AI Hedge Fund
이 프로젝트는 인공지능 기반 헷지 펀드 모형의 개념 증명(Proof of Concept)으로, 인공지능을 활용하여 트레이딩 결정을 모의 실험하는 것을 목적으로 합니다. 실제 거래나 투자 목적으로 제작된 것이 아니며, 교육 및 연구 목적으로 사용됩니다. 시스템은 여러 다양한 투자 전략과 성향을 가진 가상의 에이전트들이 함께 협력하는 구조로 설계되어 있으며, 대표적인 투자 인물과 전략(예: 워렌 버핏, 벤 그레이엄, 성장 투자자, 가치 투자자 등)을 모방한 에이전트들이 존재합니다. 이 에이전트들은 각각 기업 가치평가, 시장 감성 분석, 기술적·기초지표 분석, 위험 관리, 포트폴리오 관리 등을 수행하여 트레이딩 신호를 생성합니다. 기술 스택에는 Python, 특히 Poetry 또는 Docker를 활용한 환경 설정, 다양한 분석 툴과 API 연동이 포함되어 있으며, AI 언어 모델과 금융 데이터 연동이 핵심 기능입니다. 프로젝트는 주로 학습과 연구 목적으로 사용되며, 재무 성과나 투자 판단의 신뢰성을 보장하는 것은 아니며, 최신 상태 및 변경 이력은 GitHub 리포지토리의 커밋 내역을 참고할 수 있습니다. 본 시스템을 이용할 때에는 API 키 등의 환경 변수 설정과 보안 유의가 필요하며, 라이선스는 MIT 라이선스 하에 배포되고 있습니다.
public-apis
이 프로젝트는 전 세계에서 사용 가능한 공공 API들의 포괄적인 목록을 제공하는 저장소입니다. 커뮤니티와 기업 구성원들이 수작업으로 선별한 다양한 도메인별 API들이 포함되어 있으며, 개발자들이 무료 또는 인증된 API를 쉽게 찾고 통합할 수 있도록 돕는 것이 주목적입니다. 주요 기능은 API 검색, 분류, 사용 방법 문서 제공, 기술 스택 안내, 최신 릴리즈 및 변경 내역 공개 등입니다. 구조적으로는 카테고리별 목차, API 상세 정보 표, API 호출 링크, 참여 관련 가이드, 문제 및 이슈 트래킹 링크, 라이선스 정보 등으로 구성되어 있으며, GitHub를 통한 협업과 문서화가 활발히 이루어지고 있습니다. 기술 스택으로는 GitHub 플랫포밍, Markdown, REST API, OAuth, GraphQL 등이 활용되고 있습니다. 최근 릴리즈와 변경 사항으로는 커뮤니티 기여 유도, API별 상세 정리, 카테고리별 확장, 기술 스택 보완이 있으며, 오픈소스 기여 가이드, 이슈 트래커, 라이선스 명시, 참여 유도 링크가 포함되어 있습니다. 참고로 이 프로젝트는 MIT 라이선스를 따르고 있으며, 활발한 커뮤니티 참여와 지속적 업데이트가 이루어지고 있습니다.
CopilotKit
CopilotKit은 통합 AI 어시스턴트 및 에이전트를 애플리케이션 내에서 깊게 통합하여 사용자와 함께 작동하도록 목표로 하는 프로젝트입니다. 이 플랫폼은 자연스러운 대화 인터페이스를 통해 데이터를 분석하거나, 폼 작업, 여행 계획, 금융 분석 등 다양한 유스케이스에 활용할 수 있습니다. 구조적으로는 React용 컴포넌트, 커스터마이징 가능한 AI 액션, 상태 머신, 지식 베이스 연동 등 다양한 구성요소를 제공하며, API와 클라이언트 라이브러리를 통해 확장성과 유연성을 갖추고 있습니다. 주요 사용 대상은 SaaS 서비스 개발자, 데이터 분석가, 고객지원 애플리케이션 개발자 등으로, 자연어 기반 인터페이스를 통해 복잡한 업무를 자동화하거나 대화형 경험을 제공하는 데 적합합니다. 최신 릴리즈 및 예제들은 GitHub과 외부 배포 페이지, 데모 사이트를 통해 공개되고 있으며, 커뮤니티 지원과 기여 가이드라인도 마련되어 있습니다. 기술 스택은 주로 JavaScript/TypeScript(React, Node.js), OpenAI API, LangGraph.js를 기반으로 하고 있으며, 다양한 데모와 예제로 복잡한 대화 흐름, 데이터 연동, 상태 관리 등을 보여줍니다. 최근 업데이트로는 GPT-4 모델 연동, 확장 가능한 상태 머신, 제3자 API와의 인터랙션이 포함되어 있어 기능이 지속적으로 향상되고 있습니다. 사용 시에는 문서와 튜토리얼을 참고하여 올바른 구성과 API 사용법을 숙지하는 것이 중요하며, GitHub 이슈 또는 커뮤니티 채널을 통해 문의가 가능합니다.
