voice AI pipeline-ების ასაწყობად. |
| video-use | 20K | video-use — Browser Use გუნდის ხელსაწყო ვიდეო მონტაჟისთვის AI კოდინგ აგენტების მეშვეობით. ბუნებრივ ენაზე გაიცი ინსტრუქცია (ფრაგმენტების შეერთება, subtitle-ების დამატება, audio-ს ჩანაცვლება, speed-ის შეცვლა) და AI FFmpeg-ის სკრიპტს ავტომატურად წერს და ახორციელებს. Python-ში, 2026 წლის აპრილში გამოჩნდა. agentic media processing-ის ახალი მიმართულების ადრეული demo — NLE (non-linear editor) UI-ის გარეშე, პროგრამული ვიდეო workflow-ებისთვის. |
📚 რესურსები და სასწავლო მასალები
Resources & Learning — სასწავლო მასალები, awesome-სიები, კურსები და საცნობარო რესურსები AI-ით აშენებისთვის.
| რეპოზიტორია | ⭐ | აღწერა |
|---|---|---|
| Build Your Own X | 538K | Build Your Own X — GitHub-ის ერთ-ერთი ყველაზე ვარსკვლავიანი სასწავლო რეპოზიტორია CodeCrafters-ისგან: tutorial-ების კატალოგი, სადაც საყვარელ ტექნოლოგიებს ნულიდან თავად აწყობ. Git, Docker, database, operating system, programming language, LLM, neural network, web browser, game engine — ათასობით ნაბიჯ-ნაბიჯ სახელმძღვანელო, კატეგორიებად დალაგებული და ენა-ნეიტრალური. პროგრამირების სიღრმისეული, system-level გაგებისთვის საუკეთესო რესურსია. |
| Public APIs | 455K | Public APIs — GitHub-ის ერთ-ერთი ყველაზე ვარსკვლავიანი რეპოზიტორია, ასობით კატეგორიზებული უფასო API-ს კოლექტიური სია. ამინდი, მუსიკა, ფინანსები, რუკები, სპორტი, სახელმწიფო მონაცემები, AI სერვისები — authentication-ის, CORS-ის და ლიცენზიის ინფორმაციით. Python-ში დაწერილი ვალიდაციის სკრიპტებით, community-maintained. AI აგენტის workflow-ების ასაწყობისას — პირველი გაჩერება, სანამ API-ის ძებნას შეუდგები. |
| System Prompts Collection | 143K | System Prompts Collection — 25-ზე მეტი AI ხელსაწყოს leaked და public system prompt-ების კოლექცია: Claude Code, Cursor, Devin AI, v0, Lovable, Replit, Windsurf, Manus, Perplexity, Kiro, Warp, Xcode და სხვა. prompt engineering-ის შეუცვლელი სასწავლო მასალა — ფრონტიერ კომპანიები სისტემურ prompt-ებს რა სტრუქტურით, ენით და ლოგიკით წერენ. AI Agent-ების ასაწყობად, product prompt engineering-ისთვის, ან კონკურენტული ანალიზისთვის. Community-ის მიერ განახლდება. |
| Awesome LLM Apps | 132K | Awesome LLM Apps — 100+ გაშვებადი AI agent და RAG აპლიკაცია სრული კოდით: clone, customize, ship. GitHub-ის ერთ-ერთი ყველაზე სწრაფად მზარდი AI სასწავლო რეპო — პრაქტიკული მაგალითები frontier მოდელებზე. 117,000+ ვარსკვლავი. |
| LLMs from Scratch | 102K | LLMs from Scratch — Sebastian Raschka-ს (Lightning AI-ის მკვლევარი) წიგნის "Build a Large Language Model (From Scratch)" Jupyter Notebook კოლექცია. ChatGPT-ის მსგავსი LLM PyTorch-ში ნულიდან: attention mechanism, tokenization, pre-training, fine-tuning, RLHF — ყველა ეტაპი კოდით. Manning Publications-ის ბესტსელერი, ღია Jupyter notebooks-ით. AI-ის შიდა მექანიზმის გასაგებად ყველაზე სრული, პრაქტიკული სასწავლო კურსი — კვლევისა და საინჟინრო გაგებისთვის. |
| Awesome MCP Servers | 92K | Awesome MCP Servers — MCP სერვერების კანონიკური, ~90K-ვარსკვლავიანი catalog: ათასობით tool და connector აგენტებისთვის (ბაზები, dev-ხელსაწყოები, სერვისები). MCP ეკოსისტემის მთავარი discovery-რესურსი. |
