Principais projetos de ferramentas para desenvolvedores: MarkItDown, Coder, YuE, Spotifast, Colibri e Worktrunk

Autoria: ManuAGI - AutoGPT Tutorials · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Top Dev Tool Projects : MarkItDown, coder, YuE, Spotifast, colibri & Worktrunk · Canal: ManuAGI - AutoGPT Tutorials · 10:57 · Assistir no YouTube

Tópicos: Agentes de IA, Engenharia de software com IA, Ferramentas de desenvolvimento com IA, Geração de conteúdo com IA, Modelos locais e open source

Resumo

O vídeo apresenta 20 projetos open source para desenvolvedores, incluindo ferramentas de conversão de documentos, automação de navegador, ambientes de desenvolvimento e revisão de código. Também destaca opções para executar modelos localmente, otimizar inference e criar música com IA. A lista inclui ainda utilitários para agentes, organização de repositórios Git, sensores de Wi-Fi e contabilidade self-hosted. Cada projeto é apresentado com seu propósito e um exemplo de uso.

Pontos-chave

Von’s Chrome Dev Tools permite que agents interajam com uma instância real do Chrome para testar e depurar páginas.
MarkItDown converte vários formatos de arquivo em markdown, facilitando o preparo de documentos para sistemas de IA.
LLM Fit estima quais modelos locais cabem no hardware disponível, considerando memória, velocidade, qualidade e context length.
Coder cria ambientes de desenvolvimento na nuvem e executa AI coding agents em infraestrutura própria.
PR Lens transforma alterações em pull requests em diagramas animados de arquitetura e fluxo de dados.
Colibri transmite especialistas de modelos grandes do disco, mantendo a parte densa na RAM.
Worktrunk simplifica a gestão de Git worktrees para quem executa vários coding agents em paralelo.
YuE gera músicas com vocais e acompanhamento a partir de letras e indicações de estilo.

Capítulos

Início	Capítulo	Resumo
00:00	Introdução e ferramentas para documentos e aprendizado	A apresentação começa com o anúncio do canal AI Agent Studio e mostra projetos para automação no Chrome, conversão de documentos, agents pessoais e aulas interativas.
02:36	Plugins, iOS e modelos locais	O vídeo passa por plugins do Cursor, virtualização de iOS, seleção de modelos locais e ambientes de desenvolvimento self-hosted.
04:41	Revisão de código, visualização e otimização	São apresentados projetos de diagramas para pull requests, animação de quadro branco, kernels para sparse attention e execução de modelos grandes.
07:17	Código, música, agents e automação	A lista aborda revisão de código, geração musical, system prompts, governança de agents, sensing por Wi-Fi, Git worktrees e um cliente leve de Spotify.
10:25	Contabilidade self-hosted e encerramento	O último projeto é uma alternativa self-hosted ao QuickBooks 2003, apresentada antes do encerramento do vídeo.

Citações

Converta qualquer documento em markdown limpo. — 01:32

Descubra quais modelos locais rodam no seu hardware. — 04:10

Um modelo open foundation que transforma letras em músicas completas. — 07:49

Transforme sinais de Wi-Fi em sensing sem contato. — 09:24

Deixe Git worktrees tão simples quanto branches. — 09:54

Conceitos e entidades

MarkItDown (ferramenta): Ferramenta da Microsoft que converte documentos e outros arquivos em markdown adequado para uso com sistemas de IA.
LLM Fit (ferramenta): Avalia modelos locais disponíveis e estima quais podem ser executados no hardware do usuário.
Coder (ferramenta): Plataforma self-hosted para provisionar ambientes de desenvolvimento na nuvem e executar agentes de programação.
PR Lens (ferramenta): Gera diagramas animados para visualizar arquitetura, fluxo de dados e impacto de alterações em pull requests.
Colibri (ferramenta): Engine escrita em C que transmite especialistas de modelos grandes a partir do disco conforme necessário.
Open Code Review (ferramenta): Combina processos determinísticos com um agent para produzir comentários de revisão de código precisos por linha.
YuE (modelo): Modelo open foundation que gera faixas musicais a partir de letras e indicações de estilo.
System Prompts Leaks (repo): Repositório mantido pela comunidade que reúne system prompts de chatbots de diferentes provedores.
Oh My Hermes (ferramenta): Camada de governança que classifica e encaminha tarefas, acompanha a execução e organiza memória de longo prazo.
Worktrunk (ferramenta): Simplifica a criação, listagem, troca e remoção de Git worktrees, inclusive para fluxos com vários agents.
Spotifast (ferramenta): Cliente nativo de Spotify escrito em Rust, apresentado como uma alternativa leve ao aplicativo oficial para desktop.
Slowbooks Pro 2026 (ferramenta): Alternativa self-hosted ao QuickBooks 2003, com contabilidade de partidas dobradas, folha de pagamento e inventário.

