` com regex para extrair nome, url, linguagem, estrelas e descrição. Sem README nesse caso — use só a descrição do trending. ### 2. GERAÇÃO DAS LANDING PAGES Execute o script gerador passando o caminho do JSON: ```bash python3 /home/ice/.hermes/scripts/github_trending_generate.py ``` Este script: - Gera a página diária em `~/.hermes/landing/YYYY-MM-DD.html` - Atualiza `~/.hermes/landing/index.html` (home com links históricos) - Imprime um resumo em markdown no stdout ### 3. GARANTIR SERVIDOR HTTP Verifique se o servidor HTTP está rodando: ```bash pgrep -f "http\.server.*landing" || python3 -m http.server 8080 --directory ~/.hermes/landing & ``` ### 4. MELHORIA DAS ANÁLISES COM LLM (PÓS-PROCESSAMENTO) Após a geração inicial, leia o JSON de dados. Para CADA um dos 20 repositórios, use sua capacidade LLM para extrair informações MELHORES do README. O script gerador extrai info básica, mas você pode melhorar. Leia o JSON com o README completo. Para cada repo, analise o README e responda: 1. **Problema que resolve**: Descrição mais precisa que a do trending 2. **Vantagens de uso**: 3-5 benefícios concretos extraídos do README 3. **Categoria**: Classifique em: IA/ML, Ferramentas Dev, Infra/DevOps, Frontend/UI, Segurança, Mídia/Criativo, Educação, Dados/Análise, Mobile, IoT, Outro Reescreva o HTML da página diária em `~/.hermes/landing/YYYY-MM-DD.html` com cards melhorados baseados na sua análise. ### 5. ENTREGA NO TELEGRAM Envie o relatório completo como mensagem no Telegram. Formato: - Título com data - Lista dos 20 repos com: nome (link GitHub), linguagem, estrelas, categoria, descrição curta, vantagem principal - Links: landing page e home Idioma: português brasileiro. ## Response 🔥 **GitHub Trending Diário — 2026-07-30** Base: github.com/trending · 17 repositórios analisados com README completo Landing page: http://192.168.0.20:8080/2026-07-30.html Home: http://192.168.0.20:8080/index.html --- ## 🛠️ Ferramentas Dev (7) **#3 affaan-m/ECC ⭐235.781** — JavaScript Sistema operacional para agentes: skills, instintos, memória persistente e segurança para Claude Code, Codex, Cursor. → Principal: Skills modulares + research-first antes de codar **#5 1jehuang/jcode ⭐13.627** — Rust Harness para agentes de IA com eficiência extrema de RAM. → Principal: Consumo de RAM líder do mercado, construído em Rust **#9 different-ai/openwork ⭐18.146** — TypeScript Alternativa open-source ao Claude Cowork: compartilha skills, MCPs e conexões entre agentes. → Principal: Bridge MCP para Google Workspace + Microsoft 365 **#10 obra/superpowers ⭐263.493** — Shell Metodologia completa de desenvolvimento agentic: especificação → plano → TDD → execução autônoma. → Principal: Agentes trabalham horas sem supervisão **#13 alibaba/open-code-review ⭐16.208** — Go Code review híbrido (pipelines deterministicos + LLM) testado na escala da Alibaba. → Principal: Comentários precisos por linha com regras built-in anti-NPE/XSS/SQLi **#16 pascalorg/editor ⭐19.733** — TypeScript Editor 3D de construções com React Three Fiber + WebGPU. Pacotes npm modulares. → Principal: Renderização WebGPU nativa no navegador **#17 virgiliojr94/book-to-skill ⭐13.112** — Python Transforma PDF/E PUB/DOCX de livros técnicos em skills para agentes de IA. → Principal: 7+ formatos suportados, gera skills no formato aberto --- ## 🤖 IA / ML (6) **#2 moeru-ai/airi ⭐45.554** — TypeScript Framework auto-hospedado para IA companions estilo Neuro-sama com voz em tempo real. → Principal: Chat de voz + interação em Minecraft/Factorio **#4 huggingface/speech-to-speech ⭐8.051** — Python Pipeline VAD→STT→LLM→TTS modular, API compatível com OpenAI Realtime. → Principal: Roda 100% local com componentes substituíveis **#8 microsoft/VibeVoice ⭐51.460** — Python Modelos de voz fronteiriços ASR + TTS da Microsoft Research. ASR comprimido 4.6GB→1.58GB para CPU. → Principal: CPU inference com BitNet, RTF < 1 em 3+ threads **#11 MoonshotAI/FlashKDA ⭐1.044** — Cuda Kernels CUDA de alta performance para Kimi Delta Attention em LLMs. → Principal: Integração automática com flash-linear-attention **#15 maderix/ANE ⭐7.185** — Objective-C Prova de conceito: treinar redes neurais no Apple Neural Engine via APIs privadas. → Principal: Demonstra que ANE pode treinar modelos (não só inferência) **#7 deepfakes/faceswap ⭐56.489** — Python Deep learning para troca de rostos em fotos e vídeos. Múltiplos modelos (Phaze-A, Villain). → Principal: Interface gráfica completa + múltiplos modelos de treinamento --- ## 🗂️ Dados & Análise (2) **#1 opengeos/GeoLibre ⭐4.243** — TypeScript Plataforma GIS cloud-native leve, multi-plataforma (web, desktop, mobile, Jupyter), dados locais e privados. → Principal: Alternativa moderna e leve a QGIS/ArcGIS Online, licença MIT **#12 NanmiCoder/MediaCrawler ⭐59.246** — Python Crawler para 7+ redes sociais chinesas (Xiaohongshu, Douyin, Bilibili, Weibo, Zhihu…). → Principal: Extração estruturada de posts, vídeos e comentários --- ## ⚙️ Infra / DevOps (1) **#6 grokability/snipe-it ⭐14.537** — PHP Sistema open-source de gestão de ativos de TI e licenças de software (Laravel 12). → Principal: Controle completo de ciclo de vida + Docker + demo online --- ## 💰 Finanças & Dados (1) **#14 paperswithbacktest/awesome-systematic-trading ⭐10.535** — Python Coletânea curada: 97+ bibliotecas, 40+ estratégias, 55 livros para trading quantitativo. → Principal: Cobre cripto, ações, futuros e opções --- **📊 Totais:** 17 repos · 6 IA/ML · 7 Ferramentas Dev · 2 Dados · 1 Infra · 1 Finanças **🌐 Landing Page:** http://192.168.0.20:8080/2026-07-30.html **🏠 Home (histórico):** http://192.168.0.20:8080/index.html ⚠️ *Nota: Conexão Telegram não pôde ser completada via Composio (OAuth pendente). A entrega é feita pelo próprio sistema de cron job.*