Awesome GitHub RepositoriesMarkdown Knowledge Bases

This project is a markdown knowledge base used to maintain a curated collection of concise technical notes and write-ups across various programming languages and tools. It serves as a searchable personal reference library for documenting technical discoveries and software development patterns. The system implements a learning in public workflow, transforming markdown-based content storage into a static site. It utilizes directory-based routing to map folder structures to URL paths and employs schema-driven type generation to ensure data consistency across the knowledge base. The codebase cov

yn est un éditeur de texte markdown et un outil de gestion des connaissances conçu comme un canevas de document interactif. Il fonctionne comme un système de prise de notes en réseau pour organiser l'information via des liens wiki, des hashtags et des dépôts de fichiers locaux, tout en intégrant un assistant d'écriture IA pour la génération et la complétion automatique de texte. Le projet se distingue par ses capacités de diagrammes multi-moteurs, qui rendent la syntaxe textuelle en visuels en utilisant Mermaid, PlantUML et ECharts. Il emploie un framework de plugins extensible qui permet l'ajout d'éléments UI et de fonctionnalités personnalisés via des modules JavaScript et des hooks d'événements. L'application couvre un large éventail de capacités de création de contenu et techniques, incluant le rendu mathématique LaTeX, l'exécution de code intégrée et la génération de présentations interactives. Elle fournit une organisation avancée des documents via des visualisations de graphes de connaissances et inclut des utilitaires pour le chiffrement de documents, le suivi de version et la conversion de format pilotée par le backend. L'application peut être démarrée avec des ports, des répertoires de données et des modes d'accès personnalisés en utilisant des paramètres de ligne de commande.

This project is a curated repository of technical learning materials and a personal knowledge base. It consists of version-controlled Markdown summaries covering software architecture, engineering literature, research papers, and professional talks. The collection functions as a digital garden, using bidirectional linking and cross-references to map relationships between technical concepts. Content is distilled from various sources, including technical books, conference talks, and foundational computer science papers, into concise summaries to facilitate recall and study. The system is organ

Ce projet est une carte de connaissances en machine learning et une ressource éducative qui fournit un parcours d'apprentissage structuré pour la science des données. Il organise les concepts fondamentaux, de l'analyse de données de base au deep learning, dans un guide visuel et un graphe de connaissances basé sur Markdown. La ressource connecte les fondements théoriques et les concepts mathématiques à l'exécution pratique via des liens vers des notebooks exécutables et des exemples d'implémentation. Cela permet une transition de l'étude conceptuelle à la pratique concrète. Le projet utilise une organisation hiérarchique des nœuds et une décomposition modulaire des sujets pour visualiser les relations entre les sujets techniques. Ces données structurées sont diffusées via une interface de site statique pour une meilleure accessibilité.

AI-Job-Notes est un guide de recherche d'emploi et un curriculum d'entretien technique organisé spécifiquement pour les rôles en intelligence artificielle et vision par ordinateur. Il fonctionne comme une base de connaissances markdown et un dépôt de site statique qui organise les données de recrutement, les supports d'étude et les listes d'entreprises. Le projet fournit des ressources pour la recherche d'emploi en algorithmes IA, y compris des répertoires d'entreprises et des benchmarks de salaire basés sur la géographie et le parcours éducatif. Il couvre la planification du recrutement sur campus via le suivi des fenêtres de candidature et des cycles de stage. Le dépôt inclut des supports pour la préparation aux entretiens techniques, se concentrant sur les fondamentaux du deep learning et le développement des compétences en codage. Cela implique des guides d'étude structurés pour les structures de données, les algorithmes et les ensembles de problèmes à haute fréquence.

Ce projet est un plugin de base de connaissances et un gestionnaire de contexte RAG qui utilise une interface de base de données vectorielle locale pour permettre la recherche sémantique et la cartographie des relations. Il transforme le texte en vecteurs numériques pour trouver des notes et des extraits sémantiquement liés basés sur le sens conceptuel plutôt que sur la correspondance de mots-clés. Le système se distingue par un visualiseur de graphe sémantique qui cartographie les notes en clusters pour révéler des connexions conceptuelles. Il dispose également d'un gestionnaire de contexte capable de regrouper des notes et extraits locaux en packs réutilisables pour fournir des bases factuelles solides aux conversations avec des modèles de langage. L'outil couvre un large éventail de capacités, notamment l'interrogation de connaissances en langage naturel, l'exécution de flux de travail automatisés pour la création de notes, et la possibilité de router les prompts entre des modèles IA locaux et cloud. Il propose plusieurs interfaces de découverte, telles que des indicateurs de contenu associé en ligne et un panneau de pied de page pour faire apparaître des documents similaires pendant le processus d'édition.

Ce projet est un répertoire organisé de stages de recherche et de programmes pour les étudiants de premier cycle, spécifiquement axé sur les sciences, la technologie, l'ingénierie et les mathématiques (STEM). Il sert de base de données d'opportunités académiques et de ressource pour les étudiants en début de carrière afin de trouver des placements de recherche à travers diverses régions et institutions mondiales. Le dépôt est maintenu comme une ressource collaborative organisée par Git où les nouvelles entrées sont examinées et intégrées via des pull requests de contrôle de version. Les données sont stockées sous forme d'index interrogeable de placements de recherche utilisant une base de données d'opportunités basée sur le markdown composée de fichiers plats structurés. Le répertoire couvre la découverte de la recherche de premier cycle et la planification de carrière STEM en organisant les placements en catégories mondiales, régionales et spécifiques à chaque pays.