Tradução completa (pt-BR)

00:00 Toda semana, desenvolvedores lançam DevTools open source poderosas, e este vídeo semanal de atualizações de projetos DevTool reúne tudo em um só lugar. Os projetos open source e DevTool mais populares desta semana abrangem conversão de documentos, ferramentas para modelos locais, revisão de código, plataformas auto-hospedadas e automação de navegador. Você vai conhecer ferramentas úteis e populares para desenvolvedores, que já pode começar a usar, explicadas de forma rápida e direta. Sem perder tempo, vamos começar. Antes de entrarmos nas atualizações de projetos de hoje, aqui vai um breve

00:30 anúncio para todo mundo. Lançamos um canal novinho no YouTube chamado AI Agent Studio, inteiramente dedicado a projetos, tutoriais e ferramentas de AI Agent. Então, se você tem interesse em ficar por dentro dos mais recentes projetos open source de AI agent, aprender a criar seus próprios agents ou explorar frameworks de agent de ponta, não deixe de conferir. Inscreva-se agora para receber vídeos semanais, guias aprofundados e análises em tempo real de projetos. O link está ali na descrição. Não perca. Tudo

01:02 bem, vamos ao vídeo de hoje. >> Projeto número um: Von’s Chrome Dev Tools for agents. Deixe seu agent de programação controlar o Chrome. Agents que depuram páginas da web geralmente precisam adivinhar o comportamento em tempo de execução. Este servidor MCP controla um navegador Chrome real por meio do Puppeteer, permitindo que os agents cliquem, naveguem, capturem rastros de desempenho, inspecionem solicitações de rede e executem auditorias do Lighthouse. Com uma CLI disponível fora do MCP2, ele é indicado para desenvolvedores que querem que seus agents testem e depurem páginas reais da web. Adicione-o ao

01:32 seu cliente e inspecione uma página em tempo real. Projeto número dois: MarkItDown. Converta qualquer documento em Markdown limpo. Fornecer PDFs, slides e planilhas desorganizados a um modelo de linguagem desperdiça tokens e estrutura. O MarkItDown, da Microsoft, converte PDFs, arquivos do Office, imagens, áudio, HTML e muito mais em Markdown limpo e eficiente em tokens, por meio de uma única interface de CLI ou Python, com integração opcional ao Azure para uma extração mais fiel. É indicado para desenvolvedores que preparam documentos para sistemas de IA.

02:04 Instale-o e converta seu primeiro arquivo. Projeto número três: Airmes agent. Um agent pessoal de IA que se aprimora e aprende sobre você. A maioria dos assistentes de IA começa do zero em cada sessão, esquecendo o que aprendeu sobre você. O agent da Noose Research cria e refina suas próprias skills com base na experiência, recupera conversas anteriores e constrói um modelo de você ao longo do tempo. Pode ser acessado pelo terminal ou por aplicativos de mensagens como Telegram e Discord. É indicado para quem quer um agent privado que evolua junto com a pessoa. Instale-o e comece uma conversa.

02:36 Projeto número quatro: Naoi AMA. Transforme qualquer assunto em uma sala de aula com IA. A leitura passiva é uma forma pouco eficaz de aprender sobre um assunto novo. O Open NA transforma qualquer tema ou documento em uma aula interativa ministrada por professores e colegas de turma de IA, gerando slides, questionários, simulações e discussões em lousa a partir de um pipeline de duas etapas: primeiro, um esboço; depois, as cenas. É indicado para estudantes e educadores que querem cursos interativos gerados por IA. Clone-o e aprenda algo novo por conta própria. Projeto número cinco: plugins do Cursor.

