last30days-skill
last30days-skill은 최근 30일간의 Reddit, X(트위터), Bluesky, YouTube, TikTok, Instagram, Hacker News, Polymarket 등의 다양한 온라인 커뮤니티와 웹사이트에서 정보를 수집하고 분석하는 연구 및 정보 검색 도구입니다. 이 프로젝트는 트렌드 분석, 커뮤니티 반응 파악, 특정 주제에 대한 최신 동향 요약을 목적으로 하며, 내용은 실시간 커뮤니티의 인기 콘텐츠, 의견 분포, 유행하는 트렌드 등을 추출해 자연어로 요약합니다.
이 프로젝트는 API 호출, CLI 명령어, 스키마 및 프롬프트 템플릿 등 다양한 구조로 구성되어 있으며, 특히 커뮤니티 반응 분석과 신뢰성 높은 결과 도출을 위해 여러 신호(engagement, recency, 소스 신뢰도)를 결합하는 정교한 점수계산 시스템을 갖추고 있습니다. 사용 대상은 트렌드를 빠르게 파악하고자 하는 연구자, 마케터, 개발자, 콘텐츠 크리에이터 등이며, 실시간 피드백, 콘텐츠 기획, 경쟁사 분석, 바이럴 트렌드 모니터링 등에 유용하게 쓰일 수 있습니다.
기술 스택은 주로 Python, Node.js, 다양한 API(펭귄, 크레이그리스트, 웹 스크래핑 도구 등), 그리고 여러 소셜 미디어 API 및 검색 엔진 API를 활용하며, WebSearch 및 API 응답 효율성과 정확도를 높이기 위해 다양한 최신 기술(멀티 소스 통합, 상호 검증, 점수 가중평가 등)을 도입했습니다.
최근 주요 변경사항은 v2.9.5에서 Bluesky/AT 프로토콜 지원, 비교 분석 모드, 프로젝트별 환경설정, 자동 저장 기능, 다양한 소스 확장 등 새 기능이 추가되었으며, 버전별 릴리즈 내역이 포함된 업데이트가 진행되고 있습니다. 특히 API 키 관리와 커뮤니티 활용법, WebSearch 및 handle resolution 등의 세부 기능 대폭 향상과 사용자 편의성 증대에 중점을 두고 있습니다.
특이사항으로는 여러 소스의 데이터를 유효성 검증하고, 정밀한 관련도 점수로 재순위하는 고도화된 관심사 분석 기술이 적용되었으며, 오픈 소스 커뮤니티의 적극적 기여와 실사용자 기반의 팁이 많이 반영되어 있다는 점이 있습니다. 참고 링크로 ClawHub와 GitHub 마켓플레이스, 공식 문서 등을 통해 상세 내용과 설치 방법, 사용 가이드 등을 확인 가능합니다.
oh-my-claudecode
oh-my-claudecode는 다중 에이전트 오케스트레이션을 위한 오픈소스 프로젝트로, 주로 Claude Code를 중심으로 여러 AI 모델과 도구를 통합하여 작업 흐름을 자동화하는 것을 목적으로 합니다. 이 프로젝트는 복잡한 작업을 자연어 명령으로 간단히 수행할 수 있도록 구성되어 있으며, 사용자는 별도의 학습 없이 바로 사용할 수 있는 직관적 인터페이스를 제공합니다. 주요 기능으로는 팀 기반의 다중 에이전트 조율, 자동 병렬처리, 실시간 모니터링 및 히스토리 기록, 다양한 플러그인 또는 스킬의 커스터마이징이 있으며, 자연어를 통해 연속적인 작업 수행이 가능합니다.
