← Arsiv

2026-08-06

45 repo analiz edildi

📅 Günlük 📊 Haftalık 📈 Aylık
TypeScript 15k 1.4k +1.9k
🔓 520 açık issue 🕐 Son commit: 1 ay once 📅 5 aylik proje 👁 56 izleyici
agentai-agentembeddingllmlocal-firstlong-term-memorymemoryopenclaw-plugin

TencentDB Agent Memory is a team-level memory hub for AI Agents — turning conversations, docs, and code into four reusable memory assets (Chat Memory, Skill, LLM-Wiki, Code-Graph) that are governed, shared, and equipped across agents and frameworks.

🤖 Türkçe AI Analizi

TencentDB Agent Memory, yapay zeka ajanları için takım düzeyinde bir hafıza merkezidir. Konuşmaları, belgeleri ve kodları, yönetilen, paylaşılan ve çeşitli ajanlar ve çerçeve üzerinde kullanılan dört yeniden kullanılabilir hafıza varlığı (Chat Memory, Skill, LLM-Wiki, Code-Graph) haline getirir. Bu sayede, ajanlar arasındaki tekrarlayan işleri azaltmak ve deneyim birikimini sağlamak amaçlanır.

🎯 Hedef Kitle: Yapay zeka ajanları geliştiren ekipler ve bu alanda çalışan yazılımcılar

Chat Memory, Skill, LLM-Wiki, Code-Graph gibi hafıza varlıkları Otomatik varlık çıkarma Portable ve paylaşılabilir hafıza
💡 Kullanım Örneği

Bir yazılım geliştirme ekibi, projeleri için yapay zeka ajanları kullanmaktadır. Bu ajanların önceki projeler hakkında bilgi sahibi olması ve tekrarlayan işleri azaltması gerekmektedir. TencentDB Agent Memory'yi kullanarak, önceki projelerin bilgilerini hafızada saklayabilir ve yeni ajanlara bu bilgileri sağlayabilir.

Rust 12k 781 +1.6k
📄 MIT 🔓 78 açık issue 🕐 Son commit: 1 ay once 📅 7 aylik proje 👁 29 izleyici
markdownnodejsocr-routingpdfpdf-classificationpdf-extractionpdf-parserpython

Fast Rust library for PDF inspection, classification, and text extraction. Intelligently detects scanned vs text-based PDFs to enable smart routing decisions.

🤖 Türkçe AI Analizi

pdf-inspector, hızlı ve akıllı bir Rust kütüphanesidir, PDF belgelerinin sınıflandırılması, metin çıkarılması ve Markdown'a dönüştürülmesi için tasarlanmıştır. Bu kütüphane, PDF'nin metin tabanlı mı yoksa taranmış mı olduğunu tespit edebilir, metni konum bilgisiyle çıkarabilir ve temiz Markdown'a dönüştürebilir, tüm bunları OCR (Optik Karakter Tanıma) olmadan gerçekleştirir. pdf-inspector, Python, Node.js ve WebAssembly için bağlamalar içerir.

🎯 Hedef Kitle: PDF işleme ve metin çıkarma işlemleri yapan Rust, Python, Node.js ve WebAssembly geliştiricileri

Akıllı sınıflandırma: PDF'nin metin tabanlı, taranmış, görüntü tabanlı veya karışık olduğunu ~10-50ms içinde tespit eder Metin çıkarma: Konum bilgisiyle metni çıkarır, yazı tipi bilgisi, X/Y koordinatları ve otomatik çok sütunlu okuma sırası sağlar Markdown dönüşümü: Başlıklar, madde işaretleri, kod blokları, tablolar, kalın/italik biçimlendirme, URL bağlantıları ve sayfa kırıkları gibi özellikleri destekler
💡 Kullanım Örneği

Örneğin, bir finansal belge işleme yazılımı geliştiren bir yazılımcı, pdf-inspector'ı kullanarak PDF belgelerindeki metni hızlı ve doğru bir şekilde çıkarabilir, sınıflandırabilir ve Markdown'a dönüştürebilir. Bu, özellikle finansal raporlar, fatura ve sözleşmeler gibi belgelerin işlenmesinde yararlı olabilir.