03:06 Amplie o agent do Cursor com plugins oficiais. Ampliar o Cursor com novas ferramentas e integrações não tinha uma estrutura padrão. Este repo oficial define o formato dos plugins e reúne plugins próprios e de terceiros, skills, regras e servidores MCP em um único marketplace, com um assistente para criar a estrutura inicial dos seus próprios plugins. É indicado para usuários do Cursor que querem ampliar o agent ou publicar seus próprios plugins. Explore o marketplace e adicione um plugin. Projeto número seis: Vphone CLI. Inicialize um iPhone virtual em Apple Silicon. Testar o comportamento do iOS

03:39 geralmente significa depender de um simulador, em vez do sistema operacional real. O Vphone CLI inicializa o iOS real em uma VM no Apple Silicon usando o framework de virtualização da Apple, automatizando a configuração do firmware, a restauração em DFU e a inicialização com um único comando, com níveis de patch que vão do padrão ao jailbreak completo. É indicado para pesquisadores de segurança e desenvolvedores de iOS. Crie uma VM e inicialize seu iPhone virtual. Projeto número sete: Nichl LM Fit. Descubra quais modelos locais funcionam no seu hardware. Com

04:10 centenas de modelos open e quantizações disponíveis, é difícil saber quais vão realmente funcionar na sua máquina. O LLM Fit detecta seu hardware e avalia cada modelo do catálogo quanto à adequação à memória, velocidade, qualidade e tamanho da context window, classificando-os para o seu sistema com estimativas transparentes e verificáveis. É indicado para desenvolvedores que executam modelos locais e querem escolher o mais adequado. Instale-o e veja o que funciona na sua máquina. Projeto número oito: Coder. Ambientes de desenvolvimento em nuvem e agents auto-hospedados. Configurar manualmente ambientes de desenvolvimento seguros e consistentes

04:41 não é escalável para uma equipe. O Coder provisiona workspaces na nuvem a partir de templates do Terraform e executa agents de programação com IA a partir de um plano de controle centralizado na sua própria infraestrutura, com governança centralizada de modelos, acompanhamento de custos e registro de auditoria. É indicado para equipes de plataforma que padronizam ambientes de desenvolvimento e workflows de agents. Instale o servidor e provisione seu primeiro workspace. Projeto número nove: PR Lens. Desenhe cada pull request como diagramas animados. Revisar pull requests gerados por IA a partir de uma tabela

05:13 de constatações é lento e difícil de visualizar. O PR Lens renderiza diagramas animados de arquitetura e fluxo de dados diretamente dentro do PR, mostrando o raio de impacto e a ordem do pipeline como um único grafo validado, disponível como aplicativo do GitHub, skill de agent ou ação de CLI. É indicado para desenvolvedores e revisores que querem ver as alterações desenhadas, não apenas listadas. Instale o aplicativo ou a skill e crie um diagrama da sua próxima alteração. Projeto número 10: Whiteboard Animator. Transforme uma imagem estática em uma revelação desenhada à mão. Produzir um vídeo explicativo

05:44 no estilo de desenho em lousa normalmente exige trabalho manual de animação. O Whiteboard Animator recebe uma imagem pronta no estilo de desenho com marcador e escreve o texto, traça os contornos e preenche as formas traço por traço em um MP4, usando apenas a CPU e sem modelo durante a renderização. É indicado para educadores e criadores de vídeos explicativos. Instale-o e anime seu primeiro esboço. Projeto número 11: deep select, kernels top-k rápidos para atenção esparsa. Implementações padrão de top-k são um gargalo na indexação de atenção esparsa

06:15 e na amostragem de tokens. O Deep select as substitui por kernels de GPU ajustados para essas duas cargas de trabalho específicas, informando uma vazão várias vezes maior — até 20 vezes — do que a operação integrada, disponibilizada por meio de uma única função que recebe um tensor e retorna um tensor. É indicado para engenheiros que otimizam a inference para essas arquiteturas de modelos. Instale-o e acelere seu top-k. Projeto número 12: Theist Collibri. Transmita modelos Maui gigantes do disco e C. Executar modelos de mistura de especialistas com trilhões de parâmetros normalmente exige mais memória rápida do que a maioria dos hardwares oferece.

06:47 O Collibri, escrito em C puro, mantém a parte densa de um modelo na RAM e transmite os especialistas roteados do disco sob demanda, aprendendo e armazenando em cache, ao longo do tempo, os especialistas que você mais usa, sem alterar a precisão do modelo. É indicado para quem quer executar modelos de fronteira localmente. Baixe o mecanismo e execute um modelo gigante na sua máquina. Projeto número 13: open code review. Revisão de código híbrida com precisão em nível de linha. A revisão de código feita apenas por LLM tende a ser ruidosa e imprecisa quanto ao local dos comentários. O Open code review

