📱Sniffly.

Sniffly — это инструмент для анализа логов Claude Code.

Sniffly помогает понять, как вы используете Claude Code, где он ошибается и как улучшить работу.
Интерактивный дашборд запускается локально и показывает историю сообщений, статистику ошибок и позволяет делиться результатами с коллегами.

🔹Возможности:

🔘Анализ использования и частых ошибок.

🔘История сообщений с удобным просмотром.

🔘Возможность делиться дашбордом (приватно или публично).

🔘Полная приватность: все данные остаются на вашем компьютере.

🔻Особенности:

🔘Локальный запуск, без телеметрии.

🔘MIT лицензия.

🔘Гибкая конфигурация (порт, кэш, автозапуск браузера).

#Python #ClaudeCode #Dashboard #Analytics #Productivity #OpenSource #Sniffly #AItools #Logs #Privacy

📱Ссылка на репозиторий:
https://github.com/chiphuyen/sniffly

📱Helium.

Helium — браузер для тех, кто ценит контроль.

🔹Helium основан на ungoogled-chromium и полностью открыт:

🔘Убраны все Google-сервисы и телеметрия.
🔘Исходники и сборки доступны для macOS, Linux, Windows.
🔘Встроенный uBlock Origin.
🔘GPL-3.0 лицензия.

🔻Проект строится вокруг принципов:

🔘Прозрачность (весь код открыт).

🔘Приватность (никаких скрытых слежек).

🔘Скорость разработки (патчи и сборка максимально оптимизированы).

#Helium #OpenSource #ungoogledChromium #Privacy #Adblock #Browser #Linux #macOS #Windows

📱Ссылка на репозиторий:
https://github.com/imputnet/helium

📱X-ray.

x-ray — это небольшая, но очень полезная Python‑библиотека и CLI‑утилита для поиска «плохих» редактирований в PDF: тех случаев, когда поверх текста просто нарисовали чёрный прямоугольник, но сам текст под ним по‑прежнему можно выделить и прочитать.

❓Зачем нужен x-ray:

🔘Free Law Project собирает миллионы судебных и других PDF‑документов и регулярно сталкивается с тем, что конфиденциальные данные замазывают «криво», оставляя текст доступным под чёрной плашкой.

🔘x-ray создавался как способ автоматически находить такие провальные редактирования, чтобы оценивать масштаб проблемы и предотвращать утечки до публикации документов.

🔹Как это работает внутри:

🔘x-ray использует PyMuPDF для высокопроизводительного парсинга PDF.

🔘Алгоритм в общих чертах: найти прямоугольники, найти буквы в тех же координатах, отрендерить прямоугольник в картинку и проверить, является ли он однородным по цвету; если да и под ним есть текст, это помечается как «плохая» редакция.

🔻Пример:

from pathlib import Path
from pprint import pprint
import xray

# 1. Указываем путь к PDF
pdf_path = Path("docs/sample.pdf")

# 2. Запускаем проверку: xray сам откроет файл и проанализирует его
bad_redactions = xray.inspect(pdf_path)

# 3. Структура результата:
# {
#   1: [
#     {
#       "bbox": (x1, y1, x2, y2),  # координаты «чёрного прямоугольника»
#       "text": "утёкший текст под ним"
#     },
#     ...
#   ],
#   2: [...],
#   ...
# }
pprint(bad_redactions)

# 4. Пример пост‑обработки: просто напечатаем найденные утечки по страницам
if not bad_redactions:
    print("Плохих редактирований не найдено.")
else:
    for page, items in bad_redactions.items():
        print(f"\nСтраница {page}:")
        for item in items:
            bbox = item["bbox"]
            text = item["text"]
            print(f"  BBox: {bbox}")
            print(f"  Текст: {text}")

Ключевые моменты: xray.inspect(...) принимает путь, URL или bytes; возвращает словарь, где ключи — номера страниц, а значения — списки словарей с координатами прямоугольника (bbox) и текстом, который под ним всё ещё читается.

#xray #Python #PDF #Redaction #BadRedactions #InfoSec #Privacy #LegalTech #PyMuPDF #CLI

📱Ссылка на репозиторий:
https://github.com/freelawproject/x-ray

📱Text2SQirreL.

Text2SQirreL — это открытый локальный Text2SQL‑асистент, который переводит ваши вопросы на обычном английском в исполняемые SQL‑запросы к реальным данным. Он построен на дообученных маленьких моделях Qwen3 (4B и 0.6B), которые благодаря дистилляции от большого DeepSeek‑V3 дают качество уровня «старшего» LLM, но запускаются прямо на ноутбуке без облаков и API‑ключей.

🔹Основные особенности:

🔘Локально и приватно: модели работают через Ollama/llama.cpp, данные остаются на вашей машине, подключение к облаку не требуется.

🔘Маленький размер → высокая скорость: 4B‑модель в 4‑битном GGUF весит ~2.5GB и запускается на большинстве ноутбуков без GPU.

🔘Качество уровня больших LLM: дистиллирована с DeepSeek‑V3, поддерживает SELECT/WHERE, JOIN, GROUP BY, подзапросы и другие конструкции SQLite‑совместимого SQL.