여러 구성요소로는 CLI 명령어 세트, 오케스트레이션 모드(팀, Autopilot, Pipeline 등), 스킬 관리 시스템, notification 및 통합 도구(OpenClaw, Slack/Discord, Telegram 연동)가 포함되어 있어, 사용자와 개발자가 협업 및 확장성을 높일 수 있습니다. 최신 릴리즈 정보나 변경사항은 공식 GitHub 저장소와 문서에서 확인 가능하며, 적극적인 커뮤니티 지원과 다양한 통합 옵션을 제공하는 것이 특징입니다. 사용 시에는 tmux가 필요하며, 다양한 AI 제공자를 연동하여 멀티모델 검증 및 반복 작업의 효율성을 극대화할 수 있습니다. 라이선스는 MIT로 오픈소스로 공개되어 있으며, 클라우드 기반 또는 로컬 환경 모두에서 유연하게 활용할 수 있도록 설계되어 있습니다.
Dexter 🤖
Dexter은 자율적인 금융 연구 에이전트로, 복잡한 금융 질문을 단계별 연구 계획으로 전환하여 수행하는 것이 목표입니다. 실시간 시장 데이터와 자체 검증 기능을 활용하여 분석을 진행하며, 금융 데이터 분석, 시장 조사, 투자 전략 수립 등에 사용할 수 있습니다. 구조적으로는 사용자 인터페이스, 작업 계획, 데이터 수집 및 검증 모듈로 구성되어 있으며, OpenAI API와 금융 데이터 API 키를 필요로 합니다. 최신 릴리즈와 변경 사항은 명확히 기술되어 있지 않으나, 기능적으로는 금융 데이터 분석 자동화와 평가, 디버깅 지원, WhatsApp 연동 기능 등을 제공합니다.
주의사항으로는 API 키 보안과 환경설정, 버전 호환성 등을 유의해야 하며, GitHub 저장소를 통해 기여 및 활용이 가능합니다.
DeerFlow - 2.0
DeerFlow 2.0는 ByteDance에서 개발한 오픈소스 슈퍼 에이전트 하니스입니다. 이 프로젝트의 주요 목적은 다양한 하위 에이전트, 기억, 샌드박스 환경 등을 활용하여 거의 모든 작업을 수행할 수 있는 강력한 인공지능 수행 환경을 제공하는 것입니다. DeerFlow는 LangGraph와 LangChain 기반으로 설계되어, 고성능 모델과 확장 가능한 워크플로우를 지원하며, 연구 뿐만 아니라 데이터 파이프라인, 슬라이드 제작, 웹사이트 생성 등 실무적 활용도 가능합니다.
이 프로젝트는 API, CLI, 스키마 등 여러 구성요소를 포함하며, 모델 설정, 기술 스택, 각종 도구와 기술 확장 기능들이 체계적으로 구조화되어 있습니다. 주요 사용 대상은 인공지능 연구자, 개발자, 기업용 자동화 솔루션을 구축하는 엔지니어이며, 복잡한 태스크를 효율적으로 분해하고 병렬 처리하는 데 유용합니다.
기술 스택에는 Python 3.12 이상, Node.js, Docker, Kubernetes, LangChain, LangGraph, 다양한 API 연동 기술이 포함됩니다. 최근 릴리즈에서는 DeerFlow v2.0의 전면 개편과 함께, Docker 기반 개발 환경 제공, 다양한 채널(텔레그램, 슬랙, Feishu)을 통한 메시징 지원, 그리고 InfoQuest 통합 검색 도구가 도입되어 사용자 경험이 크게 향상되었습니다. 또한, Claude Code와의 통합을 통해 터미널 기반의 연구, 확인, 관리 기능도 강화했습니다.
특이사항으로, DeerFlow는 강력한 보안과 권한 관리를 필요로 하며, 배포 시에는 내부 네트워크 환경 또는 엄격한 보안 조치를 반드시 준수할 것을 권장합니다. 공식 홈페이지(https://deerflow.tech)에서 더 많은 정보와 데모를 확인할 수 있으며, 기여자들은 GitHub의 CONTRIBUTING.md 가이드라인을 참고하여 적극 참여 권장됩니다. 프로젝트는 MIT 라이선스 하에 공개되어 있으며, 개인과 기업 모두 사용에 제약이 없습니다.