07:17 da Alibaba combina engenharia determinística para selecionar arquivos e posicionar comentários com um agent que fornece contexto e julgamento. Isso produz feedback preciso em nível de linha, usando muito menos tokens do que um agent de revisão de uso geral. É indicado para equipes que querem uma revisão automatizada consistente e precisa. Instale-o e revise suas alterações. Projeto número 14: U. Um modelo de base open que transforma letras em músicas completas. Gerar músicas completas com vocais e acompanhamento significava, em grande parte, depender de serviços fechados como o Sunno. O U é um

07:49 modelo de base open que transforma letras e tags de estilo em faixas de vários minutos, em muitos gêneros e idiomas, com aprendizado em contexto a partir de uma música de referência para transferir o estilo. É indicado para músicos e desenvolvedores que experimentam com música gerada por IA. Escolha o gênero e as letras e gere uma música. Projeto número 15: System Prompts Leaks. Um arquivo de instruções ocultas de chatbots de IA. As instruções que os chatbots recebem antes da sua primeira mensagem normalmente são invisíveis. Este repo mantido pela comunidade reúne, na íntegra, system prompts da

08:20 Anthropic, OpenAI, Google e dezenas de outros provedores, organizados por empresa e atualizados conforme surgem novos modelos, além de lembretes injetados e skills de agent. É indicado para pesquisadores e engenheiros de prompt curiosos para saber como os assistentes são configurados. Explore a coleção e leia as instruções ocultas de um modelo. Projeto número 16: Oh My Herms, uma camada operacional que adiciona roteamento e memória. O agent do Toms, sozinho, não encaminha solicitações com base na dificuldade nem verifica o que realmente foi executado. O Oh My Herms adiciona uma camada governada por cima,

08:52 pontuando e encaminhando tarefas para faixas de modelos, distinguindo o trabalho planejado do trabalho executado e criando, entre sessões, um pacote de memória de longo prazo com orçamento definido. É indicado para usuários do Her que querem workflows disciplinados de agentes com modelos. Instale-o e execute seu primeiro workflow governado. Projeto número 17: Ru View. Transforme sinais de Wi-Fi em detecção sem contato. Monitorar a presença ou os sinais vitais em um cômodo normalmente exige câmeras ou dispositivos vestíveis. O Ru lê informações de estado do canal Wi-Fi de sensores ESP32 de baixo custo para detectar

09:24 ocupação, respiração, frequência cardíaca, quedas e sono através de paredes. Ele funciona inteiramente em hardware de borda, sem nuvem e com integração nativa a casas inteligentes. É indicado para makers e pesquisadores que exploram detecção com preservação da privacidade. Grave o firmware em um sensor e comece a monitorar seu espaço. Projeto número 18: Worktrunk. Torne o uso de worktrees do Git tão simples quanto o de branches. Executar vários agents de programação em paralelo significa lidar com os comandos complicados de worktree integrados ao Git. O Worktrunk reduz o gerenciamento de worktrees a três comandos. Troque,

09:54 listar, remover e acessar pelo nome do branch. Com hooks, mensagens de commit geradas por IA e um workflow de merge em uma etapa para iniciar vários agents rapidamente. É indicado para desenvolvedores que executam vários agents de programação ao mesmo tempo. Instale-o e crie sua primeira árvore de trabalho. Projeto número 19, Spotify. Cliente nativo e leve do Spotify, escrito em Rust. O aplicativo oficial do Spotify para desktop consome muita memória e demora para iniciar. Escrito em Rust e sem navegador integrado, o Spotify inicia em menos de um segundo e usa uma fração da RAM

10:25 oferecendo reprodução sem intervalos, acesso completo à biblioteca, suporte ao Spotify Connect e um miniplayer no estilo do Win Amp, com visualizadores. É indicado para assinantes premium que querem um aplicativo do Spotify mais enxuto. Instale-o e entre com sua conta do Spotify. Projeto número 20, Slowbooks Pro 2026. Sistema de contabilidade auto-hospedado, substituto do QuickBooks 2003. Instalações antigas do QuickBooks 2003 podem se tornar inutilizáveis quando os servidores de ativação forem desativados de vez. Slowbooks Pro 2026 é um substituto auto-hospedado, criado do zero

10:57 que inclui contabilidade completa por partidas dobradas, folha de pagamento, estoque e formulários fiscais, com PDFs à prova de adulteração e implantação com Docker em um comando, usando Python e Postgres. É indicado para quem quer manter o controle local dos próprios livros contábeis. Execute-o com Docker e comece sua contabilidade. Obrigado por assistir. Até a próxima atualização.

