microsoft/markitdown↗: proste, a bardzo potrzebne: konwersja plików i dokumentów Office do...

Dzień - Najmocniej świeci dziś forrestchang/andrej-karpathy-skills ↗: pojedynczy plik CLAUDE.md jako sposób na poprawę zachowania Claude Code. To nie jest produkt, tylko instrukcja obsługi modelu — i właśnie dlatego ludziom tak się podoba. - Wysoko są też obra/superpowers ↗ i thedotmack/claude-mem ↗: oba repo pokazują, że rynek nie chce już tylko „agenta”, ale agenta z pamięcią, zasadami i kontrolą. - Poza falą agentową wyróżniają się jamiepine/voicebox ↗ oraz google/magika ↗, czyli praktyczne narzędzia o jasnym zastosowaniu, bez zadęcia.

Tydzień - Największy tygodniowy sygnał to NousResearch/hermes-agent ↗: „agent, który rośnie razem z tobą” to hasło, ale trend jest realny — społeczność poluje na dłuższe, bardziej autonomiczne zadania. - Mocno trzymają się także microsoft/markitdown ↗, HKUDS/DeepTutor ↗ i virattt/ai-hedge-fund ↗. - Tydzień pokazuje też rosnące zainteresowanie „produkcyjnością agentów”: multica-ai/multica ↗, coleam00/Archon ↗ i thedotmack/claude-mem ↗ to różne warianty tego samego pytania: jak zrobić, żeby agent nie był tylko demo, ale współpracownikiem.

Miesiąc - W skali miesiąca wygrywa affaan-m/everything-claude-code ↗ oraz obra/superpowers ↗: to już nie są pojedyncze narzędzia, tylko ekosystemy zasad, pamięci i optymalizacji pracy z modelami. - Widoczny jest także kierunek „agent + domena”: bytedance/deer-flow ↗, TauricResearch/TradingAgents ↗ i shiyu-coder/Kronos ↗ pokazują, że agentom przypisuje się coraz bardziej konkretne zadania — od researchu i kodowania po finanse. - Na obrzeżach, ale wyraźnie obecne, są rozwiązania lokalne i on-device, np. google-ai-edge/gallery ↗, co sugeruje rosnący apetyt na prywatność i pracę bez chmury.

1. forrestchang/andrej-karpathy-skills ↗ Jednolity plik instrukcji dla Claude Code, oparty o obserwacje Karpathy’ego na temat typowych potknięć modeli przy programowaniu. Praktycznie: pomaga ustawić agentowi lepsze reguły pracy, mniej błądzenia i mniej „pewności bez pokrycia”.

2. obra/superpowers ↗ Framework umiejętności i metodologia pracy z agentami. W praktyce może służyć jako szkielet do budowania powtarzalnych procesów devowych, zamiast każdorazowego „promptowania na czuja”.

3. thedotmack/claude-mem ↗ Wtyczka, która zapisuje działania Claude podczas sesji, kompresuje je i przywraca jako kontekst w kolejnych uruchomieniach. To mocny sygnał: pamięć staje się funkcją produktu, nie dodatkiem.

4. virattt/ai-hedge-fund ↗ Zestaw agentów do zadań finansowych. Potencjalnie użyteczne do prototypowania workflowów researchowych, ale jednocześnie pole minowe, jeśli ktoś pomyli demonstrację z gotowym systemem inwestycyjnym.

5. google/magika ↗ Szybkie wykrywanie typu zawartości plików z użyciem AI. Bardzo praktyczne w pipeline’ach ingestu danych, klasyfikacji dokumentów i automatyzacji importów.

6. jamiepine/voicebox ↗ Open-source’owe studio syntezy mowy. To już nie jest ciekawostka, tylko narzędzie dla twórców, którzy chcą szybko testować głos, styl i prezentację bez wchodzenia w ciężką infrastrukturę.

• microsoft/markitdown ↗ — proste, a bardzo potrzebne: konwersja plików i dokumentów Office do Markdown. Świetne dla zespołów, które chcą normalizować wiedzę z PDF-ów, DOCX-ów i prezentacji do jednego formatu.
• HKUDS/DeepTutor ↗ — asystent nauki zbudowany w logice „agent-native”. To potencjalnie mocna baza dla platform edukacyjnych, notatników i tutoringu.
• google-ai-edge/gallery ↗ — pokazuje zastosowania modeli lokalnie, na urządzeniu. Dla firm z ograniczeniami prywatności to nie jest gadżet, tylko kierunek architektoniczny.
• mvanhorn/last30days-skill ↗ — umiejętność agenta do zbierania i syntezy sygnałów z sieci. Dobra baza do researchu produktowego i monitoringu trendów.
• TapXWorld/ChinaTextbook ↗ — repo o dużym zainteresowaniu, ale bardzo wrażliwe pod kątem legalności i praw autorskich; jako sygnał społeczny istotne, jako wzorzec wdrożenia — nie.

• FujiwaraChoki/MoneyPrinterV2 ↗ — sama obietnica „automatyzacji zarabiania online” brzmi jak magnes na kliknięcia i jak czerwona flaga zarazem. Bez bardzo twardych przykładów użycia należy traktować to ostrożnie.
• lsdefine/GenericAgent ↗ — hasła o „samorozwoju”, „pełnej kontroli systemu” i wielokrotnie lepszej oszczędności tokenów wyglądają imponująco, ale aż proszą się o benchmarki i reprodukowalne testy.
• Donchitos/Claude-Code-Game-Studios ↗ — brzmi efektownie, lecz liczby agentów i workflowów nie są jeszcze dowodem jakości. To może być świetna demonstracja, ale bez twardych mierników łatwo o teatralność.
• chrislgarry/Apollo-11 ↗ — historycznie bezcenne, trendowo jednak raczej sygnał sentymentu niż technologicznego przełomu.
• public-apis/public-apis ↗ — klasyk, ale dzisiaj bardziej stabilny evergreen niż prawdziwy trend dnia.

