Repo Notebook

Eine visuelle Wissensumgebung, die GitHub-Repositories sammelt, analysiert und als verbundene Information präsentiert — mit Ernte, lokaler KI und smarten Vorschlägen.

Typ: Desktop-App (Electron)
Status: In aktiver Entwicklung
Rolle: Konzept, Design & Entwicklung
Stack: Electron · lokales LLM · MCP · GitHub API
Website: thomashuybrechts.com/repo-notebook

ERGEBNIS

127 Repositories verwaltet und kategorisiert durch lokale KI — keine Cloud-API, kein Abo.

Zur Live-Website GitHub-Repository Lies, wie es funktioniert

Ernte: Füge einen GitHub-Account, Toolnamen oder eine Seiten-URL ein und Repo Notebook holt alle Repositories

Die Listenansicht mit 127 gespeicherten Repositories, README, Statistiken und Notizen pro Repo

01 DAS PROBLEM

Wer viel mit Open Source arbeitet, sammelt Hunderte Repositories: in Browser-Tabs, Sternchen, Notizen und einzelnen Ordnern. Dabei geht Wissen verloren. Warum hast du etwas gespeichert? Funktioniert es noch? Was hängt damit zusammen?

02 WAS ES TUT

Sammeln ohne Reibung: Füge eine Repo-URL ein und sie wird mit README, Sternen, Forks, Sprache und Lizenz gespeichert. Suchen, nach Kategorie und Status filtern und ein A–Z-Index für große Sammlungen.
Ernte: Füge einen GitHub-Account, eine Liste von Toolnamen oder eine Seiten-URL ein (Blog, Medium, Linktree). Ernte lädt die Seite, zieht alle GitHub-Links heraus und lässt dich wählen, was ins Notebook kommt. Nichts wird gespeichert, bis du es abhakst.
Lokale KI: Kategorien, Zusammenfassungen und Vorschläge kommen von einem lokal laufenden Sprachmodell. Keine Daten in die Cloud, keine API-Kosten, funktioniert auch offline.
Notizen & Status: Pro Repo eine eigene Notiz (‚Warum hast du das gespeichert?‘) und ein Status: ausprobieren, installiert, gefällt, Archiv. So bleibt die Sammlung lebendig statt ein Friedhof.
Karte & Schnellstart: Repositories als verbundene Karte ansehen und mit einem Klick klonen oder auf GitHub öffnen.
MCP-Anbindung: Über das Model Context Protocol können KI-Assistenten direkt im Notebook suchen und lesen — die Basis für das Obsidian-Plugin.

03 WAS ICH DARAUS GELERNT HABE

Lokale KI ist schnell genug für diese Art Arbeit, wenn du die Aufgaben klein hältst: kategorisieren, zusammenfassen, vorschlagen. Der größte Gewinn lag nicht im Modell, sondern im Workflow drumherum — Ernte und die Status-Knöpfe machten den Unterschied zwischen ‚praktisch‘ und ‚täglich benutzen‘.

INTERESSE?

Lass uns reden.

Sag mir, was du davon hältst — oder was du damit machen würdest.

Kontaktiere mich Nächstes Projekt: Repo Notebook für Obsidian