Awesome Workflow Automation

В работе часто всплывают повторяющиеся задачи: приходится вручную копировать данные между разными приложениями, или каждый день в одно и то же время отправлять одинаковые уведомления по почте. Это и время жрет, и ошибки провоцирует.

Случайно наткнулся на GitHub на подборку Awesome Workflow Automation — она системно собирает инструменты и материалы по автоматизации рабочих процессов.

Там собраны больше 20 популярных тулов вроде Zapier, n8n, Make и других, включая но-код платформы, опенсорс варианты и решения для энтерпрайза. У каждого инструмента есть ссылка на подробный обзор.

Помимо списка тулов есть статьи для входа в тему, практические книги, видеокурсы, а также активные комьюнити вроде Reddit и форумов.

Если хочешь избавиться от рутинной ручной работы или подбираешь автоматизацию для команды, эта подборка точно стоит внимания и сохранения.

⭐️ Stars: 706

➡️ Cсылка на GitHub

📱 @git_developer

Zedis

Когда работаешь с Redis, многие клиенты сделаны на Electron, и при загрузке десятков тысяч записей все начинает дико лагать.

Тут как раз на GitHub наткнулся на Zedis — Redis GUI-клиент, который явно упирается в производительность.

Там нет веб-оболочки, поэтому интерфейс держит нативные 60 FPS и дает очень плавный опыт, плюс есть умный просмотрщик данных.

Поддерживает авто-распаковку GZIP/ZSTD, форматирование JSON и даже просмотр сохраненных картинок прямо внутри.

Клиент сам умеет определять топологию — одиночный инстанс, кластер или Sentinel — так что избавляет от мутных коннект-настроек.

Сейчас есть сборки под macOS, Windows и Linux. Рекомендую тем, кому критична скорость отклика.

📁 Language: #Rust 99.2%

⭐️ Stars: 1.1k

➡️ Cсылка на GitHub

📱 @git_developer

VibeTunnel

Если на компе крутится долгий процесс и хочется с телефона иногда глянуть, что там происходит, или быстро показать коллегам вывод терминала, то обычно приходится настраивать SSH или ставить кучу софта. Короче, муторно.

Тут как раз вспомнили про VibeTunnel. Это опенсорс-штука, которая пробрасывает терминал Mac прямо в браузер. Можно открыть с телефона или планшета и смотреть в реальном времени.

Ты оборачиваешь своей командой нужное приложение, и ввод-вывод терминала летит в браузер. Поддерживается поток любого размера, докачка после обрыва и даже запись с последующим воспроизведением.

Есть три варианта доступа: Tailscale для приватной и максимально безопасной схемы, ngrok для временного шаринга, и обычная локалка, если всё внутри сети.

Плюс есть режим Git Follow. Он заставляет основной репозиторий автоматически прыгать по веткам вместе с рабочим деревом, так что при разработке IDE и сервер не нужно перезапускать после каждой смены ветки.

Нативно работает на Apple Silicon Mac, а ещё есть npm-пакет для Linux-серверов и Docker. Заходит для удалённого мониторинга AI-агентов или долгих билдов.

📁 Language: #TypeScript 50.2%

⭐️ Stars: 2.9k

➡️ Cсылка на GitHub

📱 @git_developer

Constrict

Хочешь скинуть другу видос или залить вложение где-нибудь, а платформа выдает “файл слишком большой”. Приходится искать софт, ковырять настройки и сжимать вручную.

На GitHub как раз попался Constrict — маленький опенсорс-инструмент, заточенный под одну конкретную задачу: ужать видео до нужного размера.

Не нужно возиться с кучей параметров. Просто задаешь целевой размер, а дальше он сам рассчитывает и подбирает битрейт, разрешение и FPS, чтобы ужать ролик максимально точно.

Поддерживаются популярные кодеки вроде H.264, HEVC и AV1. Вся обработка делается локально, без загрузки в облако, так что и приватность сохраняется, и ждать ничего не нужно.