| AutoResearch | 94K | AutoResearch არის Andrej Karpathy-ს (OpenAI-ის ყოფილი კვლევის ხელმძღვანელი, Tesla AI-ის ყოფილი ხელმძღვანელი) ექსპერიმენტული Python პროექტი, სადაც AI აგენტები nanochat-ის ერთ-GPU-ზე ტრენინგს ავტომატურად წარმართავენ. პროექტი ავლენს „automated ML research" ცნებას — აგენტები ექსპერიმენტებს ჩაატარებენ, შედეგებს შეაფასებენ და ციკლს ადამიანის ჩარევის გარეშე გაიმეორებენ. Karpathy-ს ავტორიტეტის გამო სწრაფად დაიგროვა 87,000+ ვარსკვლავი, თუმცა ეს კვლევითი/სადემონსტრაციო პროექტია, არა production-ready ფრეიმვორკი. ML კვლევის ავტომატიზაციით დაინტერესებულთათვის საყურადღებო მიმართულებაა. |
| system_prompts_leaks | 63K | system_prompts_leaks მთავარი AI სისტემების ამოღებული system prompt-ების კრებულია — Anthropic (Claude Opus 4.8, Claude Code, Claude Design), OpenAI (ChatGPT, Codex), Google (Gemini, Antigravity), xAI Grok, Cursor, Copilot, Perplexity და სხვა. რეგულარულად ახლდება. prompt engineering-ის შესასწავლად ერთ-ერთი ყველაზე ღირებული რესურსი — ხედავ როგორ ამუშავებენ frontier ლაბები რეალურ აგენტებს. 49,000+ ⭐. |
| Anthropic Cookbook | 51K | Anthropic Cookbook — Anthropic-ის ოფიციალური Jupyter Notebook კოლექცია Claude API-ის გამოყენების პრაქტიკული მაგალითებით. tool use, prompt caching, multi-agent workflows, vision, PDF processing, computer use, extended thinking, batch API — ყველა ძირითადი Claude-ის შესაძლებლობა კოდური მაგალითებით. Anthropic-ის გუნდი პირდაპირ ინარჩუნებს — ახალი features-ების გამოშვებასთან ერთად ემატება. Claude API-ს პირველად მომხმარებლებისთვის — ოფიციალური დასაწყისი. |
| Awesome Claude Code | 52K | Awesome Claude Code — Claude Code-ის (Anthropic) ecosystem-ის კურირებული სია: skills, hooks, slash-commands, agent orchestrators, applications, plugins. Claude Code-ის მაქსიმალურად ეფექტური გამოყენებისთვის — community-ის საუკეთესო workflow-ები, automation scripts, ინტეგრაციები ერთ ადგილზე. Python-ში, community-maintained. Claude Code-ის ახალი მომხმარებლებისთვის — გამოყენების შაბლონების, advanced workflows-ების სწრაფი შესწავლის პირველი გაჩერება. |
| awesome-cursorrules | 41K | awesome-cursorrules — Cursor-ის .cursorrules ფაილების კანონიკური კრებული სხვადასხვა ენისა და framework-ისთვის. AI coding agent-ის ქცევის კონფიგურაცია მზა შაბლონებით. 40,000+ ⭐. |
| AI Engineering from Scratch | 46K | AI Engineering from Scratch — სასწავლო რეპო პრინციპით „ისწავლე, ააშენე, გაუშვი სხვებისთვის": AI ინჟინერიის კონცეფციების ნულიდან, პრაქტიკული აგებით. Python. |
| Claude How-To | 41K | Claude How-To — ვიზუალური, მაგალითებზე დაფუძნებული სახელმძღვანელო Claude Code-ისთვის: ძირითადი კონცეფტებიდან advanced agent-ების მშენებლობამდე, copy-paste შაბლონებით. Python-ში, 2025 წელს შექმნილი. Anthropic Cookbook-ისგან განსხვავებით, ნაკლებ ოფიციალური და უფრო community-style — მაგრამ მეტი ready-to-use template-ებით. Claude Code-ის ახალი მომხმარებლებისთვის, ვისაც სწრაფი, პრაქტიკული სახელმძღვანელო სჭირდება. |
| 12-Factor Agents | 25K | 12-Factor Agents humanlayer-ის 12 საინჟინრო პრინციპია production-grade LLM სოფტვერის ასაშენებლად — „12 Factor Apps" მეთოდოლოგიის AI ანალოგი. ამტკიცებს, რომ საუკეთესო გზა framework-ზე სრული დამოკიდებულება კი არა, არამედ მცირე, მოდულური აგენტური კონცეფციების არსებულ პროდუქტში ჩაშენებაა — prompt ownership, context window management, tool design, state unification, human coordination. Apache-2.0 (კოდი) + CC BY-SA 4.0 (კონტენტი), 23,000+ ვარსკვლავი, GitHub Trending #9 — awesome-claude-code-ისა და Anthropic Cookbook-ის გვერდით ფუძემდებლური სასწავლო რესურსი. |
