JuliusBrussee/caveman↗: 85 800 gwiazdek, +7 780 w tym tygodniu.

1. Agent skills jako waluta – repozytoria z gotowymi umiejętnościami dla agentów kodowania (addyosmani/agent↗‑skills, alirezarezvani/claude↗‑skills, phuryn/pm↗‑skills) notują masowe przyrosty gwiazdek. Umiejętności stają się dobrem wymiennym, a nie tylko dodatkiem. 2. Wycieki promptów systemowych – asgeirtj/system_prompts_leaks↗ bije rekordy popularności, odsłaniając instrukcje modeli Anthropic, OpenAI, Google i xAI. To sygnał, że społeczność chce rozumieć, a nie tylko używać. 3. Lokalne przetwarzanie AI – Meetily (transkrypcja spotkań), FluidVoice (dyktowanie), RuView (WiFi jako radar) i OpenSuperWhisper pokazują, że on‑device AI przestaje być niszą. Użytkownicy cenią prywatność i szybkość bez chmury. 4. Multipleksowanie i orkiestracja agentów – herdr (terminalowy multiplexer), Orca (środowisko dla floty agentów), gastown (zarządzanie workspace’ami) – zarządzanie wieloma agentami równolegle staje się koniecznością. 5. Token‑efficient engineering – caveman (redukcja tokenów o 65% przez styl jaskiniowca), OmniRoute (kompresja 15‑95%) i codebase‑memory‑mcp (99% mniej tokenów) to odpowiedź na koszty i limity API. 6. Bezpieczeństwo agentów – Strix (penetracja AI) i NVIDIA SkillSpector (skaner umiejętności) pokazują, że wraz z agentami rośnie powierzchnia ataku. 7. Wideo i dźwięk w rękach agentów – OpenMontage (produkcja wideo), video‑use (edycja wideo), claude‑video (analiza wideo przez Claude) i speech‑to‑speech (lokalni agenci głosowi) rozszerzają możliwości asystentów poza tekst.

• asgeirtj/system_prompts_leaks ↗ – 51 817 gwiazdek, +1 378 dzisiaj. Kolekcja wyciągniętych promptów systemowych z modeli Anthropic, OpenAI, Google, xAI i narzędzi pokroju Cursor czy Copilot. Regularnie aktualizowana. To jak przeciek z centrali – pokazuje, jak naprawdę „myślą” komercyjne modele.
• Zackriya-Solutions/meetily ↗ – 19 616 gwiazdek, +2 494 dzisiaj. Asystent spotkań z transkrypcją na żywo (Parakeet/Whisper↗, 4x szybsza), diarizacją mówców i podsumowaniami przez Ollamę. 100% lokalnie, bez chmury. Praktyczna odpowiedź na zmęczenie Zoomem i obawy o prywatność.
• Leonxlnx/taste-skill ↗ – 59 224 gwiazdek, +1 458 dzisiaj. Umiejętność, która nadaje AI „dobry smak” – powstrzymuje agenta przed generowaniem nudnej, generycznej papki. Mimo zabawnej nazwy, rozwiązuje realny problem: standaryzacji i nijakości outputu agentów.
• openai/codex-plugin-cc ↗ – 26 368 gwiazdek, +906 dzisiaj. Oficjalny plugin od OpenAI, który pozwala używać Codex z poziomu Claude Code do przeglądania kodu lub delegowania zadań. Ciekawy przykład współpracy między konkurującymi ekosystemami agentów.
• ogulcancelik/herdr ↗ – 12 976 gwiazdek, +779 dzisiaj. Terminalowy multiplexer agentów. Pozwala zarządzać wieloma sesjami agentów w jednym oknie – coś jak tmux dla AI. Rośnie w siłę od tygodni i nie zwalnia.
• bradautomates/claude-video ↗ – 4 409 gwiazdek, +427 dzisiaj. Daje Claude możliwość „oglądania” dowolnego wideo: pobiera, wyciąga klatki, transkrybuje i przekazuje całość modelowi. Prosty pomysł, ogromny potencjał dla analizy treści wizualnych.

• JuliusBrussee/caveman ↗ – 85 800 gwiazdek, +7 780 w tym tygodniu. Umiejętność Claude Code, która tnie zużycie tokenów o 65%, każąc agentowi mówić jak jaskiniowiec. Genialne w swojej prostocie i skuteczności.
• huggingface/speech-to-speech ↗ – 5 497 gwiazdek, +533 w tygodniu. Budowanie lokalnych agentów głosowych z modeli open‑source. Idealne dla twórców asystentów offline.
• alibaba/page-agent ↗ – 24 680 gwiazdek, +3 989 w tygodniu. Agent GUI w JavaScripcie – steruje interfejsami webowymi za pomocą języka naturalnego. Otwiera drogę do automatyzacji stron bez API.
• Robbyant/lingbot-map ↗ – 10 087 gwiazdek, +1 525 w tygodniu. Model 3D typu feed‑forward do rekonstrukcji scen ze strumieniowych danych. Ciekawostka z pogranicza wizji komputerowej i robotyki.
• n0-computer/iroh ↗ – 11 176 gwiazdek, +2 504 w miesiącu. Biblioteka dodająca QUIC i NAT traversal do aplikacji – adresy IP się psują, więc wybieraj klucze. Praktyczne dla P2P i rozproszonych systemów.
• t8y2/dbx ↗ – 8 975 gwiazdek, +4 953 w miesiącu. Lekki (20 MB), wieloplatformowy klient baz danych obsługujący MySQL, PostgreSQL, SQLite, Redis, MongoDB i inne. Świetna alternatywa dla ciężkich GUI.