Insanely Fast Whisper
Insanely Fast Whisper는 OpenAI의 Whisper Large v3 모델을 효율적으로 활용하여 오디오 파일을 매우 빠르게 텍스트로 전사하는 CLI 도구입니다. 이 프로젝트의 목적은 사용자가 적은 시간 내에 긴 오디오를 고속으로 텍스트로 변환할 수 있도록 돕는 것으로, 특히 대량의 오디오 데이터를 빠르게 처리하는 유스케이스에 적합합니다. 이 도구는 Transformers, Optimum, flash-attn과 같은 첨단 딥러닝 기술 스택을 기반으로 하며, GPU(CUDA 또는 Mac의 MPS)를 활용하여 성능 최적화를 이루고 있습니다.
CLI는 다양한 옵션을 제공하여 모델 선택, 언어 자동 감지, 다중 화자 분리, 타임스탬프 지원 등 맞춤형 사용이 가능하며, 150분 분량의 오디오를 2분 내외에 전사할 수 있는 성능 벤치마크를 보유하고 있습니다. 최근 버전 릴리즈는 0.0.15이며, GPU 최적화와 Flash Attention 2 지원이 강화된 최신 상태입니다. 이 프로젝트는 커뮤니티 기여를 통해 발전하고 있으며, NVIDIA GPU 또는 Mac 환경에서 강력한 성능을 제공합니다.
자세한 사용법과 CLI 옵션은 GitHub 페이지의 README에서 확인할 수 있습니다.
agentscope
AgentScope은 오픈소스 기반의 강력하고 사용하기 쉬운 에이전트 프레임워크로, 다양한 인공지능 모델과 연동해 에이전트 구축을 지원합니다. 목적은 대규모 언어모델(LLMs)의 점점 더 높은 능력을 활용하며, 엄격한 프롬프트 제약보다는 모델의 추론과 도구 사용 능력을 극대화하는 데에 있습니다.
핵심 기능으로는 ReAct 기반 에이전트, 자연어 및 음성 인터페이스를 지원하는 Realtime Voice Agent, 다중 에이전트 협업 조직을 위한 MsgHub, 긴 학습 기억과 플러그인 지원, 모델 파인튜닝, A2A(에이전트 간 커뮤니케이션), TTS(텍스트-음성 변환), MCP(경량 API 호출) 통합 등 다양합니다. 구조는 API 클라이언트(에이전트, 모델, 툴, 메모리, 포맷터 등), 워크플로우 관리용 MsgHub, 런타임 에이전트 및 샘플 프로젝트, 문서, 커뮤니티 채널로 구성되어 있으며, Python 3.10 이상에서 동작합니다.
기술 스택은 Python, asyncio, 다양한 언어모델 API, 오케스트레이션 및 도구 연동용 라이브러리 등이며, 최근 릴리즈 및 업데이트 내역에는 실시간 음성 지원, 메모리 압축, A2A 프로토콜, TTS 지원, 인간-에이전트 간 인터럽트 기능, 다중 에이전트 워크플로우, 강화학습 기반 튜닝 등이 포함되어 있습니다. 프로젝트는 활발히 개발 중이며 커뮤니티 참여와 기여를 독려하고 있고, Apache 2.0 라이선스 하에 배포되어 있습니다.
참고 문서와 튜토리얼, 샘플 프로젝트는 공식 홈페이지와 GitHub, API 문서, 뉴스 페이지에서 확인 가능합니다.
twenty
Twenty는 오픈소스 기반의 고객관계관리(CRM) 플랫폼으로, 사용자가 적은 비용으로 강력하고 유연한 CRM 시스템을 구축할 수 있도록 돕습니다. 이 프로젝트의 주요 목표는 기존 상용 CRM의 높은 비용과 폐쇄성을 해결하는 데 있으며, 커뮤니티 중심의 개발과 오픈소스 생태계 조성을 지향합니다.