YouTube Music
YouTube Music 프로젝트는 Electron 기반의 데스크탑 애플리케이션으로, 유튜브 뮤직 서비스를 네이티브처럼 사용할 수 있도록 만든 래퍼입니다. 이 프로젝트의 주된 목적은 유튜브 뮤직의 인터페이스를 그대로 유지하면서 데스크탑 환경에서 더욱 편리하게 음악을 감상하고, 다양한 커스터마이징과 플러그인 기능을 제공하는 것입니다. 사용자들은 원본 인터페이스를 유지하며, 여러가지 기능 개선 또는 커스터마이징 플러그인을 통해 맞춤형 환경을 구축할 수 있습니다.
이 애플리케이션은 Electron 프레임워크를 기반으로 하여 다양한 OS(Windows, macOS, Linux)를 지원하며, 내부적으로 API, CLI, 플러그인 시스템 등을 갖추고 있습니다. 플러그인을 통해 광고 차단, 앨범 액션, 무드 조명, 오디오 이퀄라이저, 다운로드 기능, 음악 가사, 미디어 키 지원, 추천 전 단계 필터링 등 수많은 기능과 커스터마이징 옵션이 제공됩니다.
기술 스택에는 Electron, TypeScript, Node.js, pnpm(패키지 매니저), 그리고 다양한 Electron 플러그인과 Web API가 포함되어 있습니다. 최근 릴리즈 내역은 공개된 GitHub 릴리즈 페이지에서 확인 가능하며, 지속적인 업데이트와 버그 수정이 이루어지고 있습니다. 주요 참고 링크는 GitHub 저장소와 Weblate 번역 페이지입니다.
이 프로젝트는 오픈소스로, MIT 라이선스를 따르고 있으므로 자유롭게 수정 및 배포가 가능하며, 사용자와 개발자가 함께 발전시켜 나가는 커뮤니티 중심 프로젝트입니다. 사용 시에는 각 OS별 설치 가이드와 플러그인 개발 방법, 테마 적용법 등을 숙지하는 것이 좋으며, 특히 Windows 사용자에게는 네트워크 없는 설치 방법도 제공됩니다.
Stirling-PDF
Stirling-PDF는 Docker 기반의 웹 기반 PDF 편집 및 변환 도구로, 로컬 호스팅이 가능하여 다양한 PDF 파일 조작 기능을 제공합니다. 목적은 사용자가 별도 서버 설치 없이 자신의 환경에서 PDF 작업을 수행할 수 있도록 지원하는 것이며, 기능은 PDF 병합, 분할, 페이지 재배열, 회전, 크기 조절, 자르기, 텍스트 및 이미지 주석, PDF 형식 변환(이미지, Word, PowerPoint, HTML, XML, CSV 등), 보안 설정(암호/권한 제한, 워터마크, 디지털 서명), OCR, 메타데이터 수정, PDF/A 변환 등 매우 포괄적입니다. 구조는 웹 인터페이스, API, Docker 이미지로 구성되어 있으며, 클라이언트-서버 간 연산은 파일을 서버에 저장하지 않고 일시 메모리에서 처리하여 보안성을 높였습니다. 대상 사용자는 기업이나 개인 사용자로서, 복잡한 PDF 편집 및 자동화 작업, 또는 대규모 파일 처리에 적합합니다. 기술 스택은 Docker, PDF.js, LibreOffice, Tesseract OCR, qpdf 등을 활용하며, REST API를 통한 외부 스크립트 연동도 지원합니다. 최근 릴리즈 및 업데이트는 공식 문서와 GitHub에서 확인 가능하며, Enterprise 버전도 제공되어 SSO, 데이터베이스 백업/복구 등의 기업 맞춤 기능이 추가되었습니다. 사용 시 주요 참고 링크는 공식 홈페이지, 문서, GitHub 저장소, Docker 이미지, 커뮤니티 채널 등이며, 상세한 설치 및 구성 방법, 보안 설정, 기능 확장 가이드가 문서에 포함되어 있어 참고하면 좋습니다. Stirling-PDF는 오픈소스로, 활발한 커뮤니티와 기여 가이드도 마련되어 있습니다.