Günlük
Shell 267k 24k +931
📄 MIT 🔓 323 açık issue 🕐 Son commit: 1 ay once 📅 11 aylik proje 👁 1.0k izleyici
aibrainstormingcodingobrasdlcskillssubagent-driven-developmentsuperpowers

An agentic skills framework & software development methodology that works.

🤖 Türkçe AI Analizi

Superpowers, yazılım geliştirme ajanları için eksiksiz bir yazılım geliştirme metodolojisidir. Bu metodoloji, bir dizi modüler beceri ve başlangıç talimatları üzerine kurulmuştur. Süperpowersiz, kodlama ajanları, projenin gereksinimlerini anlamak için kullanıcılarla konuşur, tasarım ve uygulama planlarını hazırlar ve alt ajanlarla işbirliği yaparak kod geliştirir.

🎯 Hedef Kitle: Yazılım geliştirme ajanları ve bu ajanları kullanan geliştiriciler

Modüler beceri seti Subagent-driven-development süreci Totally red/green TDD, YAGNI (You Aren't Gonna Need It), ve DRY (Don't Repeat Yourself) ilkelerine vurgu
💡 Kullanım Örneği

Bir yazılım geliştirme ajanı, Süperpowersiz entegre edilerek, kullanıcıdan projenin gereksinimlerini öğrenir, tasarım ve uygulama planlarını hazırlar ve alt ajanlarla işbirliği yaparak kod geliştirir. Bu sayede, ajanlar daha verimli ve bağımsız çalışabilirler.

TypeScript 3.4k 156 +891
📄 MIT 🔓 20 açık issue 🕐 Son commit: 1 ay once 📅 3 aylik proje 👁 14 izleyici

Give your agent a computer 👾

🤖 Türkçe AI Analizi

Cloudflare Computer, bir sanal dosya sistemi olup, Durable Object içerisinde yaşamaktadır. Bu sistem, SQLite üzerinde yetkili durumu tutar ve 'workspace.runtime' üzerinden bir takaslanabilir yürütme yüzeyi sağlar. Üç farklı backend mevcuttur: Container, Isolate shell ve Isolate JavaScript. Bu sayede, geliştiriciler farklı ortamlar ve execution yöntemleri seçebilirler.

🎯 Hedef Kitle: Cloudflare Workers ve Durable Objects ile çalışan geliştiriciler ve bulut tabanlı uygulamalar geliştiren yazılımcılar

Durable Object entegrasyonu SQLite kullanımı Çoklu backend seçenekleri (Container, Isolate shell, Isolate JavaScript) Takaslanabilir yürütme yüzeyi
💡 Kullanım Örneği

Örneğin, bir yazılımcı olarak, Cloudflare Computer'ı kullanarak bir Worker projesi oluşturabilir ve bunu bir sanal dosya sistemine bağlayabilirsiniz. Bu sayede, projeleriniz için güvenli ve esnek bir dosya sistemi kullanabilirsiniz. Ayrıca, bu sistem sayesinde kodlarınızı daha kolay yönetebilir ve dağıtabilirsiniz.

Günlük
Jupyter Notebook 29k 3.1k +833
📄 Apache-2.0 🔓 129 açık issue 🕐 Son commit: 1 ay once 📅 3 yillik proje 👁 264 izleyici
chinese-llmchinese-nlpfinetunegenerative-aiinstruct-gptinstruction-setllamallm

AirLLM 70B inference with single 4GB GPU

🤖 Türkçe AI Analizi

AirLLM 70B inference with single 4GB GPU Proje 29,190 yildiza ulasarak buyuk ilgi gormus ve today icinde 833 yeni yildiz almis.

🎯 Hedef Kitle: Jupyter Notebook ekosisteminde calisan gelistiriciler ve bu alanda cozum arayanlar

AirLLM 70B inference with single 4GB GPU 29,190 yildiz ile populer today icinde 833 yeni yildiz
Go 32k 2.0k +747
📄 MIT 🔓 809 açık issue 🕐 Son commit: 1 ay once 📅 4 aylik proje 👁 85 izleyici
agentagent-frameworkai-agentai-codingclicoding-agentdeepseekdeveloper-tools

DeepSeek-native AI coding agent for your terminal. Engineered around prefix-cache stability — leave it running.