Есть готовые инсталляторы, интерфейс простой и понятный. Если тебе часто нужно ужимать видео под конкретный размер и неохота каждый раз вручную крутить параметры — инструмент прям годный для закладок.

📁 Language: #Python 94.2%

⭐️ Stars: 507

➡️ Cсылка на GitHub

📱 @git_developer

Lonkero

При пентесте самая боль обычно не в том чтобы найти уязвимость, а в том что сканер насыпает тонну ложных срабатываний и потом полдня сидишь руками проверяешь. В итоге реальные дырки тонут в шуме.

Попался тут Lonkero — опенсорсный сканер безопасности с байесовым движком и умным фильтром. Ложных срабатываний около 5%, что в разы ниже среднего по рынку.

Собран на Rust. Внутри больше 125 профильных сканеров: инъекции, аутентификация, API security, современные фреймворки и прочие штуки. Определяет стек и сам подстраивает стратегию тестирования.

Плюс там встроенная ML-начинка: после каждого прогона учится на ответах и со временем становится точнее. Есть даже федеративный режим — можно делиться весами моделей (без сырых данных) и подтягивать точность всей экосистеме.

Если ищешь пентестовский сканер с низким шумом, нормальным покрытием и поддержкой актуальных стеков, или устал от обычных сканеров с тоннами ложных тревог — Lonkero выглядит вполне стоящим вариантом.

📁 Language: #Rust 100.0%

⭐️ Stars: 719

➡️ Cсылка на GitHub

📱 @git_developer

pad.ws

Когда в разработке хочется и рисовать схемы, и писать код, обычно начинаешь прыгать между белой доской и IDE или открывать всё в разных окнах. Место быстро заканчивается, а фокус теряется.

Наткнулся на GitHub на проект pad.ws — довольно креативная штука, которая склеивает белую доску и дев-среду прямо в браузере.

Там Excalidraw отвечает за интерактивный вайборд, а внутри ещё лежит полноценный IDE: можно открыть терминал и VS Code прямо на доске и мгновенно переключаться между визуализацией и кодингом.

Заход работает с любого устройства. Плюс есть десктопный коннект через VS Code и Cursor чтобы подключаться к виртуалке.

Есть готовый хостинг для быстрого прогона, а также Docker для самохоста. Проект пока на ранней стадии, поэтому локальный деплой скорее для тестов, но идея сама по себе очень живая.

📁 Language: #TypeScript 57.7%

⭐️ Stars: 3.9k

➡️ Cсылка на GitHub

📱 @git_developer

На Stepik вышел курс по: автоматизации рабочих процессов с помощью n8n

Этот курс знакомит разработчиков с n8n как инструментом для автоматизации и интеграций.

Чему вы научитесь:

✅Базовое понимание автоматизаций и воркфлоу с обработкой событий в реальном времени на триггерах и вебхуках.
✅Уверенные навыки сборки динамической и условной логики через n8n expressions и ноды ветвления.
✅Рабочее владение Code node для написания кастомного JavaScript под специфичные сценарии и сложные трансформации данных.
✅Умение строить, дебажить и делать устойчивые к сбоям автоматизации, которые подключаются к любым API и внешним сервисам.
✅Практический опыт интеграции AI-агентов и LLM, а также построения баз знаний через RAG и векторные хранилища.
✅Навыки создания переиспользуемых воркфлоу и подключения внешних AI-инструментов через MCP
✅Четкое понимание стратегий деплоя и лучшие практики для запуска n8n в продакшен-окружении.

В конце тебя ждет сертификат, который можно добавить в резюме или LinkedIn

Скидка 25%, действует 48 часов

🔗Пройти курс на Stepik

Time Tracker for Browser

Если хочется понять, сколько времени ты реально тратишь на разные сайты каждый день, встроенная история браузера тут вообще не помогает: там видно только количество заходов, а куда ушло время, непонятно.

На GitHub как раз нашелся Time Tracker for Browser, опенсорсное расширение, которое автоматически считает, сколько ты сидишь на каждом домене, и рисует наглядные отчеты.

