Локальный аналог NotebookLM, фильтр от AI-slop, маршрутизатор для сотен LLM-провайдеров, агент для поиска работы, автоматический пентестер и ComfyUI. Посмотрел, что из этого действительно можно использовать, а где «бесплатно» заканчивается после git clone.

Open source не значит бесплатно.

У проекта может не быть подписки, но останутся расходы на API, Claude Code, GPU, сервер, электричество и несколько часов на настройку. Поэтому ниже не будет обещаний «восемь сервисов, за которые больше никогда не придётся платить».

Зато есть восемь любопытных проектов, которые позволяют забрать себе часть привычного AI-стека, изменить его под свои задачи и в некоторых случаях вообще убрать SaaS из цепочки.

1. Open Notebook: свой NotebookLM

GitHub: lfnovo/open-notebook

Open Notebook позиционируется как open-source и privacy-focused альтернатива Google NotebookLM. Проект можно поднять локально или через Docker и самостоятельно выбрать модели, которые будут обрабатывать данные.

В него можно загружать PDF, веб-страницы, видео, аудио и другие материалы. Дальше доступен примерно тот набор сценариев, ради которого обычно и используют подобные research-инструменты: поиск по базе, чат с источниками, саммари и генерация подкастов. Есть полнотекстовый и векторный поиск, REST API и поддержка нескольких AI-провайдеров.

Интереснее всего здесь именно возможность выбирать backend. Open Notebook поддерживает OpenAI, Anthropic, Google, DeepSeek, Ollama, LM Studio и другие варианты. Если данные нельзя отправлять во внешний API, можно собрать полностью локальную конфигурацию с Ollama.

Есть и компромиссы. Авторы сами указывают, что работа с цитированием источников пока уступает NotebookLM. А если вместо локальной модели подключить коммерческий API, open-source лицензия внезапно не делает токены бесплатными.

Кому пригодится: тем, кому нравится логика NotebookLM, но нужен self-hosting, API или контроль над выбором моделей.

2. No AI Slop: линтер для нейросетевой канцелярщины

GitHub: petergyang/no-ai-slop

Самый маленький проект в подборке, но, возможно, один из самых своевременных.

No AI Slop представляет собой open-source skill для AI-агентов. Он ищет в тексте больше 20 паттернов, которые стали слишком узнаваемыми после массового распространения LLM.

Например:

• конструкции в духе «дело не в X, а в Y»;

• пустые вводные фразы;

• псевдоинсайты вроде «вот о чём никто не говорит»;

• ничем не подкреплённые «эксперты считают»;

• искусственно драматичные короткие фразы;

• повторение одной мысли через несколько синонимов.

Skill можно использовать в двух режимах. Первый редактирует текст. Второй только подсвечивает найденные паттерны и показывает конкретные места, не пытаясь угадывать, писал текст человек или модель.

Последнее мне особенно нравится. Вместо очередного сомнительного «AI detector: вероятность 87%» здесь проверяются конкретные языковые привычки.

При этом ждать магии не стоит. Если исходный текст пустой, skill не превратит его в хорошую статью. Он скорее работает как линтер: находит типовые проблемы и заставляет автора ещё раз посмотреть на формулировки.

Да, ирония публикации статьи об этом инструменте после редактирования текста с помощью ИИ мне понятна.

Кому пригодится: редакторам, авторам и всем, кто регулярно правит машинные черновики.

3. I Have ADHD: заставляет coding agent сразу перейти к делу

GitHub: ayghri/i-have-adhd

Название провокационное, но задача вполне прикладная.

I Have ADHD меняет формат ответов coding agent. Вместо длинного вступления агент сначала показывает действие, файл или команду, которые нужны прямо сейчас. Если действий несколько, они идут по порядку. Тангенты и стандартные финальные любезности убираются.

В правилах skill есть довольно конкретные требования: следующий шаг должен идти первым, многошаговые задачи нужно нумеровать, список ограничивается пятью пунктами, а ответ заканчивается одним конкретным следующим действием.

Работает с Claude Code, Codex и рядом других coding agents.

С технической точки зрения здесь нет отдельной модели или сложной инфраструктуры. Это набор инструкций, который меняет поведение уже существующего агента. Но на длинных coding-сессиях подобная вещь иногда полезнее очередного «улучшения reasoning».

