터미널 기반 AI 구직 도구
Open-source AI job search: scan job portals, evaluate listings with a structured A-F rubric into a 1.0-5.0 score, tailor your CV, track applications — runs locally in your AI coding CLI (Claude Code, Codex, OpenCode, Antigravity…)
Hot
69.2
★★★☆☆
무엇을 해결하나구직 공고를 자동으로 스캔하고 A-F 루브릭으로 평가하며 ATS에 최적화된 맞춤 이력서를 생성하고 지원을 추적합니다.
누가 쓰면 좋나Developers and technical job-seekers who prefer command-line workflows and want automated, reproducible application pipelines. Also useful for career coaches or recruiters who need batch evaluation and CV tailoring at scale.
왜 지금 뜨나AI 에이전트와 채용 자동화 수요 증가로 반복 작업을 크게 줄여주기 때문입니다.
이 리포의 한 방Integrates multiple agent CLIs to automatically scrape portals, score postings with a transparent A-F rubric, and produce ATS-optimized, tailored CVs in batch.
발견 경로
트렌딩
통합 LLM API 기반 확장형 에이전트 툴킷
AI agent toolkit: unified LLM API, agent loop, TUI, coding agent CLI
Hot
72.9
★★★★☆
무엇을 해결하나여러 LLM 제공자별 SDK와 에이전트 로직을 단일 API와 에이전트 런타임, 상호작용형 코딩 CLI/TUI로 통합해 개발과 실험을 단순화합니다.
누가 쓰면 좋나Developers building coding assistants, automation workflows, or agent-based tooling that must orchestrate multiple LLM providers and external tools. Also useful for teams who want an extensible local CLI/TUI for interactive automation and debugging.
왜 지금 뜨나멀티-플랫폼 LLM 사용과 에이전트 자동화 수요가 급증하면서 통합 툴킷 수요가 커졌기 때문입니다.
이 리포의 한 방Combines a unified multi-provider LLM API, an extensible agent runtime, and an interactive coding-agent CLI/TUI in one maintained monorepo.
발견 경로
HN트렌딩
로컬에서 모델 실행·학습·배포하는 앱
Local UI to run and train LLMs and diffusion models. Supports GGUF, MLX, Qwen3.8, DeepSeek-V4.1, MiniMax-H3, Gemma 4, FLUX and more.
Hot
69.6
★★★☆☆
무엇을 해결하나대규모 언어·확산 모델을 로컬에서 실행·미세조정·내보내는 복잡한 과정을 단일 데스크탑 UI와 CLI로 통합해 간소화합니다.
누가 쓰면 좋나Developers and ML engineers who need to run or train LLMs and generative models locally, experiment with new models, or avoid cloud dependencies and data egress. Also useful for teams who want an opinionated UI + CLI that unifies training, inference, and export workflows.
왜 지금 뜨나로컬·프라이버시 수요 증가와 대형 모델·효율적 학습 기법 확산으로 채택이 빠르게 늘고 있습니다.
이 리포의 한 방Bundles local running, fine-tuning, multimodal support, hardware-aware optimizations, and exportable formats in a single desktop app and CLI.
발견 경로
트렌딩
C/C++ 기반 로컬 LLM 추론 엔진
LLM inference in C/C++
Hot
69.3
★★★☆☆
무엇을 해결하나의존성을 최소화한 C/C++ 구현으로 다양한 CPU/GPU에서 양자화된 LLM/VLM 추론을 가능하게 합니다.
누가 쓰면 좋나Developers and researchers who need low-latency, privacy-preserving, or offline model inference across desktops, servers, and edge devices. Teams that require fine-grained control over performance, quantization, and platform-specific optimizations.
왜 지금 뜨나로컬 추론 수요 증가와 양자화·다중 하드웨어 지원 확대로 인기가 높습니다.
이 리포의 한 방A portable, dependency-free C/C++ runtime that runs quantized LLMs efficiently across CPUs, Apple silicon, NVIDIA/AMD GPUs, and other accelerators.
발견 경로
HNReddit
주제 입력만으로 AI가 짧은 HD 영상 자동 생성
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short videos from a topic or keyword with an automated AI workflow.
Hot
67.2
★★★☆☆
무엇을 해결하나대본 작성, 소재 검색, 자막·음성·配乐 생성과 합성을 자동화해 반복 작업을 줄인다.
누가 쓰면 좋나Content creators, growth marketers, and small studios who need to produce high volumes of short-form video. Developers and teams building automated content pipelines or integration tools will also find it useful.
왜 지금 뜨나짧은 영상 수요 증가와 접근 가능한 멀티모달 AI/툴의 발전으로 자동화가 현실화되었기 때문.
이 리포의 한 방Provides an end-to-end, LLM-driven pipeline that writes scripts, finds/matches media, generates audio/subtitles, and composes HD shorts via FFmpeg.