• msitarzewski/agency-agents ↗ – 128 273 gwiazdek, +9 706 w tygodniu. Skrypt Shell z zestawem „agentów” od frontendu po Reddit. Liczba gwiazdek sugeruje ogromny hype, ale repozytorium to głównie kolekcja promptów i luźnych opisów ról – mało kodu, dużo obietnic. Może być chwilową modą.
• hasaneyldrm/exercises-dataset ↗ – 10 242 gwiazdek, +5 665 w tygodniu. Zbiór danych o ćwiczeniach fitness w HTML. Przydatny, ale to statyczny dataset, nie narzędzie. Popularność wynika raczej z zapotrzebowania na dane niż z innowacji.
• JCodesMore/ai-website-cloner-template ↗ – 26 304 gwiazdek, +2 825 w tygodniu. Klonowanie stron za pomocą jednej komendy – brzmi efektownie, ale w praktyce to szablon dla agentów, który może generować dużo śmieciowego kodu. Warto obserwować, czy nie skończy jako generator technicznego długu.

W ledgerze od kwietnia 2026 dominują tematy ai‑agents (30 wystąpień) i devtools (23). Powtarzające się repozytoria to m.in. mattpocock/skills↗ (226 wystąpień), microsoft/markitdown↗ (188), NousResearch/hermes↗‑agent (171), mvanhorn/last30days↗‑skill (158), TauricResearch/TradingAgents↗ (149), ruvnet/RuView↗ (137), obra/superpowers↗ (132) i addyosmani/agent↗‑skills (129). Widać, że umiejętności agentowe i narzędzia do ich zarządzania to nie jednorazowy zryw, lecz trwały trend. W bieżącym oknie nakładają się na to wycieki promptów i lokalne przetwarzanie.

• Trafione: Panniantong/Agent↗‑Reach, calesthio/OpenMontage↗, DeusData/codebase↗‑memory‑mcp, mvanhorn/last30days↗‑skill i apple/container↗ utrzymały się w trendach i zyskały dodatkowe gwiazdki – prognozy momentum okazały się słuszne.
• Przestrzelone: microsoft/markitdown↗ nie powróciło do zestawienia po 7 dniach – prawdopodobnie fala zainteresowania już opadła, a samo narzędzie weszło w fazę stabilnego użycia, a nie gwałtownego wzrostu.

1. Wycieki promptów systemowych będą przyciągać uwagę jeszcze przez co najmniej 2 tygodnie. Każda aktualizacja repozytorium asgeirtj/system_prompts_leaks↗ wywoła nową falę gwiazdek i dyskusji. (pewność 75%) 2. Lokalne asystenty spotkań (Meetily) staną się nowym standardem dla zdalnych zespołów dbających o prywatność. Wzrost o 2,5k gwiazdek dziennie to nie przypadek – to realna potrzeba rynkowa. (pewność 70%) 3. Umiejętności agentowe zaczną się konsolidować w pakiety „wszystko w jednym” – podobnie jak alirezarezvani/claude↗‑skills, ale z naciskiem na interoperacyjność między Claude Code, Codex i Cursor. (pewność 65%) 4. Multipleksery agentów (herdr, Orca) będą niezbędne, gdy zespoły zaczną uruchamiać równolegle 5–10 agentów. herdr ma szansę stać się tmuxem świata AI. (pewność 60%) 5. Repozytoria oszczędzające tokeny (caveman, OmniRoute) wejdą do kanonu każdego power‑usera agentów – koszty API zmuszają do optymalizacji. (pewność 80%)

• Chcesz zrozumieć, jak działa Twój model? Przeglądaj system_prompts_leaks – zobaczysz, jakie instrukcje nadają ton odpowiedziom.
• Pracujesz zdalnie i cenisz prywatność? Wdróż Meetily – dostaniesz transkrypcje i podsumowania spotkań bez wysyłania niczego w chmurę.
• Twoje agenty generują nudny, sztampowy kod? Dodaj taste‑skill, by wymusić kreatywność i styl.
• Koszty tokenów Cię dobijają? Zastosuj caveman jako skill Claude Code – redukcja o 65% to realne oszczędności.
• Zarządzasz wieloma agentami naraz? Użyj herdr, by mieć je wszystkie w jednym terminalu, albo Orca, by orkiestrować flotę z własnymi subskrypcjami.
• Potrzebujesz analizy wideo? bradautomates/claude↗‑video zamienia dowolny film w materiał do przetworzenia przez Claude.
• Budujesz własnego agenta głosowego? huggingface/speech↗‑to‑speech daje Ci lokalne modele open‑source – bez latencji chmury.

• Listy awesome i datasety (sindresorhus/awesome↗, hasaneyldrm/exercises↗‑dataset) są wiecznie popularne, ale nie niosą przełomu – to raczej zasoby niż narzędzia.
• Szablony klonowania stron (JCodesMore/ai↗‑website‑cloner‑template) mogą generować więcej szumu niż wartości, jeśli nie są używane z głową.
• Ogromne liczby gwiazdek przy agency‑agents (128k) budzą wątpliwości co do autentyczności – warto sprawdzić, czy za hype’em idzie rzeczywista użyteczność.

Największe firmy AI strzegą swoich promptów systemowych jak oka w głowie, a społeczność właśnie je wyciąga i publikuje na GitHubie – to najlepszy dowód, że w świecie agentów kod źródłowy nie tkwi już w modelu, tylko w instrukcji.