Erkläre in einfachen Worten, was du baust, und erhalte die am besten passenden GitHub-Repositories.
awesome-repositories.com hilft dir, das richtige Open-Source-Projekt auf GitHub zu finden. Sag unserer KI-Suche einfach in natürlicher Sprache, was du bauen möchtest, und sie bewertet tausende kuratierte Repositories danach, wie gut sie passen. Jedes Projekt wird kontinuierlich überwacht, sortiert in übersichtliche Kategorien und von anderen Entwicklern bewertet. Durchstöbere die Auswahl unten oder starte eine Suche.
Highlights aus dem Verzeichnis – alle paar Stunden neu zusammengestellt.
Häufige Suchanfragen, organisiert als durchsuchbarer Baum.
Ein kuratiertes Verzeichnis von Open-Source-GitHub-Repositories, das du in natürlicher Sprache durchsuchen kannst. Beschreibe, was du entwickelst, und eine KI bewertet Tausende geprüfter Projekte danach, wie gut sie passen – inklusive einer kurzen Erläuterung, warum das Projekt ausgewählt wurde.
Die GitHub-Suche sucht nach den von dir eingegebenen Schlüsselwörtern. Hier beschreibst du dein Problem in natürlicher Sprache, und die KI sucht nach der Absicht dahinter. So wird ein Projekt, das dein Problem löst, auch dann gefunden, wenn es deine genauen Worte nicht verwendet.
Gib ein, was du bauen möchtest, zum Beispiel: „eine selbst gehostete Status-Seite, die meine Dienste anpingt und mich über Discord benachrichtigt“. Du erhältst passende Repositories, die nach Relevanz sortiert sind, nicht nach der Anzahl der Sterne.
Kuratiert, nicht einfach nur gescrapt. Eine KI analysiert jedes Projekt, ordnet es einer Kategorie zu und bewertet es nach Relevanz gemäß Regeln, die wir ständig anpassen und überprüfen. Dubletten oder Projekte mit geringer Aussagekraft werden aussortiert.
Ja. Das Suchen und Durchstöbern des Verzeichnisses ist kostenlos.
Der Linux-Kernel ist ein monolithischer Betriebssystemkern, der Hardwareressourcen, Speicher und Prozessplanung über verschiedene Computerarchitekturen hinweg verwaltet. Er bietet eine standardisierte, POSIX-konforme Umgebung für die Anwendungsausführung und pflegt gleichzeitig ein modulares Treiber-Framework, das das dynamische Laden und Entfernen von Hardwareschnittstellen ermöglicht. Das Projekt zeichnet sich durch sein leistungsstarkes Concurrency-Toolkit aus, das sperrenfreie Synchronisationsprimitive und Read-Copy-Update-Mechanismen verwendet, um den Zugriff auf gemeinsame Daten in Multi-Core-Umgebungen zu verwalten. Es enthält eine umfassende Kernel-Tracing- und Instrumentierungssuite, die eine nicht-intrusive Überwachung von Systemereignissen, Funktionsausführungen und Latenzmetriken ermöglicht. Darüber hinaus erzwingt der Kernel strenge Garantien für die Schnittstellenstabilität und Lebenszyklusverfolgung, um die Abwärtskompatibilität für abhängige Anwendungen sicherzustellen. Über seine Kernidentität hinaus enthält das System umfangreiche Fähigkeiten für Hardware-Abstraktion, Netzwerkprotokoll-Implementierung und die Durchsetzung von Sicherheitsrichtlinien. Es unterstützt spezialisierte Engineering-Anforderungen durch Energiestatusmanagement, Optimierungen für eingebettete Systeme und firmwarebasierte Boot-Prozesse. Die Architektur bietet zudem robuste Diagnose-Frameworks für Speicheranalyse, Systemausführungsverifizierung und die Validierung gleichzeitiger Programmiermodelle. Das Quell-Repository bietet ein vollständiges Build-System zur Transformation von Code in ausführbare Binär-Images, einschließlich Tools für die Kernel-Funktionsauswahl und Konfigurationsoptimierung, um die Ausgabe auf spezifische Hardwareanforderungen zuzuschneiden.
Dieses Projekt ist ein umfassender Bildungs-Lehrplan, der Softwareingenieure durch die Beherrschung der Informatik-Grundlagen und die Vorbereitung auf technische Vorstellungsgespräche führen soll. Er bietet einen strukturierten, abhängigkeitsbewussten Lernpfad, der komplexe Informatikkonzepte in einen hierarchischen Lehrplan organisiert und es Nutzern ermöglicht, durch iteratives Studium und praktische Implementierung ein professionelles Engineering-Fundament aufzubauen. Der Lehrplan zeichnet sich durch die Integration von theoretischem Wissen mit beruflicher Entwicklung aus und bietet einen einheitlichen Index von querverweisenden Ressourcen, einschließlich Büchern, wissenschaftlichen Arbeiten und Video-Tutorials. Er betont die Standardisierung der algorithmischen Effizienz durch asymptotische Komplexitätsanalyse und bietet eine granulare, modulare Themenzerlegung, um fokussiertes, inkrementelles Lernen über weite technische Bereiche hinweg zu erleichtern. Neben Kernalgorithmen und Datenstrukturen deckt das Repository ein breites Spektrum ab, einschließlich Systemarchitektur-Design, verteilten Systemen, Computersicherheit und fortgeschrittener mathematischer Modellierung. Es bietet zudem strategische Beratung für den gesamten Einstellungsprozess, von der Lebenslaufoptimierung und der Vorbereitung auf verhaltensbezogene Interviews bis hin zum langfristigen Karrierewachstum. Die gesamte Wissensdatenbank wird als versionskontrolliertes, Markdown-gesteuertes Repository gepflegt, was einen plattformunabhängigen und kollaborativen Ansatz für die technische Bildung ermöglicht.
NocoDB is a visual platform that transforms relational databases into collaborative, spreadsheet-style workspaces. By acting as a headless database backend, it provides a unified environment for designing database structures, managing record relationships, and interacting with data without requiring manual SQL queries. The platform normalizes interactions across various SQL and NoSQL data sources, allowing users to manage complex datasets through a centralized interface. The project distinguishes itself by automatically generating RESTful and GraphQL APIs from existing database schemas, enabl
This project is a general-purpose command-line filter that provides an interactive interface for processing standard input streams. It enables real-time fuzzy searching, data selection, and transformation, allowing users to navigate complex information or file systems directly within their terminal. By utilizing a pipe-oriented architecture, it integrates into existing shell pipelines and workflows to facilitate efficient data exploration. What distinguishes this tool is its highly extensible, event-driven design that allows for deep integration with external processes. It supports asynchrono
LLMs, agents, and the tools to build with them.
Notes, tasks, docs, and knowledge bases.
Chat, calls, photos, music, and personal files.
Databases, pipelines, and analytics.
Containers, deployment, monitoring, and automation.
Passwords, secrets, and offensive security.
Languages, CLIs, frameworks, and version control.
Courses, books, interviews, and CS foundations.