• Dominujące tematy w pamięci to nadal: ai-agents, devtools, llm-infra; poboczne, ale widoczne, są finance-ops, on-device-ai i security.
• W powtarzających się repozytoriach widać stały rdzeń trendu: affaan-m/everything-claude-code ↗, obra/superpowers ↗, NousResearch/hermes-agent ↗, bytedance/deer-flow ↗, TauricResearch/TradingAgents ↗, siddharthvaddem/openscreen ↗, FujiwaraChoki/MoneyPrinterV2 ↗ i mvanhorn/last30days-skill ↗.
• Nowe względem wcześniejszego cyklu jest mocniejsze skupienie nie tylko na samych agentach, ale na ich „osprzęcie”: pamięci, skillach, harnessach, panelach sterowania i metodach pracy.
• To nie jest już etap „zobaczcie, model umie kodować”, tylko „zobaczcie, jak zarządzać zespołem modeli”.

Trafione - affaan-m/everything-claude-code ↗ — nadal widoczne w monthly i rośnie względem baseline. - NousResearch/hermes-agent ↗ — utrzymuje mocny sygnał w weekly i monthly. - obra/superpowers ↗ — stały, silny trend zamiast jednorazowego wybuchu. - bytedance/deer-flow ↗ — nadal obecne, sygnał nie wygasł.

Do obserwacji - msitarzewski/agency-agents ↗ — za wcześnie na wyrok; brak wystarczającego sygnału. - 666ghj/MiroFish ↗ — również za mało danych, by mówić o trwałym trendzie. - shareAI-lab/learn-claude-code ↗ — temat żywy, ale repo jeszcze nie przebiło się do stabilnej widoczności.

Wniosek z pamięci trendów: trafienia były tam, gdzie repozytoria dotyczyły nie „magii AI”, tylko praktycznego zarządzania agentami i ich środowiskiem pracy.

1. Hipoteza: repozytoria skupione na Claude Code i jego workflowach utrzymają wysoką widoczność przez kolejne 7 dni. Uzasadnienie: forrestchang/andrej-karpathy-skills ↗, thedotmack/claude-mem ↗, obra/superpowers ↗ i affaan-m/everything-claude-code ↗ tworzą spójny klaster. Pewność: wysoka.

2. Hipoteza: zainteresowanie agentami finansowymi będzie się utrzymywać, ale selektywnie — tylko tam, gdzie repo oferuje konkretną metodologię lub testowalny workflow. W praktyce: virattt/ai-hedge-fund ↗ i TauricResearch/TradingAgents ↗ mogą wracać, ale „gołe” obietnice będą szybciej tracić impet. Pewność: średnia.

3. Hipoteza: narzędzia typu memory/harness↗/skille będą coraz częściej wypierać proste demonstracje agentów. Jeśli trend się utrzyma, w kolejnych raportach więcej będzie repozytoriów o monitoringu, kontekście i deterministyczności niż samych „sprytnych botów”. Pewność: wysoka.

4. Hipoteza: on-device AI i local-first będą rosnąć jako kontrtrend wobec chmurowych agentów, ale wolniej i bardziej dyskretnie. google-ai-edge/gallery ↗ jest tu dobrym wskaźnikiem, choć jeszcze nie liderem rozmowy. Pewność: średnia.

• Dla zespołów devtools: inspiracja z forrestchang/andrej-karpathy-skills ↗, obra/superpowers ↗ i thedotmack/claude-mem ↗ pokazuje, jak budować zestaw reguł, pamięć i rytuały pracy dla agentów.
• Dla produktów SaaS: microsoft/markitdown ↗ podpowiada, jak upraszczać ingest danych i standaryzować dokumenty do Markdown.
• Dla startupów edukacyjnych: HKUDS/DeepTutor ↗ i Lordog/dive-into-llms ↗ pokazują, że edukacja AI nadal ma ogromny apetyt na praktyczne, interaktywne formy.
• Dla narzędzi audio/wideo: jamiepine/voicebox ↗ i siddharthvaddem/openscreen ↗ sugerują niszę na szybkie tworzenie demo i treści prezentacyjnych.
• Dla produktów lokalnych i enterprise: google-ai-edge/gallery ↗ to wskazówka, że lokalne uruchamianie modeli może być argumentem sprzedażowym, nie tylko techniczną ciekawostką.
• Dla autorów agentów: warto testować nie tylko „czy agent działa”, ale czy ma pamięć, retry, ograniczenia i obserwowalność. W tym tygodniu sam agent bez otoczki wygląda już jak wersja demo.

- Nie traktować liczby gwiazdek jako jakości produktu — przy kilku repozytoriach wygląda to bardziej jak fala społeczna niż dowód dojrzałości. - Ostrożnie z projektami obiecującymi szybki zarobek, pełną autonomię lub „samorozwijające się” możliwości bez benchmarków. - Warto rozróżniać: - narzędzia infrastrukturalne: microsoft/markitdown ↗, google/magika ↗, - frameworki i harnessy: obra/superpowers ↗, bytedance/deer-flow ↗, affaan-m/everything-claude-code ↗, - demonstracje i eksperymenty narracyjne: część projektów finansowych i „samorozwojowych”. - Sygnał szumu jest tu prosty: im bardziej repo obiecuje „wszystko”, tym bardziej potrzebuje twardych testów.

GitHub dziś nie nagradza już samych agentów — nagradza tych, którzy nauczyli agentów pamiętać, słuchać zasad i nie udawać, że chaos jest architekturą.