기능적으로는 레이아웃 맞춤화(필터, 정렬, 그룹화, 칸반 및 테이블 뷰 지원), 객체 및 필드의 커스터마이징, 사용자 역할 기반 권한 관리, 워크플로우 자동화(트리거와 액션), 이메일, 일정, 파일 관리 등을 포함합니다. 이를 통해 영업, 마케팅, 고객지원 등 다양한 비즈니스 니즈를 충족시킬 수 있습니다.
구조는 주요 API와 클라이언트 측 UI를 포함하며, Typescript와 React를 프론트엔드에 사용하고, NestJS, PostgreSQL, Redis, BullMQ와 같은 기술 스택으로 백엔드를 구성하여 확장성과 안정성을 확보하고 있습니다. 또한 Nx와 Jotai, Linaria, Lingui 등 모던 개발 도구와 라이브러리를 활용하고 있습니다.
사용 대상은 개발자, 엔터프라이즈 고객, 스타트업 등으로, 자체 호스팅 또는 로컬 환경에서 설치하고 커스터마이징할 수 있습니다. 커뮤니티 멤버들은 이슈 제기, 기여, 번역 참여 등을 통해 프로젝트 발전에 참여할 수 있습니다.
최신 릴리즈와 변경 사항은 공식 GitHub 프로젝트의 이슈 및 릴리즈 로그를 참고하는 것이 좋으며, 최근에는 기능 개선과 버그 수정이 지속적으로 이루어지고 있습니다. 프로젝트는 문서화와 커뮤니티 참여를 적극 권장하며, 도커-컴포즈를 통한 셀프호스팅 가이드, 로컬 세팅 가이드 등을 제공합니다.
특이사항으로는, 오픈소스 CRM의 선두 주자로서 커뮤니티 중심의 확장과 플러그인 생태계 조성을 목표로 하고 있으며, 다양한 서드파티 도구와 연계하여 사용할 수 있도록 설계되었다는 점입니다. 더 자세한 내용은 공식 문서와 GitHub 저장소, 커뮤니티 채널에서 확인 가능합니다.
Datalab
Datalab은 최첨단 문서 인공지능 모델로, 문서의 텍스트와 레이아웃 정보를 보존하며 이미지를 비롯한 PDF, 수학식, 표, 양식 등을 구조화된 HTML, Markdown, JSON 형식으로 변환하는 기능을 제공합니다. 주요 목표는 문서 분석, 정보 추출 및 디지털화로, 연구 및 산업 현장 모두에서 활용됩니다.
구성은 모델(Chandra OCR 2), API, CLI 도구, 그리고 웹 인터페이스로 이루어졌으며, 두 가지 추론 모드(로컬 HuggingFace 기반과 원격 vLLM 서버 지원)를 지원합니다. 최신 버전인 Chandra 2는 2025년 10월에 출시되었으며, 수학, 표, 다국어, 손글씨 등 복잡한 레이아웃과 다양한 언어를 지원하는 성능 향상이 이루어졌습니다.
기술 스택에는 딥러닝 프레임워크(Pytorch), Transformer 기반 모델, vLLM 가속기 등이 사용되며, 벤치마크에서도 다양한 문서 유형과 언어에서 경쟁력 있는 성과를 기록하고 있습니다. API와 CLI를 통해 손쉽게 문서 OCR 처리 가능하며, 웹 앱도 제공하여 간편 테스트 환경을 마련하였고, 필요시 자체 서버 배포 또는 클라우드 서비스를 활용할 수 있도록 설계되어 있습니다.
주의사항으로는 라이선스(Apache 2.0 및 OpenRAIL-M), 배포 시 상업적 라이선스 검토, 성능 최적화를 위한 환경 구성 등을 참고해야 합니다.