발견 경로
트렌딩
최근 30일 소셜·웹 요약 에이전트
AI agent skill that researches any topic across Reddit, X, YouTube, HN, Polymarket, and the web - then synthesizes a grounded summary
Hot
67.2
★★★☆☆
무엇을 해결하나지난 30일간 소셜·웹 게시물을 병렬로 수집해 참여도·시장 신호로 점수화하고 근거 있는 요약을 생성합니다.
누가 쓰면 좋나Product managers, researchers, reporters, sales reps, and engineers who need fast, recent situational awareness aggregated from social and web signals. Also useful as an agent skill or plugin inside workflows that already use Claude Code, agent CLIs, or similar hosts.
왜 지금 뜨나플랫폼 분산과 최신 신호 수요 증가로 주목받고 있습니다.
이 리포의 한 방Bridges many walled-garden platforms and ranks real-world signals (likes, upvotes, market odds) to produce a short, evidence-linked summary of recent activity.
발견 경로
트렌딩
터미널용 다중 모델 코딩 에이전트
runs anywhere. uses anything
Hot
66.2
★★★☆☆
무엇을 해결하나클라우드와 로컬 모델 제공자를 하나의 CLI와 통일된 에이전트 워크플로로 연결해 각기 다른 SDK·도구를 배우는 수고를 줄입니다.
누가 쓰면 좋나Developers and ML engineers who integrate AI models into development workflows and tools. Useful for teams that need a consistent terminal-first interface across multiple model backends and local runtimes.
왜 지금 뜨나여러 모델 제공자와 로컬 런타임을 하나로 다루려는 수요가 늘면서 통합 도구에 관심이 집중되고 있습니다.
이 리포의 한 방Provides a single terminal-first CLI that plugs into cloud and local model providers with built-in agent tools, streaming output, and provider profiles.
발견 경로
트렌딩
내 하드웨어에 맞는 LLM을 찾아주는 도구
Hundreds of models & providers. One command to find what runs on your hardware.
Hot
65.6
★★★☆☆
무엇을 해결하나하드웨어를 감지해 수백 모델의 실행 가능성·속도·적합도를 평가해 어떤 모델이 실제로 동작하는지 알려줍니다.
누가 쓰면 좋나Developers, researchers, and hobbyists who run or serve LLMs locally and need to pick models that actually fit their machines. Also useful for SREs and integrators who want reproducible speed and capacity estimates before deployment.
왜 지금 뜨나로컬 LLM 사용과 모델 포맷 다양성 증가로, 하드웨어별 실행성 판단과 실제 벤치마크 공유 요구가 커졌습니다.
이 리포의 한 방Integrated hardware-aware scoring plus an in-app benchmark and one-click submission pipeline for real measurements.
발견 경로
트렌딩
터미널에서 작동하는 에이전트형 AI 코딩 도구
An open-source AI coding agent that lives in your terminal.
Hot
62.8
★★★☆☆
무엇을 해결하나터미널에서 코드 작성·리팩토링·테스트 등 반복 작업을 자동화하고 편집기↔터미널↔웹 LLM 간의 맥락 전환을 줄인다. 멀티 모델 제공자와 로컬 런타임을 런타임에 전환할 수 있다.
누가 쓰면 좋나Terminal-focused developers, SREs, and teams who want scriptable, agentic automation for coding workflows and CI tasks. Also useful for projects that require multi-provider or local LLM support without vendor lock-in.
왜 지금 뜨나에이전트형 워크플로와 멀티 모델(클라우드·로컬) 지원, 활발한 커뮤니티로 채택이 빨라지고 있다.
이 리포의 한 방Out-of-the-box agentic features (Auto-Memory, Auto-Skills, SubAgents, Agent Teams, MCP) combined with multi-provider and local model support.
발견 경로
트렌딩
AI 에이전트용 컨텍스트 데이터베이스
Self-evolving Context Database for AI Agents. Unify Agent Memory, Knowledge RAG and Skills.
Hot
62.7
★★★☆☆
무엇을 해결하나메모리, 지식(RAG), 스킬을 하나의 파일시스템으로 통합해 결정론적 접근과 계층적 로딩, 조회 경로 관찰을 제공함으로써 토큰 낭비와 불투명한 검색 문제를 해결합니다.
누가 쓰면 좋나AI/agent developers, research teams, and product engineers building persistent memory, RAG pipelines, or multi-turn agents who need deterministic, debuggable context access. Teams that want production-grade tooling for agent observability and cost control will benefit most.
왜 지금 뜨나에이전트·장기기억 수요 증가와 비용·가시성 문제를 동시에 다루기 때문에 주목받고 있습니다.
이 리포의 한 방A virtual viking:// filesystem that stores context in L0/L1/L2 tiers and records observable retrieval trajectories for deterministic, debuggable agent access.
발견 경로
트렌딩
Nothing matches those filters.