Awesome ChatGPT Prompts
이 프로젝트는 ChatGPT와 같은 대형 언어 모델을 위한 다양한 프롬프트 모음 저장소입니다. 목적은 AI와의 자연스러운 대화를 촉진하고, 사람들이 보다 효과적인 프롬프트를 작성할 수 있도록 돕는 데 있으며, 인공지능 모델 활용 방식과 사례를 공유합니다. 구조는 프롬프트 리스트와 카테고리별 분류, 기여자 목록으로 구성되어 있습니다. 타겟 사용자들은 AI 활용에 관심 있는 개발자, 연구원, 크리에이터이며, GPT-4, Claude, Gemini 등 여러 AI 모델과 호환됩니다. 최신 버전 업데이트와 수정을 타임라인별로 확인할 수 있으며, 사용 시 프롬프트 재작성이나 유효성 검사가 필요합니다. 프로젝트는 오픈소스이며, 공동 기여와 프롬프트 추가를 권장합니다.
Suna - Open Source Generalist AI Agent
Suna는 오픈소스 기반의 범용 AI 어시스턴트로, 사용자의 일상 업무 및 복잡한 문제 해결을 돕는 디지털 파트너입니다. 자연스러운 대화를 통해 연구, 데이터 분석, 웹 탐색, 파일 관리 등 다양한 기능을 수행합니다. 프로젝트는 사용자 편의성을 높이기 위해 강력한 툴킷과 직관적인 인터페이스를 제공하며, 브라우저 자동화, 파일 처리, API 연동, 시스템 명령 실행 등 다양한 모듈로 구성되어 있습니다. 구조는 크게 네 가지 핵심 컴포넌트로 이루어졌으며, 백엔드 API는 Python과 FastAPI를 이용하여 REST 엔드포인트, 다중 스레드, 대형 언어 모델(LLM) 연동 기능을 담당합니다. 프론트엔드는 Next.js와 React로 구성된 사용자 인터페이스를 제공하며, 사용자가 자연어로 명령하고 결과를 확인할 수 있도록 설계되었습니다. 또한, Suna는 도커를 이용한 에이전트 격리 환경과, Supabase를 활용한 데이터 저장 및 인증 서비스를 포함합니다. 이 프로젝트는 연구, 기업 고객 지원, 데이터 분석, 시장 조사, 웹 크롤링, 컨설팅 등 여러 분야에서 활용할 수 있습니다. 자연어 명령만으로 복잡한 작업을 자동화하고 워크플로우를 최적화하는 것이 목표입니다. 기술 스택으로는 Python, FastAPI, Next.js, React, Docker, Supabase, Playwright(브라우저 자동화), 다양한 LLM 제공 업체(예: OpenAI, Anthropic), 웹 크롤링 및 검색 도구(Tavily, Firecrawl) 등이 사용됩니다. 최근 릴리즈 및 변경 이력은 명확히 언급되지 않지만, 프로젝트는 활발히 개발되고 있으며, 문서와 소스코드가 지속적으로 업데이트되고 있습니다. GitHub에 공유된 오픈소스 프로젝트로, 커뮤니티 참여와 기여가 권장됩니다. 특이사항으로는, 다양한 API 연동, 강력한 웹 자동화, 안전한 에이전트 실행 환경( Daytona 활용) 등을 통합하여 유연하고 확장성 높은 AI 솔루션을 제공한다는 점입니다. 자세한 내용은 공식 GitHub 페이지와 SELF-HOSTING 가이드 참고하시면 됩니다.