🔘Простая интеграция: утилита, которая загружает ваши CSV в SQLite, принимает вопрос на английском, генерирует SQL, выполняет его и показывает результат (можно вывести запрос флагом --show-sql).

🔘Гибкость по размерам: 4B‑модель для максимальной точности и 0.6B‑вариант для edge/мобилок и совсем ограниченных сред.

🐱Установка и запуск:

1. Ставите Ollama по инструкции на сайте проекта.
2. Создаёте виртуальное окружение и ставите зависимости:
python -m venv .venv
. .venv/bin/activate
pip install huggingface_hub openai pandas.
3. Скачиваете 4‑битную 4B‑модель (~2.5GB) и собираете её для Ollama:
huggingface-cli download distil-labs/distil-qwen3-4b-text2sql-gguf-4bit --local-dir distil-model
cd distil-model
ollama create distil-qwen3-4b-text2sql -f Modelfile
cd ...
4. Запускаете Text2SQL, указав свой CSV и вопрос на английском:
python app.py --csv example_data/employees.csv --question "How many employees are in each department?".

#AI #LLM #Text2SQL #Ollama #Qwen3 #DeepSeek #DataAnalytics #SQL #datatools #privacy #opensource #Python

📱Ссылка на репозиторий:
https://github.com/distil-labs/distil-text2sql

📱Remove-AI-Watermarks.

Remove-AI-Watermarks — это универсальная утилита для удаления как видимых, так и невидимых водяных знаков и метаданных из изображений, сгенерированных популярными нейросетями (Google Gemini, ChatGPT/DALL-E, Stable Diffusion, Midjourney, Adobe Firefly и др.).

Инструмент позволяет в одну команду очистить картинку от любых следов ИИ, включая метки SynthID, криптографические манифесты C2PA и теги EXIF, из-за которых соцсети автоматически вешают плашку "Made with AI".

🔹Главные фичи:

🔘Удаление видимых знаков: Например, логотип-звездочка от Google Gemini убирается за 0.05 сек с помощью обратного альфа-блендинга (работает оффлайн, без потери качества).

🔘Удаление невидимых знаков (SynthID, TreeRing): Прогоняет картинку через процесс диффузии (добавление шума и его подавление через SDXL), стирая частотные паттерны, которые выживают даже при сильном сжатии JPEG.

🔘Стирание метаданных: Полностью вычищает данные C2PA, EXIF (промпты, сиды) и текстовые чанки PNG, оставляя только стандартные поля (автор, копирайт).

🔘Умная защита лиц: Перед обработкой инструмент находит лица людей на фото и маскирует их, чтобы процесс стирания водяного знака (диффузия) не исказил черты лица.

🔘Analog Humanizer: Накладывает легкое пленочное зерно и хроматические аберрации, чтобы запутать детекторы ИИ-контента.

• Анализатор (Identify): Команда identify сканирует файл и выдает полную сводку о том, в какой нейросети он был создан и какие метки в нем зашиты.

🔧Установка и использование:

Рекомендуется устанавливать через pipx или uv для изоляции зависимостей:

uv tool install git+https://github.com/wiltodelta/remove-ai-watermarks.git

(Примечание: для удаления невидимых знаков потребуется установить пакет с флагом [gpu]).

🔻Пример использования:

# Удалить ВСЕ следы ИИ с одной картинки
remove-ai-watermarks all image.png -o clean.png

# Узнать, где была сгенерирована картинка
remove-ai-watermarks identify image.png

#AI #MachineLearning #Watermarks #StableDiffusion #Midjourney #Gemini #Privacy #Python #DevTools #OpenSource

📱Ссылка на репозиторий:
https://github.com/wiltodelta/remove-ai-watermarks

📱BleachBit.

BleachBit - это легковесный, но мощный инструмент для очистки системы и защиты приватности на Windows и Linux.

Он удаляет временные файлы, кеши, журналы и прочий мусор, помогает освободить место на диске и уменьшить «следы» активности.

🔹Возможности BleachBit:

🔘Очистка системы от временных и ненужных файлов.

🔘Удаление кешей и логов для разных приложений и браузеров.

🔘Поддержка безопасного (без восстановления) удаления файлов.

🔘Открытый исходный код под лицензией GNU GPLv3+.

🚀Запуск без установки (из исходников)

Скачайте и распакуйте tar-архив BleachBit.

Соберите переводы:

make -C po local

Запустите приложение:

python3 bleachbit.py

Откройте настройки, выберите нужные опции, нажмите Preview, проверьте список файлов и затем нажмите Delete.

🖥Командная строка

Для справки по CLI:

python3 bleachbit.py --help

🐳 Docker-сборки для Linux

Для сборки пакетов под выбранный дистрибутив (debian/fedora/opensuse) есть скрипт:

./docker/build.sh <distro>

Готовые артефакты будут в ./docker-artifacts/<distro> на хосте.

#BleachBit #Linux #Windows #OpenSource #Privacy #DiskCleanup #SysAdmin #DevTools #Python #Docker

📱Ссылка на репозиторий:
https://github.com/bleachbit/bleachbit