MLQuestions est un guide d'entretien technique et une base de connaissances conçue pour la préparation aux postes d'ingénieur en machine learning et vision par ordinateur. Il propose une collection organisée de questions et réponses pour aider les utilisateurs à s'entraîner aux réponses techniques et aux connaissances théoriques requises pour les entretiens et évaluations dans le domaine de l'IA. La ressource est structurée comme une base de connaissances en markdown, stockant le contenu dans une hiérarchie de répertoires pour catégoriser les sujets techniques. Cette organisation permet le versionnage et l'édition manuelle des supports d'étude. Le contenu couvre un large éventail de concepts d'ingénierie en machine learning et vision par ordinateur, offrant une référence pour la préparation de carrière et les examens.

GitJournal est une application de prise de notes axée sur le mobile et un gestionnaire auto-hébergé pour créer une base de connaissances structurée en Markdown. Il fonctionne comme un carnet synchronisé via git, permettant aux utilisateurs d'organiser des informations et des notes à long terme sous forme de fichiers Markdown avec métadonnées. Le système garantit la portabilité et la propriété des données en stockant les notes dans un dépôt de contrôle de version privé. Cette approche permet la synchronisation entre appareils et la cohérence grâce à l'utilisation des opérations git. L'application prend en charge la migration de notes numériques en important des données depuis des services tiers vers un format Markdown local. Elle gère en outre les informations via un système de fichiers local-first et une indexation par graphe de connaissances pour faciliter la navigation non linéaire.

Ce projet est une base de connaissances personnelle basée sur Markdown et un journal d'apprentissage numérique utilisé pour stocker des notes et des résumés de livres et de littérature technique. Il sert de dépôt de résumés de lecture et de bibliothèque de référence technique pour archiver les points clés et les idées tirés de documents non-fictionnels et professionnels. La collection fonctionne comme un jardin numérique pour organiser les idées issues de livres, d'articles et de vidéos. Elle se concentre spécifiquement sur la distillation de modèles architecturaux complexes, de concepts techniques et de principes de leadership professionnel dans un format interrogeable pour une référence à long terme. Le dépôt organise également les connaissances personnelles à travers la collecte de frameworks de réflexion réutilisables, de modèles mentaux et d'outils de prise de décision professionnelle. Il inclut un système pour suivre la progression de lecture en gérant des listes d'ouvrages terminés et en cours.

BoostNote-App est un outil de gestion de projet collaboratif et une plateforme de documentation d'équipe. Il fonctionne comme une base de connaissances Markdown et un gestionnaire de documents conçu pour organiser les exigences techniques partagées et les notes d'équipe. L'application est livrée sous forme d'application de bureau Electron, fournissant une installation autonome multiplateforme. Elle emploie un modèle de documentation « local-first », stockant le contenu sur l'appareil local avant de synchroniser les changements vers un serveur distant en arrière-plan. La plateforme couvre la gestion des connaissances partagées, la documentation technique collaborative et la coordination d'équipe DevOps. Elle permet la création et la gestion de notes collaboratives et de documents Markdown structurés.

tech-weekly est une base de connaissances cloud-native et un agrégateur de contenu technique. Il sert de répertoire curaté de plongées architecturales, de vidéos sur les systèmes backend et de flux en direct de développement professionnel organisés par sujet technique. Le projet fonctionne comme un index interrogeable d'enregistrements et de documentation d'ingénierie logicielle. Il utilise un modèle de contenu de liste curatée pour agréger des liens vidéo techniques fragmentés en une collection structurée pour la gestion des connaissances. Le système est construit comme un site statique qui utilise une base de connaissances en fichiers plats. Les notes techniques et les liens de ressources sont stockés dans des fichiers markdown versionnés et pré-rendus en fichiers HTML statiques.

Ce projet est un générateur de site statique conçu pour la gestion des connaissances personnelles et la documentation technique. Il transforme des collections de fichiers markdown en un site web réactif et interrogeable, fournissant un framework pour organiser des notes interconnectées et le stockage d'informations à long terme. Le système se distingue par son accent sur le contenu en réseau, utilisant l'analyse automatique des liens pour établir des connexions bidirectionnelles entre les documents. Il améliore l'expérience de lecture avec des fonctionnalités interactives telles que des représentations graphiques des relations entre notes, des aperçus de contenu au survol et la possibilité d'intégrer des médias riches directement dans le texte. La plateforme maintient une cohérence structurelle au sein d'une collection en injectant automatiquement des métadonnées et en suivant les dates de modification du système de fichiers. Elle prend en charge les exigences de documentation standard, incluant la coloration syntaxique pour les blocs de code et la gestion automatique des références externes. Le dépôt fournit un modèle pour le déploiement automatisé, permettant au site de se reconstruire et de publier des mises à jour dès que des changements sont poussés vers un système de contrôle de version.