Zen Browser
Zen Browser는 사용자에게 빠른 속도, 프라이버시 보호, 생산성 향상이라는 목표를 지닌 오픈소스 웹 브라우저입니다. 이 프로젝트의 주된 목적은 사용자에게 조용하고 평화로운 인터넷 탐색 환경을 제공하는 것에 있으며, Firefox 기반으로 개발되었습니다. 기능적으로는 최신 보안 업데이트와 최신 Firefox 기능을 유지하면서 사용자 편의성과 프라이버시를 강화하는 데 중점을 두고 있습니다. 구조적으로는 개발용(dev)과 안정(stable) 두 개의 브랜치로 나뉘어 있으며, 소스코드와 빌드 관련 구성 요소, 업로드 및 배포 스크립트 등을 포함하는 여러 구성요소로 이루어져 있습니다. 주요 대상은 웹 브라우징 경험을 향상시키려는 사용자, 오픈소스 커뮤니티 기여자, 브라우저 개발에 관심 있는 개발자입니다. 기술 스택으로는 Firefox 138.0.4를 기반으로 하며, 타 브랜치는 최신 Firefox 버전을 유지하는 것을 목표로 하고 있습니다. 최근 릴리즈는 GitHub에서 확인 가능하며, 정기적인 업데이트와 보안 패치가 이루어지고 있습니다. 사용자는 공식 홈페이지 또는 GitHub 릴리즈 페이지에서 다운로드할 수 있으며, Windows, macOS, Linux를 지원합니다. 또, Windows는 Winget, macOS는 Homebrew, Linux는 yay를 통해 간편하게 설치 가능하며, tarball이나 AppImage 형식도 제공됩니다. 프로젝트 기여는 커뮤니티의 기여 지침을 따라 오픈소스의 특성을 살려 누구나 참여할 수 있습니다. 특별한 참고사항으로는 BetterFOX, Arc Palette와 같은 타 오픈소스 프로젝트의 코드를 활용하며, Mozilla의 MPL 2.0 라이선스 하에 배포되어 누구든 자유롭게 사용, 수정, 배포가 가능합니다. Zen Browser는 Firefox 포크 환경을 개선하고 사용자 친화적이고 안전한 브라우징 경험을 제공하는 데 주력하는 프로젝트입니다.
tinygrad
tinygrad는 딥러닝 프레임워크로, PyTorch와 micrograd의 중간 성격을 갖추고 있으며 유지보수는 tiny corp에서 담당합니다. 이 프로젝트의 주된 목적은 매우 간단한 구조로 다양한 하드웨어 가속기를 지원하는 딥러닝 프레임워크를 만드는 것인데, 특히 쉽고 빠르게 확장할 수 있도록 설계되었습니다. tinygrad는 추상화와 지연 계산(laziness) 방식을 채택하여, GPU, CPU, LLVM, Metal, CUDA, AMD, NV, QCOM, WebGPU 등 여러 가속기를 지원하며, 사용자 커스터마이징도 용이합니다. 주요 기능으로는 텐서 연산, 신경망 모델 구축 및 학습, 그리고 다양한 하드웨어 가속 지원이 있으며, 이는 추상 클래스를 통해 쉽게 추가할 수 있습니다. 기술 스택으로는 Python(주로 NumPy와 C 확장 인터페이스를 통한 저수준 연산 지원), 다양한 런타임(OpenCL, Metal, CUDA, LLVM 등)이 사용됩니다. 최신 릴리즈 및 변경사항은 프로젝트의 GitHub 활동 기록과 릴리즈 노트를 통해 확인할 수 있으며, 현재 alpha 단계로 설계와 구현이 아직 진행 중입니다. 설치는 GitHub에서 소스 코드를 클론 후 pip로 설치하는 방식이 권장되며, 문서와 예제들은 공식 홈페이지와 GitHub 문서 페이지에서 제공됩니다. 이 프로젝트는 간단한 구조와 확장성에 초점을 맞추고 있으며, 특히 하드웨어 가속기 연구나 실험, 또는 교육 목적으로 적합합니다.
