JuliusBrussee/caveman↗: (Go; 99 454 ★, +286 dziś).

• mattpocock/skills ↗ (Shell; 225 515 ★, +2 267 dziś). Zestaw umiejętności dla agentów kodujących — wprost z katalogu .agents autora. Praktycznie: przenośne definicje roli (persona) i rutyny pracy, które można montować w dowolnym CLI (Claude Code, Codex, OpenCode).
• AprilNEA/OpenLogi ↗ (Rust; 11 409 ★, +1 225 dziś). Lokalny zamiennik Logitech Options+ działający po HID++. Bez konta, bez telemetrii. Wartość praktyczna: realna kontrola nad DPI, przyciskami i SmartShift bez oddawania danych producentowi.
• volcengine/OpenViking ↗ (Python; 30 854 ★, +955 dziś). Samorozwijająca się baza kontekstowa dla agentów. Praktycznie: łączenie pamięci agenta, RAG wiedzy oraz umiejętności w jednym abstrakcyjnym modelu.
• santifer/career-ops ↗ (JavaScript; 66 385 ★, +855 dziś). Lokalny „AI rekruter": skanuje portale z ofertami, ocenia je w rubricy A–F, tailoruje CV, śledzi aplikacje. Działa w CLI kodowych agentów.
• harry0703/MoneyPrinterTurbo ↗ (Python; 112 586 ★, +2 774 dziś). Potok generowania krótkich filmów z tematu/s↗łowa kluczowego. Praktycznie: prototyp content-pipeline'u dla social media.
• RyanCodrai/turbovec ↗ (Rust; 15 832 ★, +736 dziś). Indeks wektorowy na TurboQuant z bindingami Pythona. Praktycznie: przyśpieszenie retrieval w projektach RAG, które dziś korzystają z HNSW/PQ↗.
• chaitanyagiri/munder-difflin ↗ (TypeScript; 3 024 ★, +517 dziś). Lokalny harness multiagentowy. Praktycznie: orkiestracja wielu modeli bez opuszczania własnej maszyny.
• mahlernim/google-timeline-visualizer ↗ (Kotlin; 1 233 ★, +575 dziś). Wizualizacja roku podróży z pliku Timeline Google. Praktycznie: aplikacja desktopowa do eksploracji własnych danych lokalizacyjnych.

• JuliusBrussee/caveman ↗ (Go; 99 454 ★, +286 dziś). Skill dla Claude Code, który zmniejsza zużycie tokenów o ~65% dzięki uproszczonemu językowi. W kontekście rosnących cen inferencji — użyteczny eksperyment.
• cursor/plugins ↗ (TypeScript; 3 925 ★, +473 dziś). Specyfikacja pluginów i oficjalne rozszerzenia dla Cursor. Praktycznie: punkt wejścia dla autorów integracji.
• agent-substrate/substrate ↗ (Go; 1 328 ★, +26 dziś). System podstawowy dla agentów — „core” pod uruchamianie wielu agentów. Warto obserwować, choć wczesna faza.
• Tencent/AI-Infra-Guard ↗ (Python; 4 832 ★, +28 dziś). Platforma do red teamingu AI: skan agentów, umiejętności, MCP i infrastruktury. Praktycznie: dla zespołów security AI, które chcą jednego panelu.

• „Skill-pakiety z dnia na dzień" z masywnymi liczbami gwiazdek w krótkim oknie (virgiliojr94/book-to-skill ↗, zhaoxuya520/reverse-skill ↗). Wysoki stosunek gwiazdek do kodu, mało commitów, krótka historia — typowy wzorzec viralowego pompa, nie głębokiej adopcji. Falsyfikowalna hipoteza: ponad 70% z nich wypadnie z top 30 w ciągu 14 dni (poziom pewności: umiarkowany).
• „All-in-one CLI do wszystkich providerów" (OmniRoute ↗). Wartość realna, ale „340 providerów / 1200 modeli" sugeruje cienką warstwę ponad gotowymi bibliotekami. Falsyfikacja: spadek dziennych gwiazdek < 100 przez tydzień = sygnał wyczerpania pompa (poziom pewności: niski).
• „Nazwa myląca z produktem komercyjnym" (makeplane/plane ↗, caveman ↗). Caveman obiecuje „65% mniej tokenów" — cyfra marketingowa, nie benchmark. Równie dobrze można ją zmierzyć samemu.
• Pojedyncze dni viralowe bez potwierdzenia tygodniowego — repozytoria z > 1 000 gwiazdek dziennie bez obecności w tygodniu/miesi↗ącu (np. nowe narzędzia desktopowe) wymagają potwierdzenia w kolejnym okresie.

• Powtarzalność w ledgerze: mattpocock/skills ↗ widziany 296 razy (najwyższy rekord), a dalej obra/superpowers ↗, HKUDS/DeepTutor ↗, addyosmani/agent-skills ↗ — to rdzeń „kultury skillsów".
• Nowe vs powracające: W bieżącym raporcie nowo pojawiają się AprilNEA/OpenLogi ↗, chaitanyagiri/munder-difflin ↗, cursor/plugins ↗, RyanCodrai/turbovec ↗, JuliusBrussee/caveman ↗ i mahlernim/google-timeline-visualizer ↗. Powracają fundamenty: modular/modular ↗, basecamp/omarchy ↗, akitaonrails/ai-memory ↗.
• Tematyka (48 unikalnych repo): ai-agents 24, devtools 23, llm-infra 14, security 2, browser-automation 1, on-device-ai 1, finance-ops 2. Agent devtools i llm-infra to dziś de facto jedna rodzina.