🤖 Türkçe AI Analizi

DeepSeek-Reasonix, terminal için DeepSeek tabanlı bir yapay zeka kodlama aracıdır. Bu araç, Go dilinde yazılmış, yapılandırma ve eklenti tabanlı bir çerçeve sunar. Prefix-cache kararlılığı etrafında tasarlanmış olup, uzun oturumlar boyunca token maliyetlerini düşük tutmayı amaçlar.

🎯 Hedef Kitle: Yapay zeka ve kodlama ile ilgilenen Go geliştiricileri

Yapılandırma tabanlı çerçeve Multi-model ve kompozit yapı DeepSeek entegrasyonu Prefix-cache stabilitesi
💡 Kullanım Örneği

Bir yazılım geliştirme ekibi, kodlama süreçlerini otomatize etmek için DeepSeek-Reasonix'i kullanabilir. Ekip, aracı terminal üzerinden çalıştırarak, kodlama görevlerini hızlandırabilir ve token maliyetlerini minimize edebilir.

TypeScript 97k 5.5k +408
📄 MIT 🔓 55 açık issue 🕐 Son commit: 1 ay once 📅 9 yillik proje 👁 763 izleyici
csscss-frameworkfunctional-csspostcssresponsivetailwindcssutility-classes

A utility-first CSS framework for rapid UI development.

🤖 Türkçe AI Analizi

Tailwind CSS, hızlı kullanıcı arayüzü geliştirmeyi sağlayan bir CSS frameworküdür. Öncelikle yardımcı sınıflar kullanarak CSS stillerini oluşturmaya odaklanır. Bu yaklaşım, geliştiricilerin daha hızlı ve esnek bir şekilde arayüz oluşturmasına olanak sağlar. TypeScript dilinde yazılmıştır ve geniş bir topluluk tarafından desteklenmektedir.

🎯 Hedef Kitle: Web geliştiricileri, özellikle frontend geliştiricileri ve UI/UX tasarımcıları

Utility-first yaklaşımı Hızlı geliştirme Esnek sınıf sistemi TypeScript desteği
💡 Kullanım Örneği

Bir web geliştiricisi, yeni bir web sitesi projesi için hızlı bir şekilde arayüz oluşturmak istiyor. Tailwind CSS'i kullanarak, CSS stillerini hızlı bir şekilde oluşturabilir ve sayfa düzenini kolayca değiştirebilir. Örneğin, bir düğme oluşturmak için sadece birkaç sınıfı birleştirebilir.

Günlük
Python 1.1k 88 +354
📄 Apache-2.0 🔓 11 açık issue 🕐 Son commit: 1 ay once 📅 4 aylik proje 👁 12 izleyici
agent-securityai-agentsai-securitybenchmarkclaudeclaude-codecodexcursor

ADR secures enterprise AI agents through observability, security benchmarking, and threat detection. Deployed at Uber.

🤖 Türkçe AI Analizi

ADR (Agentic AI Detection and Response), Uber'de üretim ortamında kullanılan bir güvenlik sistemidir. Yapay zeka tabanlı ajanları gözlemleme, güvenlik kıyaslamaları yapma ve tehdit tespiti gerçekleştirme yetenekleri sağlar. Bu sayede, kuruluşların çalışan ve müşteri odaklı ajanlarını güvence altına almalarını sağlar.

🎯 Hedef Kitle: Yapay zeka güvenliği ile ilgilenen yazılım mühendisleri ve güvenlik uzmanları

ADR Observability: Yapay zeka ajanlarının faaliyetlerini izleme ve nedenlerini anlama ADR Benchmark: Gerçekçi işletme koşulları altında ajan güvenliğini test etme ADR Detection: Riskli ajan davranışlarını verimli bir şekilde tespit etme
💡 Kullanım Örneği

Bir güvenlik uzmanı, kuruluşun yapay zeka tabanlı müşteri destek ajanlarını güvence altına almak için ADR'yi kullanabilir. ADR, ajanların faaliyetlerini izleyerek ve tehditleri tespit ederek güvenliği sağlar. Bu sayede, uzmanlar potansiyel güvenlik açıklarını belirleyebilir ve önlem alabilir.