Ventoy
Ventoy는 오픈소스 도구로, 부팅 가능한 USB 드라이브를 쉽게 만들 수 있도록 설계된 프로그램입니다. ISO, WIM, IMG, VHD(x), EFI 파일 등을 지원하며, 디스크를 반복적으로 포맷할 필요 없이 간단히 이미지 파일을 복사하여 부트할 수 있습니다. 여러 이미지를 동시에 저장하고 부트 메뉴에서 선택할 수 있으며, 로컬 디스크 내 ISO/WIM/IMG/VHD(x)/EFI 파일을 탐색 후 부팅하는 기능도 제공합니다. 다양한 시스템 아키텍처(UEFI, Legacy BIOS, ARM64, MIPS64EL)를 지원하며, MBR과 GPT 파티션 방식을 동시에 사용할 수 있습니다. Windows, Linux, Unix, ChromeOS 등 대부분의 운영체제와 VMware, Xen 등 가상화 환경도 지원합니다. 또한 Secure Boot, Linux Persistence, Windows/Linux 자동 설치, 비밀번호 보호 등 다양한 부가 기능과 커스터마이징 옵션을 제공하며, 플러그인 프레임워크와 GUI 커스터마이징도 지원합니다. 최신 릴리즈 및 기타 업데이트 정보는 공식 GitHub 저장소와 공식 웹사이트에서 확인할 수 있으며, 상세 설치 방법과 컴파일 가이드도 제공되어 있습니다. 사용자들은 포럼이나 문서를 참조하여 문제 해결이나 기능 확장도 가능합니다.
Xray-core
Xray-core는 XTLS 프로토콜 기반의 네트워크 도구 모음으로, 다양한 네트워크 프루토콜과 스킴을 지원하는 오픈소스 프로젝트입니다. 주된 목적은 사용자들이 빠르고 안전하게 네트워크 접속 환경을 구성할 수 있도록 하는 것이며, 프라이버시와 검열 우회 기능을 강화하는 데 초점을 맞추고 있습니다. 제공하는 기능에는 VLESS, VMess, Trojan, Shadowsocks, REALITY 등의 프로토콜 지원과 xTLS, WebSocket, gRPC, CDN 포함 다양한 트랜스포트 모듈이 포함됩니다. 구조는 크게 클라이언트와 서버로 구분되며, 명령줄 인터페이스(CLI), API, 그리고 다양한 GUI 클라이언트와 연동이 가능합니다. 시스템 배포는 Linux 스크립트, Docker, Web Panel, One-Click 설치 스크립트, 그리고 플랫폼별 바이너리 빌드 방법 등 다양합니다. 주요 사용자 대상은 검열 회피, 프라이버시 보호, 빠른 네트워크 환경 구축이 필요한 개발자와 일반 사용자이며, 다양한 플랫폼(Windows, macOS, Linux, Android, iOS) 지원을 통해 광범위하게 활용됩니다. 기술 스택은 Go 언어 기반으로 개발되었으며, GitHub 릴리즈 노트와 커밋 기록을 통해 지속적으로 업데이트되고 있습니다. 최신 변경사항은 정기 릴리즈와 개선 작업을 포함하며, 특히 보안 강화와 프로토콜 연동 확장에 중점을 두고 있습니다. 참고로, 오픈소스 라이선스는 Mozilla Public License Version 2.0입니다. 프로젝트의 문서와 설치 가이드, 관련 튜토리얼, GUI 클라이언트 연결 링크 등 다양한 자료를 공식 홈페이지(https://xtls.github.io)와 GitHub 저장소에서 확인할 수 있으며, 활발한 커뮤니티와 개발자 기여도 지원받고 있습니다. 주요 중요 참고 링크는 릴리즈 페이지, 문서, 프로젝트 기여 가이드 등이 있으며, 사용 시 최신 버전과 문서, 그리고 관련 보안 공지 사항을 반드시 참고하는 것이 좋습니다.