Кому пригодится: разработчикам, которых раздражает необходимость искать единственную нужную команду посреди пяти абзацев объяснений.

4. Book to Skill: не засовывать 400 страниц в контекст

GitHub: Leutenegger/book-to-skill

У coding agents быстро возникает неприятная проблема. Вы хотите, чтобы агент пользовался технической книгой или большим набором документации, но постоянно отправлять весь источник в контекст дорого и бессмысленно.

Book to Skill пытается решить это на уровне структуры.

На вход можно передать книгу, папку с документами или несколько источников. На выходе получается skill с SKILL.md, отдельными файлами глав, glossary, набором паттернов и cheat sheet. Когда возникает конкретный вопрос, агент загружает только релевантную часть.

Проект работает с форматом Agent Skills и поддерживает, среди прочего, Claude Code, GitHub Copilot CLI и Amp.

Авторы заявляют снижение расхода контекста в 24–51 раз по сравнению с загрузкой книги целиком. Это внутренние измерения самого проекта, поэтому воспринимать цифру как независимый benchmark не стоит. Но сама архитектура выглядит здраво: вместо одного огромного документа агент получает индекс и подгружает главы по необходимости.

Особенно интересно это выглядит для внутренних инструкций, документации SDK, технических книг и больших knowledge base.

Кому пригодится: тем, кто постоянно скармливает агентам длинные PDF и наблюдает, как вместе с контекстом исчезают токены.

5. OmniRoute: единая точка входа для моделей и провайдеров

GitHub: CullinanCloud/omniroute

OmniRoute решает другую проблему современного AI-разработчика: моделей и провайдеров стало много, а лимиты и rate limit никуда не делись.

Проект поднимает OpenAI-совместимый endpoint, к которому можно подключить Claude Code, Codex, Cursor, Cline, Windsurf и другие инструменты. Дальше OmniRoute самостоятельно маршрутизирует запрос к выбранному провайдеру.

Есть разные стратегии маршрутизации. Можно выбирать самый дешёвый endpoint, отправлять запрос туда, где осталось больше квоты, распределять нагрузку между несколькими подключениями или переключаться после ошибки.

Это особенно удобно, если одновременно используются несколько подписок и API.

Но здесь важно не перепутать роутер с бесплатной моделью. OmniRoute не отменяет стоимость OpenAI, Anthropic или другого платного backend. Он помогает использовать доступные подключения эффективнее и автоматически переживать ограничения отдельных провайдеров.

Кому пригодится: тем, у кого уже есть небольшой зоопарк моделей, ключей и coding agents.

6. AI Job Search: Claude Code в роли карьерного ассистента

GitHub: MadsLorentzen/ai-job-search

AI Job Search интересен тем, что это уже не очередной универсальный агент, которому предлагается промпт «найди мне работу».

Здесь собран полноценный workflow.

Сначала пользователь заполняет профиль. Затем framework может анализировать вакансии, оценивать соответствие опыта требованиям, адаптировать CV, писать сопроводительные письма и готовить материалы к интервью. Для документов используется отдельный процесс проверки, чтобы агент не добавлял в резюме опыт и навыки, которых у человека нет.

Основные этапы оформлены отдельными командами вроде /setup, /scrape и /apply.

Есть важное ограничение: часть инструментов поиска вакансий в оригинальном репозитории ориентирована на датский рынок. Основной workflow не привязан к стране, но источники вакансий для другого рынка придётся адаптировать.

И ещё одна деталь, которую легко потерять в заголовке «open-source AI для поиска работы»: проект бесплатный, Claude Code и используемые модели сами по себе бесплатными быть не обязаны.

Кому пригодится: тем, кто отправляет много откликов и хочет автоматизировать рутину вокруг каждого из них, сохранив свои данные и историю заявок локально.

7. Strix: автономный пентест приложения

GitHub: usestrix/strix

Strix выглядит интереснее типичного «AI security scanner», потому что пытается не ограничиваться статическим поиском подозрительных мест в коде.

Агенты запускают приложение, исследуют поверхность атаки, проверяют потенциальные уязвимости и стараются подтвердить находку рабочим proof-of-concept. В отчёт попадают шаги воспроизведения и рекомендации по исправлению.