Поддерживает Chrome, Edge и Firefox. Поставил и забыл: оно в фоне собирает статистику, а через попап можно быстро посмотреть распределение времени по сайтам за день.

Помимо базового трекинга времени, есть отчеты по анализу данных и “привычкам”, чтобы видеть тренды и как меняется поведение в интернете. Плюс есть блокировки: можно задать правила и ограничить время на конкретных сайтах.

Все данные хранятся локально и никуда не отправляются, так что с приватностью все ок. Если хочешь разобрать свои интернет-привычки или начать жестче контролить время на “залипалках”, расширение точно стоит попробовать.

📁 Language: #TypeScript 97.6%

⭐️ Stars: 746

➡️ Cсылка на GitHub

📱 @git_developer

TaxHacker

Каждый раз, когда надо разгрести чеки и инвойсы для налогов, обычно все превращается в ручной ад: по одной бумажке вбивать в таблицу продавца, сумму, дату, налоги и прочие поля. Долго и легко накосячить.

На GitHub недавно нашелся TaxHacker, опенсорсный учетный инструмент под фрилансеров и малый бизнес. Фишка в том, что он с помощью AI автоматически распознает и вытаскивает данные из инвойсов.

Сфоткал чек или загрузил PDF и AI сам вытащит ключевое: названия позиций, суммы, дату, продавца, налоговые поля и т.д. Дальше это сохраняется сразу в структурированную базу, плюс можно добавить кастомные поля, чтобы вытягивать то, что нужно именно тебе.

Есть поддержка 170+ фиатных валют и 14 криптовалют, а также автоматический пересчет по курсу на дату операции. Можно фильтровать записи по дате, категориям, проектам, сумме и другим признакам, и выгружать полный журнал транзакций в CSV.

Отдельно полезно, что можно настраивать промпты для AI, включая системные шаблоны: заставить модель вытаскивать дополнительные атрибуты под твой кейс, например email, адрес, код проекта и т.п.

Для деплоя есть Docker-образ и Docker Compose, можно быстро поднять на своем сервере и держать данные под полным контролем. Также поддерживается подключение к уже существующему PostgreSQL.

📁 Language: #TypeScript 99.7%

⭐️ Stars: 1k

➡️ Cсылка на GitHub

📱 @git_developer

paperetl

Когда занимаешься исследованием или анализом данных и у тебя сотни или тысячи PDF-статей, каждый раз вручную вытаскивать и раскладывать информацию это ад.

Недавно, пока копался в тулзах для обработки данных, наткнулся на paperetl. Это опенсорсная библиотека для пакетной обработки и парсинга научных публикаций, которая приводит разный входной формат к структурированным данным.

Поддерживает массовый парсинг и преобразование источников в разных форматах: полный текст PDF, PubMed XML, ArXiv XML и другие.

Может складывать неструктурированные статьи прямо в SQLite, выгружать в JSON, а также подключаться к Elasticsearch для полнотекстового поиска.

По сути, одной командой можно прогнать целую папку с файлами и превратить её в БД или набор структурированных файлов, чтобы потом нормально искать, фильтровать и анализировать.

Если ты делаешь литобзор, систематический обзор или хочешь собрать свою базу статей, инструмент точно стоит попробовать.

📁 Language: #Python 96.2%

⭐️ Stars: 490

➡️ Cсылка на GitHub

📱 @git_developer

NoLanguageLeftWaiting

Если хочется делать стриминговый перевод для трансляций или прям настоящий синхрон, быстро упираешься в тупняк классических офлайн-моделей: они часто ждут, пока человек договорит фразу целиком, и из-за этого появляется заметная задержка.

На GitHub нашелся опенсорсный проект NoLanguageLeftWaiting. Ребята взяли офлайн-переводчик Meta NLLB и переделали его в режим реального синхронного перевода: модель может переводить на лету, не дожидаясь конца предложения.

Плюс они закрывают типичные боли “псевдо-синхрона”: когда пунктуация вставляется криво, а работа с префиксами и контекстом превращается в кашу.