Python 2.3k 170 +326
📄 MIT 🔓 29 açık issue 🕐 Son commit: 1 ay once 📅 3 aylik proje 👁 5 izleyici
agent-control-planeagent-opsai-agentscodexlong-running-agentsloop-engineeringloopxworkflow-automation

Lightweight loop engineering state kernel for long-running AI agent teams. Agent-loop agnostic across Codex, Claude Code, and other coding agents, with durable goals, quota-aware auto-wake, executable todos, evidence logs, and verifiable handoffs.

🤖 Türkçe AI Analizi

LoopX, uzun süren yapay zeka aracı ekipleri için hafif bir döngü mühendisliği durum çekirdeğidir. Codex, Claude Code ve diğer kodlama ajanlarıyla uyumlu, sürdürülebilir hedefler, kota farkında otomatik uyanma, yürütülebilir yapılacaklar, kanıt günlükleri ve doğrulanabilir teslimatlar sağlar. Bu, uzun süren işlerin gözden geçirilmesini, yeniden başlatılmasını ve farklı dönüşler, araçlar ve ajanlar arasında teslimat yapılmasını kolaylaştırır.

🎯 Hedef Kitle: Yapay zeka ve otomasyon alanında çalışan geliştiriciler ve mühendisler

Agent-agnostik yerel kontrol düzlemi Sürdürülebilir hedefler ve kota farkında otomatik uyanma Yürütülebilir yapılacaklar ve kanıt günlükleri Doğrulanabilir teslimatlar
💡 Kullanım Örneği

Bir yazılım geliştirme ekibi, uzun süren bir proje için LoopX'i kullanarak işlerin gözden geçirilmesini ve yeniden başlatılmasını kolaylaştırabilir. Örneğin, bir yazılım mühendisi, LoopX'i kullanarak bir projenin farklı aşamalarını yönetebilir ve takım üyeleri arasında teslimat yapabilir.

Python 362k 58k +303
🔓 590 açık issue 🕐 Son commit: 6 ay once 📅 9 yillik proje 👁 6.9k izleyici
designdesign-patternsdesign-systemdevelopmentinterviewinterview-practiceinterview-questionsprogramming

Learn how to design large-scale systems. Prep for the system design interview. Includes Anki flashcards.

🤖 Türkçe AI Analizi

Bu GitHub reposu, büyük ölçekli sistemlerin tasarımını öğrenmek ve sistem tasarımı görüşmelerine hazırlanmak için kapsamlı bir kaynak koleksiyonu sunar. Sistem tasarımının temel kavramlarını, tasarım ilkelerini ve pratik uygulamalarını içerir. Ayrıca, Anki flashcard desteği ile öğrenmeyi kolaylaştırır.

🎯 Hedef Kitle: Sistem tasarımcısı, yazılım mühendisi ve teknoloji şirketlerinde teknik görüşmelere katılanlar

Kapsamlı sistem tasarım kaynakları Anki flashcard desteği Pratik sistem tasarımı soruları ve çözümleri
💡 Kullanım Örneği

Bir yazılım mühendisi, büyük ölçekli bir sistem tasarlamak için gereken becerileri öğrenmek ister. Bu repo sayesinde, sistem tasarımının temel kavramlarını öğrenebilir, pratik soruları çözebilir ve Anki flashcard desteği ile bilgilerini pekiştirebilir.

JavaScript 82k 8.8k +226
📄 MIT 🔓 148 açık issue 🕐 Son commit: 1 ay once 📅 7 aylik proje 👁 444 izleyici
agent-skillsantigravityclaude-codecodexcursorskills

Production-grade engineering skills for AI coding agents.