sherlock
Sherlock은 사용자 이름을 기반으로 전 세계 400개 이상의 소셜 미디어 플랫폼에서 해당 사용자 계정을 찾는 오픈소스 도구입니다. 이 프로젝트의 주 목적은 특정 사용자 이름이 다양한 소셜 네트워크에 존재하는지 빠르게 검색하는 것입니다. Sherlock은 명령줄 인터페이스(CLI)를 제공하며, 사용자 지정 검색(특정 사이트 제한, JSON, CSV, XLSX 출력 옵션 등)을 지원합니다. 또한 Tor이나 프록시를 활용한 익명 요청, 필요 시 NSFW 사이트 검색 등 다양한 기능을 갖추고 있습니다. 구조적으로는 Python 기반의 CLI로, 사용자 검색 대상 리스트와 결과 저장 옵션을 포함하는 여러 커맨드라인 인자를 지원하며, 별도 JSON, CSV, XLSX 출력 형식을 통해 결과를 수집합니다. 최근 버전 0.14.3으로의 릴리즈와 더불어, Apify Actor를 통한 클라우드 실행 옵션도 제공되어, 사용자들이 설치 없이 클라우드 환경에서 손쉽게 사용할 수 있도록 하고 있습니다. 기술 스택으로는 Python(주요 언어), 다양한 요청 라이브러리, JSON 및 XLSX 처리 모듈이 활용됩니다. 프로젝트는 활발한 오픈소스 기여자들의 참여로 유지되며, MIT 라이선스를 따르고 있습니다. 그 외 커뮤니티에 의해 배포되는 패키지와 설치 방법, 최신 업데이트 내역은 공식 문서와 GitHub 페이지에서 참고할 수 있습니다.
LLM Engineering - Master AI and LLMs
이 프로젝트는 AI와 대형 언어 모델(LLM) 학습 및 활용 능력을 8주 동안 체계적으로 습득할 수 있도록 설계된 교육 과정입니다. 목적은 참가자가 실습을 통해 LLM의 원리와 활용법을 깊이 이해하고, 다양한 프로젝트를 수행하며 실제 적용 역량을 키우는 것입니다. 이 프로젝트는 강의, 실습 자료, 프로그래밍 예제, 그리고 단계별 가이드로 구성되어 있으며, Week 1부터 Week 8까지 순차적으로 진행됩니다. 강의와 함께 GitHub 저장소에 업로드된 각 주차별 폴더는 교육 내용과 실습 과제를 포함하여 체계적인 학습이 가능하게 설계되어 있습니다. 기능적으로는 LLM 설치와 환경 세팅, API를 통한 모델 호출, 오픈소스 모델 활용, 구글 콜랩(Google Colab)을 통한 GPU 활용, API 비용 관리 등 실습 중심의 다양한 도구와 가이드가 포함되어 있습니다. 특히 Ollama를 이용한 로컬 환경 구성과, 무료/저비용 API 활용법, 그리고 다양한 연습 문제와 실습 예제들이 제공됩니다. 기술 스택으로는 Python, OpenAI API, Anthropic, Hugging Face, Google Colab 환경, Ollama 등이 사용됩니다. 사용자들은 AI 모델을 호출하는 방법, API 비용 절감 방법, 오픈소스 모델 띄우기 등 실무에 바로 적용 가능한 기술들을 배울 수 있습니다. 최근 업데이트 내역은 명확하게 표시되지는 않으나, Week 7까지의 실습 자료, Google Colab 연계 프로젝트, API 사용 안내, 그리고 로컬 환경 세팅 가이드 등이 포함되어 최신 인스트럭션과 참고자료를 제공하고 있습니다. 특이사항으로는 Ollama 설치와 모델 구동법에 대한 상세 안내, API 비용 모니터링 방법, 그리고 다양한 실습 자료와 프로젝트들이 포함되어 있어 학습자가 실무에서 바로 활용할 수 있도록 설계된 점이 강조됩니다. 추가 참고 링크와 자료는 https://edwarddonner.com/2024/11/13/llm-engineering-resources/ 에서 확인할 수 있으며, 수강 시 API 비용 절약과 실습에 맞춰 환경을 설정하는 것이 중요합니다.