• Trafione: bojieli/ai-agent-book ↗ utrzymuje się w miesięcznym trendingu (+1 225 powyżej baseline).
• Trafione: mattpocock/skills ↗ — wciąż w daily/monthly (+1 441).
• Trafione: diegosouzapw/OmniRoute ↗ — utrzymuje się w miesięcznym (+419).
• Trafione: block/buzz ↗ i koala73/worldmonitor ↗ — oba nadal widoczne w miesięcznym.
• Za wcześnie: stablyai/orca ↗ — brak wystarczającego sygnału; nie opłacało się jeszcze prognozować.
• Przestrzał?: brak wyraźnego. Skład watchlisty z ostatniego raportu sprawdził się zaskakująco dobrze — żaden „pewniak" nie zawiódł, ale też żaden nie zaskoczył ponad miarę.

• „Skills jako warstwa konwencji" staje się nowym „npm". Trzy duże repozytoria (mattpocock/skills ↗, obra/superpowers ↗, addyosmani/agent-skills ↗) walczą o to samo: standard wymiany instrukcji/persona↗ między agentami. Falsyfikacja: do końca Q3 2026 pojawi się jeden dominujący format manifestu (np. .skills/ ze schematem) — poziom pewności: średni.
• Kompresja tokenów wraca do łask. JuliusBrussee/caveman ↗ i wcześniejszy „caveman" w opisie OmniRoute ↗ to ten sam trop. Falsyfikacja: uśredniony benchmark na 10 typowych zadaniach pokaże < 30% oszczędności (poziom pewności: średni).
• Edge/on-device↗ inference (Apple Silicon, mobile). jundot/omlx ↗ w tygodniu, cactus-compute/needle ↗ w tygodniu/miesi↗ącu — wzorzec się utrzymuje. Falsyfikacja: nowy model < 30 MB dla urządzeń mobilnych bez wsparcia int4 (poziom pewności: niski).
• Lokalne alternatywy dla narzędzi firm trzecich. OpenLogi (Logitech), makeplane/plane ↗ (Jira/Linear↗), citrolabs/ego-lite ↗ (przeglądarka dla agentów). Hipoteza: kategoria „lokalny-zamiennik-X" stanie się osobnym nurtem repozytoriów. Falsyfikacja: spadek udziału takich projektów w trendingu < 10% w ciągu miesiąca (poziom pewności: średni).
• Agent-substrate na horyzoncie. agent-substrate/substrate ↗ ma tylko 26 ★/dzień, ale nazwa sugeruje aspiracje systemowe. Hipoteza: w ciągu 30 dni albo zniknie z radaru, albo skoczy > 500 ★/dzień po jakiejś publikacji. Falsyfikacja: brak (poziom pewności: niski).
• Turbovec / TurboQuant wskazuje na szybkie indeksy wektorowe dla retrieval. Falsyfikacja: porównanie z FAISS/HNSW↗ nie wykaże przewagi na benchmarku ANN-Benchmarks (poziom pewności: niski).

1. Własny zestaw skills. Zamiast pisać instrukcje systemowe od zera, ściągnij mattpocock/skills ↗ i obra/superpowers ↗; złóż minimalny .agents/ z 3–5 umiejętnościami pod swój stack. 2. Pamięć agenta bez vendor-locka. akitaonrails/ai-memory ↗ i volcengine/OpenViking ↗ to dwie alternatywne ścieżki: Rust vs Python — wybierz w zależności od tego, czy planujesz self-host na małym VPS, czy w chmurze. 3. Retrieval pod RAG. Jeśli trzymasz embeddingi lokalnie i potrzebujesz szybszego ANN, RyanCodrai/turbovec ↗ to kandydat do przetestowania obok FAISS. 4. Kontrola nad hardwarem. AprilNEA/OpenLogi ↗ pozwala odciąć się od Logitech Options+ — przydatne szczególnie na Linuxie. 5. Ścieżka red-team AI. Tencent/AI-Infra-Guard ↗ — dla zespołów, które muszą audytować agentów i MCP regularnie. 6. Kariera wspierana lokalnie. santifer/career-ops ↗ — odpowiedź dla programistów, którzy nie chcą zostawiać CV w chmurze cudzych aplikacji.

• Jednodniowe „+1 000 ★" bez historii w miesiącu (OpenLogi ↗, caveman ↗) warto traktować jako miękki sygnał, nie fakt.
• Projekty open source z brandingu firmy (Volcengine, Tencent, NVIDIA) są zwykle dobrze utrzymywane, ale ich „gwiazdki" mogą pochodzić z eventów wewnętrznych — nie sumować ich 1:1 ze społecznościowym wzrostem.
• Filtruj hashtagi „AI/agent↗" w opisie: niektóre repo nie mają realnego API, jedynie nazwę. Kryterium: liczba commitów w ostatnim miesiącu > 10, inaczej uznajemy za „witraż".

GitHub w sierpniu 2026 wygląda jak jeden wielki warsztat kalibracji agentów — zamiast walczyć o to, „kto ma większy model", społeczność przerzuciła się na wojnę o warstwę konwencji: kto ustali standard umiejętności, format pamięci i protokół routingu providerów; zwycięzca tej dyscypliny zdefiniuje, jak wygląda „produktywny" AI w przyszłym kwartale, a nie kto wytrenował kolejną wagową potworkę.