Expliquez en langage naturel ce que vous construisez et obtenez les dépôts GitHub les plus pertinents.
awesome-repositories.com vous aide à trouver le bon projet open-source sur GitHub. Dites à notre recherche par IA ce que vous voulez construire, en langage naturel, et elle classe des milliers de dépôts sélectionnés selon leur pertinence. Chaque projet est surveillé en continu, classés par catégories et plébiscités par d'autres développeurs. Parcourez les sélections ci-dessous ou lancez une recherche pour commencer.
Les pépites du répertoire — une nouvelle sélection toutes les quelques heures.
Every area of the catalogue. Open one to see everything inside it.
Recherches courantes, organisées sous forme d'arborescence.
Un répertoire organisé de dépôts GitHub open source que vous pouvez interroger en langage naturel. Décrivez ce que vous développez et une IA classe des milliers de projets sélectionnés selon leur pertinence, avec une courte explication pour chaque résultat.
La recherche GitHub correspond aux mots-clés que vous saisissez. Ici, vous décrivez votre besoin en langage naturel et l'IA analyse l'intention. Ainsi, un projet qui répond à votre besoin apparaîtra même s'il n'utilise pas vos termes exacts.
Saisissez ce que vous souhaitez construire, par exemple : « une page de statut auto-hébergée qui ping mes services et m'alerte sur Discord ». Vous obtiendrez des dépôts classés par pertinence plutôt que par simple nombre d'étoiles.
Sélectionnés, pas simplement récupérés. Une IA analyse chaque projet, le classe dans une catégorie et le hiérarchise selon des règles que nous ajustons et révisons. Les entrées peu pertinentes ou en double sont supprimées.
Oui. La recherche et la navigation dans le répertoire sont gratuites.
TensorFlow is a comprehensive machine learning framework designed for the construction, training, and deployment of complex mathematical models. It utilizes a graph-based execution model that represents operations as directed acyclic graphs, enabling automatic differentiation and efficient parallel processing. The system provides high-level interfaces for defining neural network architectures, alongside a robust engine for managing multidimensional array structures and tensor mathematics. The framework distinguishes itself through a scalable distributed runtime that orchestrates workloads acr
Papers We Love is a community-driven repository and learning network dedicated to the study and discussion of foundational computer science literature. It functions as a centralized educational archive, providing a structured environment where software professionals can engage with academic research to bridge the gap between theoretical concepts and practical application. The project distinguishes itself through a decentralized model of crowdsourced curation, where community members collectively maintain and categorize a vast index of technical resources. Beyond the repository itself, the ini
React est une bibliothèque JavaScript pour créer des interfaces utilisateur basées sur une architecture orientée composants et un flux de données unidirectionnel.
This framework provides a multi-process architecture for building desktop applications using web technologies. It manages the application lifecycle, window states, and system-level integrations through a primary entry point, while isolating web content in separate rendering processes to maintain stability and security. A secure bridge mechanism facilitates communication between these isolated contexts and the main process, ensuring that privileged system APIs remain protected. The framework distinguishes itself through a comprehensive security model that includes process sandboxing, content p
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.