Transcrição original

[00:00] Every week, developers release powerful open-source DevTools, and this weekly DevTool project update video brings them together in one place. Top trending open-source and best DevTool projects this week cover document conversion, local model tools, code review, self-hosted platforms, and browser automation. You’ll discover useful and trending developer tools you can start using right away, explained fast and to the point. Without wasting time, let’s get started. Before we jump into today’s project updates, here’s a quick

[00:30] announcement for everyone. We’ve launched a brand new YouTube channel called AI Agent Studio dedicated entirely to AI Agent projects, tutorials, and tools. So, if you’re interested in staying up to date with the latest AI agent open source projects, learning how to build your own agents, or exploring cuttingedge agent frameworks, make sure to check it out. Subscribe now to get weekly videos, in-depth guides, and realtime project breakdowns. The link is right there in the description. Don’t miss it. All

[01:02] right, let’s get into today’s video. >> Project number one, Von’s Chrome Dev Tools for agents. Let your coding agent drive Chrome. Agents debugging web pages usually have to guess at runtime behavior. This MCP server drives a real Chrome browser via Puppeteer, letting agents click, navigate, capture performance traces, inspect network requests, and run Lighthouse audits. With a CLI available outside MCP2, it suits developers who want their agent to test and debug real web pages, add it to

[01:32] your client, and inspect a live page. Project number two, mark it down. Convert any document to clean markdown. Feeding messy PDFs, slides, and spreadsheets to a language model waste tokens and structure. Mark it down from Microsoft converts PDF, Office files, images, audio, HTML, and more into clean, token efficient markdown through one CLI or Python interface with optional Azure integration for higher fidelity extraction. It suits developers preparing documents for AI systems.

[02:04] Install it and convert your first file. Project number three, Airmes agent. Self-improving personal AI agent that learns you. Most AI assistants start fresh every session, forgetting what they’ve learned about you. Agent from Noose Research, creates and refineses its own skills from experience, recalls past conversations, and builds a model of you over time. Reachable via terminal or messaging apps like Telegram and Discord. It suits people who want a private agent that grows with them. Install it and start a conversation.

[02:36] Project number four, Naoi AMA. Turn any topic into an AI classroom. Passive reading is a weak way to learn a new topic. Open NA turns any subject or document into an interactive lesson delivered by AI teachers and classmates, generating slides, quizzes, simulations, and whiteboard discussions from a two-stage outline then scene pipeline. It suits learners and educators who want interactive generated courses. Clone it and teach yourself something new. Project number five, cursor plugins.

[03:06] Extend the cursor agent with official plugins. Extending cursor with new tools and integrations lacked a standard structure. This official repo defines the plug-in format and gathers firstparty and third-party plugins, skills, rules, MCP servers into one marketplace with a scaffolding helper for building your own. It suits cursor users who want to extend the agent or publish their own plug-in. Browse the marketplace and add a plugin. Project number six, Vphone CLI. Boot a virtual iPhone on Apple Silicon. Testing iOS

[03:39] behavior usually means relying on a simulator rather than the real OS. Vphone CLI boots actual iOS in a VM on Apple Silicon using Apple’s virtualization framework, automating firmware setup, DFU restore, and boot in one command with patch levels from stock to full jailbreak. It suits iOS security researchers and developers. Create a VM and launch your virtual iPhone. Project number seven, Nichl LM Fit. Find which local models run on your hardware. With

[04:10] hundreds of open models and quantizations available, it’s hard to know which will actually run on your machine. LLM Fit detects your hardware and scores every model in its catalog on memory fit, speed, quality, and context length, ranking them for your system with transparent, verifiable estimates. It suits developers running local models who want to pick the right one. Install it and see what fits your machine. Project number eight, Coder. Self-hosted cloud development environments and agents. Setting up consistent secure dev

[04:41] environments by hand doesn’t scale across a team. Coder provisions cloud workspaces from Terraform templates and runs AI coding agents from a central control plane on your own infrastructure with centralized model governance, cost tracking, and audit logging. It suits platform teams, standardizing development environments and agent workflows. Install the server and provision your first workspace. Project number nine, PR lens. Draw every poll request as animated diagrams. Reviewing AI generated poll requests from a table

[05:13] of findings is slow and hard to visualize. PR Lens renders animated architecture and data flow diagrams directly inside the PR showing blast radius and pipeline order as one validated graph available as a GitHub app agent skill action or CLI. It suits developers and reviewers who want changes drawn not just listed. Install the app or skill and diagram your next change. Project number 101 whiteboard animator. Turn a still image into a handdrawn reveal. Producing a whiteboard