| Free LLM API Resources | 29K | Free LLM API Resources — 26-ზე მეტი უფასო LLM inference სერვისის კურირებული სია API-ზე წვდომით: OpenRouter, Google AI Studio, NVIDIA NIM, Mistral, Groq, Cerebras, Together AI და სხვა. ყოველი სერვისისთვის — ხელმისაწვდომი მოდელები, rate limits, registration requirements. Python-ში, cheahjs-ის მიერ, community-ის განახლებებით. prototype-ებისა და სასწავლო პროექტებისთვის, სადაც გადასახადი არ გსურს — ყველაზე სრული სია. |
| Agent Skills Spec | 24K | Agent Skills Spec AI agent-ებისთვის skills-ის მიცემის ღია სტანდარტისა და სპეციფიკაციის კოლექციაა — write-once, use-everywhere პრინციპით. სრული სპეციფიკაციის დოკუმენტი, reference SDK და მაგალითი skill-ები. Python-ში, agentskills.io — დამოუკიდებელი, community-driven პროექტი. Claude Code, Codex და სხვა platform-ები ამ სტანდარტს მიჰყვებიან, თუმცა ეს Anthropic-ის ოფიციალური სტანდარტი არ არის. |
| Awesome AI Agent Papers | 1.7K | Awesome AI Agent Papers — 2026-ში გამოქვეყნებული აგენტური AI კვლევითი ნაშრომების კურირებული კოლექცია: agent engineering, memory, evaluation, workflows და ავტონომიური სისტემები. VoltAgent-ის მიერ. |
| Awesome AI Agents 2026 | 1.6K | Awesome AI Agents 2026 — 300+ AI აგენტის, ფრეიმვორკისა და ხელსაწყოს ყოვლისმომცველი სია 20+ კატეგორიად, ყოველთვიური განახლებით. agentic ეკოსისტემის სანავიგაციო რუკა. |
| Awesome CLI Coding Agents | 971 | Awesome CLI Coding Agents — ტერმინალში მომუშავე AI coding-აგენტებისა და მათი ორკესტრატორების კურირებული კატალოგი: Pi, OpenCode, Aider, Goose, Claude Code, Codex, Gemini CLI, parallel runners და agent ინფრასტრუქტურა. |
| Claude × HyperFrames Guide | Guide | HyperFrames — HeyGen-ის ღია ფრეიმვორკი, რომელიც HTML/CSS/GSAP კომპოზიციებს მზა ვიდეოდ აქცევს და სპეციალურად AI აგენტებისთვისაა შექმნილი („Write HTML. Render video.“). Claude.ai ან Claude Code წერს HTML-ს, HyperFrames კი მას არენდერებს — social reel (9:16), launch teaser (16:9), product explainer და სხვა ფორმატებით. რეპოს თან ახლავს ოფიციალური სახელმძღვანელო Claude-სთან გუნდური video-workflow-ისთვის: draft Claude.ai-ში, polish Claude Code-ში. |
| LLM-Maintained Wiki (Karpathy) | Gist | Andrej Karpathy-ს (OpenAI-ისა და Tesla-ს ყოფილი AI ხელმძღვანელი) კონცეფტუალური gist — AI ავტომატურად ქმნის და ანახლებს პერსონალურ Markdown wiki-ს ახალი ინფორმაციის მიხედვით. RAG-ის ალტერნატიული მიდგომა: ინფორმაცია არ ინახება vector DB-ში, არამედ LLM თავად გადაწერს, აახლებს და ჯვარედინ მითითებებს ამატებს wiki გვერდებში. კოდი კი არა — განსაზღვრის, ხედვის ნაშრომია, რომელმაც LLM-maintained knowledge bases-ის შესახებ ფართო დისკუსია გამოიწვია. |
ჩვენს შესახებ
ეს სია იმართება AI Pulse Georgia-ს მიერ — საზოგადოება, რომელიც ფოკუსირებულია AI აგენტებზე, ავტომატიზაციაზე და ავტონომიური სისტემების მომავალზე.
„Exploring Georgia's AI Future"
თუ ეს სია გამოგადგებათ, მიეცით ვარსკვლავი და გაუზიარეთ სხვებს, ვინც AI აგენტებით აშენებს.
წვლილის შეტანა
იპოვეთ შესანიშნავი რეპოზიტორია, რომელიც ამ სიაში ჯდება? გახსენით issue ან გამოაგზავნეთ pull request.
ლიცენზია