🤖 Türkçe AI Analizi

Bu GitHub reposu, yapay zeka kodlama ajanları için üretim kalitesinde mühendislik becerileri sağlar. Bu beceriler, yazılım geliştirme sürecinde kıdemli mühendislerin kullandığı iş akışlarını, kalite kapılarını ve en iyi uygulamaları kodlar. Bu sayede, yapay zeka ajanları bu becerileri her geliştirme aşamasında tutarlı bir şekilde takip edebilir.

🎯 Hedef Kitle: Yapay zeka kodlama ajanları geliştirenler, yazılım mühendisleri ve DevOps ekipleri

8 adet geliştirme yaşam döngüsüne karşılık gelen komut Otomatik beceri etkinleştirme /build auto komutu ile otomatik planlama ve uygulama 70'den fazla ajanda çalışabilen skills CLI
💡 Kullanım Örneği

Bir yazılım mühendisi, yeni bir özellik geliştirmek istiyor. '/spec' komutunu kullanarak özelliğin specificationını tanımlayabilir, ardından '/build' komutunu kullanarak incrementally kod yazabilir. '/test' komutunu kullanarak kodun çalışmasını sağlayabilir ve '/review' komutunu kullanarak kodun gözden geçirilmesini sağlayabilir.

Python 49k 4.6k +146
📄 MIT 🔓 71 açık issue 🕐 Son commit: 1 ay once 📅 3 yillik proje 👁 300 izleyici
classificationcococomputer-visiondeep-learninghacktoberfestimage-processinginstance-segmentationlow-code

We write your reusable computer vision tools. 💜

🤖 Türkçe AI Analizi

Bu GitHub reposu, bilgisayarlı görü uygulamaları için yeniden kullanılabilir araçlar sağlayan bir Python kütüphanesi olan Supervision'ı tanıtıyor. Supervision, model agnostik bir yapıya sahiptir ve çeşitli sınıflandırma, tespit ve segmentasyon modellerini destekler. Kütüphane, veri yükleme, anotasyon ve gerçek zamanlı işlemler gibi temel bileşenleri sağlar.

🎯 Hedef Kitle: Bilgisayarlı görü geliştiricileri, yapay zeka mühendisleri ve veri bilimciler

Model agnostik yapı Ultralytics, Transformers, MMDetection gibi popüler kütüphanelerle entegrasyon Gerçek zamanlı işlemler için optimize edilmiş
💡 Kullanım Örneği

Bir nesne tespit görevi için Supervision kütüphanesini kullanarak, bir görüntüdeki nesneleri tespit edebilir ve anotasyon ekleyebilirsiniz. Örneğin, bir güvenlik kamerası akışındaki araçları tespit etmek için Supervision'ı kullanabilirsiniz.

Günlük
JavaScript 142k 32k +68
📄 MIT 🔓 4.3k açık issue 🕐 Son commit: 1 ay once 📅 10 yillik proje 👁 1.6k izleyici
blogbrowsercompilercomponentshybridnextjsnodereact

The React Framework

🤖 Türkçe AI Analizi

Next.js, React tabanlı full-stack web uygulamaları oluşturmayı sağlayan bir framework'tür. React'ın en son özelliklerini genişleten ve en hızlı derlemeler için güçlü Rust tabanlı JavaScript araçlarını entegre eden Next.js, dünyanın en büyük şirketlerinden bazıları tarafından kullanılmaktadır. Next.js, gelişmiş özellikleriyle web geliştirme sürecini kolaylaştırır ve optimize eder.

🎯 Hedef Kitle: React ve web geliştirme ile ilgilenen yazılımcılar ve şirketler

Server-side rendering (SSR) ve static site generation (SSG) desteği React'ın en son özelliklerini genişletme Rust tabanlı JavaScript araçları ile hızlı derlemeler Full-stack web uygulamaları için entegre çözüm
💡 Kullanım Örneği

Bir yazılımcı, Next.js kullanarak bir e-ticaret sitesi oluşturmak istiyor. Next.js'in server-side rendering ve static site generation özelliklerini kullanarak hızlı ve güvenli bir site oluşturabilir. Ayrıca, React'ın en son özelliklerini genişleterek ve güçlü Rust tabanlı JavaScript araçlarını entegre ederek, siteyi optimize edebilir.