[05:44] style explainer video normally means manual animation work. Whiteboard animator takes a finished marker style image and writes text, traces outlines, and fills shapes stroke by stroke into an MP4 using only the CPU and no model at render time. It suits educators and creators making explainer videos. Install it and animate your first sketch. Project number 11, deep select fast top kernels for sparse attention. Standard TopK implementations are a bottleneck in sparse attention indexing

[06:15] and token sampling. Deep select replaces them with tuned GPU kernels for these two specific workloads, reporting several times to 20 times the throughput of the built-in operation exposed through a single tensor in tensor out function. It suits engineers optimizing inference for these model architectures. Install it and speed up your top K. Project number 12. Theist Collibri stream giant Maui models from disk and C. Running trillion parameter mixture of experts models normally requires more fast memory than most hardware has.

[06:47] Collibri written in pure C keeps the dense part of a model in RAM and streams routed experts from disk on demand learning and caching your hottest experts over time without changing model precision. It suits people who want to run Frontier models locally. Download the engine and run a giant model on your machine. Project number 13, open code review. Hybrid AI code review with line level precision. Pure LLM code review tends to be noisy and imprecise about where comments belong. Open code review

[07:17] from Alibaba pairs deterministic engineering for file selection and comment positioning with an agent for context and judgment. Producing accurate line-level feedback while using far fewer tokens than a generalpurpose review agent. It suits teams wanting consistent, accurate, automated review. Install it and review your changes. Project number 14, U. Open Foundation model, turning lyrics into full songs. Generating full songs with vocals and accompaniment has mostly meant relying on closed services like Sunno. U is an

[07:49] open foundation model that turns lyrics and style tags into multi-minute tracks across many genres and languages with incontext learning from a reference song for style transfer. It suits musicians and developers experimenting with AI music. Set your genre and lyrics and generate a song. Project number 15. System prompts leaks. Archive of AI chatbots hidden instructions. The instructions chat bots receive before your first message are normally invisible. This community-maintained repository collects system prompts from

[08:20] Anthropic, OpenAI, Google, and dozens of other providers verbatim, organized by company, and updated as new models appear alongside injected reminders and agent skills. It suits researchers and prompt engineers curious how assistants are configured. Browse the collection and read a model’s hidden instructions. Project number 16. Oh My Herms operating layer adding routing and memory toms agent alone doesn’t route requests by difficulty or verify what actually ran. Oh My Herms adds a governed layer on top

[08:52] scoring and routing tasks to model lanes, distinguishing planned from executed work and building a budgeted long-term memory pack across sessions. It suits her users who want disciplined model aare workflows. Install it and run your first governed workflow. Project number 17. Ru View. Turn Wi-Fi signals into contactless sensing. Monitoring a room for presence or vitals usually requires cameras or wearables. Ru reads Wi-Fi channel state information from lowcost ESP32 sensors to detect

[09:24] occupancy, breathing, heart rate, falls, and sleep through walls. Running entirely on edge hardware with no cloud and native smart home integration. It suits makers and researchers exploring privacy preserving sensing. Flash a sensor and start sensing your space. Project number 18. Work trunk. Make git work trees as easy as branches. Running several coding agents in parallel means juggling gits clunky built-in work tree commands. Work trunk collapses workree management into three commands. Switch,

[09:54] list, remove, address by branch name. With hooks, AI commit messages, and a one-step merge workflow for spinning up multiple agents fast. It suits developers running multiple coding agents at once. Install it and create your first work tree. Project number 19, Spotify. Lightweight native Spotify client in Rust. The official Spotify desktop app is heavy on memory and slow to start. Spotify written in Rust with no bundled browser starts in under a second and uses a fraction of the RAM

[10:25] offering gapless playback, full library access, Spotify connect support, and a Win Amp style mini player with visualizers. It suits premium subscribers who want a leaner Spotify app. Install it and sign in with Spotify. Project number 20, Slowbooks Pro 2026. Self-hosted bookkeeping, a QuickBooks 2003 replacement. Old QuickBooks 2003 installs can become unusable once activation servers shut down for good. Slowbooks Pro 2026 is a from scratch self-hosted replacement

[10:57] covering full double entry accounting, payroll, inventory, and tax forms with tamper evident PDFs and one command Docker deployment on Python and Postgress. It suits people wanting local control of their books. Run it with Docker and start your books. Thanks for watching. See you in the next update.