Внутри используются динамический и статический анализ, браузерная автоматизация, interception proxy, shell и окружение для проверки PoC. Есть интеграции с CI/CD и сценарии повторного сканирования после исправлений.

Здесь нужна особенно жирная оговорка: запускать подобные инструменты можно только против собственной инфраструктуры или систем, на тестирование которых получено явное разрешение. Это же отдельно прописано разработчиками Strix.

И всё равно автономный агент не превращает security testing в кнопку «сделать безопасно». Результаты нужно проверять, а серьёзный аудит он не отменяет.

Кому пригодится: разработчикам и security-командам как ещё один слой тестирования перед релизом и внутри CI.

8. ComfyUI: тот случай, когда self-hosted AI давно перестал быть экспериментом

GitHub: Comfy-Org/ComfyUI

ComfyUI, вероятно, единственный проект в этом списке, который уже не нуждается в долгом представлении.

Вместо интерфейса «поле промпта + кнопка Generate» здесь используется граф из узлов. Отдельными нодами задаются модель, энкодеры, sampler, LoRA, ControlNet, референсы, upscale и остальные этапы генерации.

Главное преимущество такого подхода в воспроизводимости. Workflow можно сохранить целиком, передать другому человеку и снова запустить с теми же настройками.

ComfyUI давно вышел за пределы Stable Diffusion. В актуальном репозитории среди поддерживаемых моделей есть Flux, а для видео можно собирать workflow с Wan и другими open-source моделями. Поддерживаются также аудио, 3D и текстовые workflow.

Запускать всё это можно локально. На практике слово «локально» означает, что стоимость облачной подписки меняется на стоимость железа и электричества. Особенно быстро это становится заметно на видеомоделях.

Зато кредиты не заканчиваются на 97% длинной генерации, workflow принадлежит вам, а ограничения интерфейса определяются в основном количеством VRAM и вашей готовностью разбираться с нодами.

Кому пригодится: тем, кому важны воспроизводимые генеративные пайплайны и контроль над моделями, а не максимально простая кнопка Generate.

Так можно всё-таки перестать платить за AI?

Иногда.

Open Notebook с локальными моделями действительно можно использовать без постоянной SaaS-подписки. ComfyUI позволяет полностью перенести генерацию на своё железо. Skills вроде No AI Slop практически ничего не стоят сами по себе.

У OmniRoute, AI Job Search и Book to Skill другая экономика. Они бесплатно дают инфраструктуру вокруг модели, но сама модель всё равно где-то должна работать.

Поэтому главный плюс этих проектов я бы искал не только в экономии. Self-hosted и open-source инструменты дают контроль над данными, возможность заменить один backend другим, автоматизировать собственный workflow и не зависеть от того, какую функцию завтра уберут из очередного SaaS.

Иногда это дешевле подписки, иногда сильно дороже. Зато хотя бы понятно, за что именно вы платите.

Если не хочется разворачивать всё вручную

Open source даёт больше контроля, но не всегда хочется отдельно настраивать модели, API, серверы и следить за лимитами разных провайдеров.

В SYNTX.AI мы собрали десятки моделей для текста, изображений, видео и работы с кодом в одном интерфейсе. Можно переключаться между инструментами под конкретную задачу, не заводя отдельную подписку на каждый сервис.

Для читателей Хабра действует промокод CTRLAI со скидкой 20%.

Источники

При подготовке материала использовались официальные репозитории и документация проектов:

1. Open Notebook — GitHub: lfnovo/open-notebook

2. No AI Slop — GitHub: petergyang/no-ai-slop

3. I Have ADHD — GitHub: ayghri/i-have-adhd

4. Book to Skill — GitHub: Leutenegger/book-to-skill

5. OmniRoute — GitHub: CullinanCloud/omniroute

6. AI Job Search — GitHub: MadsLorentzen/ai-job-search

7. Strix — GitHub: usestrix/strix

8. ComfyUI — GitHub: Comfy-Org/ComfyUI

Возможности, требования и поддерживаемые интеграции open-source проектов меняются довольно быстро, поэтому перед установкой лучше ещё раз свериться с актуальным README и документацией конкретного репозитория.