Что по возможностям:

* перевод между ~200 языками
* два варианта бэкенда: HuggingFace и CTranslate2
* внутри сразу два размера модели: 600M и 1.3B

Сейчас они ещё пилят speculative decoding (спекулятивное декодирование), чтобы ускорить вывод. Идея: часть гипотез быстро “пробрасывать” и потом частично валидировать, чтобы не тормозить на каждом шаге. По их замерам валидация занимает примерно 0.15 секунды.

Если делаешь голосовой перевод, субтитры для стрима или любой кросс-языковой созвон, где задержка решает, проект прям стоит потыкать.

📁 Language: #Python 100.0%

⭐️ Stars: 41

➡️ Cсылка на GitHub

📱 @git_developer

local_ai_ocr

Если нужно вытаскивать текст из документов или PDF, загружать файлы в онлайн-конвертеры всегда как-то стрёмно. А у многих локальных тулов то распознавание так себе, то форматирование превращается в кашу.

Случайно наткнулся на GitHub на open-source проект local_ai_ocr: он собран на модели DeepSeek-OCR и заточен под локальное офлайн-распознавание текста на Windows.

Он умеет с GPU-ускорением обрабатывать картинки и PDF: не просто точно вытягивает текст, но и может сразу экспортировать в Markdown, чтобы сохранить сложные таблицы и верстку.

Работает полностью офлайн: ничего не нужно отправлять в облако. Скачал, распаковал, запустил init-скрипт и можно пользоваться, без сложной настройки окружения.

Если для тебя критична приватность данных или нужна максимально точная “реконструкция” форматирования документа, штука точно стоит того, чтобы попробовать.

📁 Language: #Python 67%

⭐️ Stars: 493

➡️ Cсылка на GitHub

📱 @git_developer

Neoflow

Когда команда устраивает брейншторм или рисует схемки, за нормальные коммерческие whiteboard-инструменты приходится платить, а бесплатные обычно душат лимитами и пользоваться ими бесит.

На GitHub как раз попался Neoflow — опенсорсный whiteboard, который полностью бесплатный и при этом не урезанный. Заточен под простую коллаборацию.

Собран на базе tldraw, поэтому интерфейс приятный и лёгкий. Есть realtime совместное редактирование — несколько человек могут двигать блоки одновременно без лагов.

Плюс завезли AI-фичи, которые реально помогают в работе — авто-организация канваса, распознавание фигур и прочие полезные штуки.

Лицензия MIT. Можно поднять локально через Docker или npm — без танцев и без привязки к SaaS.

Подходит дизайнерам для набросков и идей, а дев-команде — для обсуждения архитектур и процессов. Хорошая альтернатива коммерческим whiteboard-сервисам.

📁 Language: #JavaScript 87.1%

⭐️ Stars: 142

➡️ Cсылка на GitHub

📱 @git_developer

json-render

Идея про AI-генерацию UI сейчас реально меняется. Команда Vercel Labs недавно выложила в опенсорс json-render и по сути ломает старые правила.

Вместо привычной (и часто нестабильной) генерации кода они предлагают новый пайплайн: AI → JSON → UI. За какие-то три дня проект собрал 6000+ звезд.

Ключевая мысль: не давать AI “свободно творить”, а заставить работать внутри “ограждений”, чтобы на выходе были полностью предсказуемые структурированные данные.

Тебе нужно лишь описать библиотеку компонентов в нужной директории, а дальше AI заполняет данные. Так можно практически полностью убрать галлюцинации.

Это не только лечит вечную проблему “поплыл стиль”, но и дает стриминговый рендер с задержками на уровне миллисекунд, скорость там прям безумная.

Если хочешь собирать “абсолютно контролируемый” генеративный интерфейс, эту фронтенд-библиотеку точно стоит покопать.

📁 Language: #TypeScript 98.1%

⭐️ Stars: 6.7k

➡️ Cсылка на GitHub

📱 @git_developer