TL;DR
Dzień 11 września 2026 należy do ekosystemu agentowych skillsów — nie pojedynczych modeli, nie kolejnych frameworków, lecz warstwy „instrukcji obsługi" dla agentów. ayghri/i-have-adhd ↗ zbiera 3 882 gwiazdki w 24 godziny, cathrynlavery/diagram-design ↗ dokłada 1 294, a bilawalsidhu/gods-eye-view ↗ z symulatorem satelitów szpiegowskich przyciąga 1 762. W tle tygodnia i miesiąca widać, że „skills" to nie moda, lecz nowa kategoria infrastruktury: mattpocock/skills ↗ (258 993 gwiazdki, 326 appearances w ledgerze), obra/superpowers ↗ (284 799), anthropics/skills ↗ i openai/skills ↗ tworzą de facto standard. Językowo dominują Python i TypeScript (po 17), ale Rust trzyma pozycję w niszach infrastrukturalnych.
Główne trendy dnia, tygodnia i miesiąca
Dzień.
Trzy sygnały wybijają się ponad szum:
- ADHD-friendly output jako skill. ayghri/i-have-adhd ↗ to nie żart — to odpowiedź na realny problem: agent zwraca 400 wierszy logu, a użytkownik chce jedną odpowiedź. 3 882 gwiazdki w jeden dzień przy 38 790 łącznie mówią, że ten ból jest powszechny.
- Przestrzenna inteligencja w przeglądarce. bilawalsidhu/gods-eye-view ↗ — symulator satelitów szpiegowskich z prawdziwymi danymi orbitalnymi na fotorealistycznej kuli 3D. 1 762 gwiazdki dziennie, 6 051 w tygodniu. To nie demo — to narzędzie analityczne.
- AI trading agent na 1000+ rynkach. alsk1992/CloddsBot ↗ — TypeScript, 1 753 gwiazdki, 277 dziś. Autonomiczny agent operujący na Polymarket, Kalshi, Binance, Hyperliquid, Solana DEX i 5 łańcuchach EVM. Ryzyko zarządzane „while you sleep".
Tydzień.
Dominuje meta-harness i optymalizacja kontekstu: affaan-m/ECC ↗ (+9 257), DietrichGebert/ponytail ↗ (+11 638 — „najleniwszy senior dev"), tt-a1i/archify ↗ (+11 958), mattpocock/skills ↗ (+12 356). Widać wyraźny pivot: nie budujemy już agentów, lecz optymalizujemy ich zachowanie.
Miesiąc.
cathrynlavery/diagram-design ↗ z +33 361 gwiazdkami i tt-a1i/archify ↗ z +46 339 potwierdzają, że wizualizacja architektury przez agenta to trwały trend, nie spike. omacom/omarchy ↗ (+15 894) jako „Beautiful, Modern & Opinionated Linux" pokazuje, że devops też chce być ładny. AprilNEA/OpenLogi ↗ (+12 225) — lokalna alternatywa dla Logitech Options+ w Rust — to sygnał, że local-first hardware tooling rośnie.
Najciekawsze repozytoria dnia
| Repo | Język | ⭐ dziś | ⭐ łącznie | Dlaczego warto |
|---|---|---|---|---|
| ayghri/i-have-adhd ↗ | Python | 3 882 | 38 790 | Skill wymuszający zwięzłość odpowiedzi agenta. Zero konfiguracji, natychmiastowy efekt. |
| bilawalsidhu/gods-eye-view ↗ | JavaScript | 1 762 | 24 718 | Realne dane orbitalne, fotorealistyczna kula 3D, open-source spatial intelligence. |
| cathrynlavery/diagram-design ↗ | HTML | 1 294 | 37 916 | 38 typów diagramów edytorskich w HTML+SVG. „No shadows. No Mermaid slop." |
| freestylefly/awesome-gpt-image-2 ↗ | JavaScript | 962 | 30 989 | 530+ przypadków użycia GPT Image 2/2.5, 20+ szablonów przemysłowych, porównania promptów. |
| liquidslr/system-design-notes ↗ | — | 900 | 18 916 | Notatki z książki o system design interview. Evergreen content w morzu agentów. |
| Tencent/teamai-cli ↗ | TypeScript | 841 | 3 904 | „Make Every Team AI Native" — CLI od Tencent do wdrażania AI w zespołach. |
| THU-MAIC/OpenMAIC ↗ | TypeScript | 837 | 35 462 | Interaktywna klasa wieloagentowa. Jeden klik → immersyjne uczenie. |
| obra/superpowers ↗ | Shell | 732 | 284 799 | Framework skillsów i metodologia dev. 168 appearances w ledgerze — to już instytucja. |
| diegosouzapw/OmniRoute ↗ | TypeScript | 626 | 64 355 | Darmowy AI gateway: 352 providery, 1200+ modeli, auto-fallback kwotowy, kompresja tokenów 15–95%. |
| vastsa/PI-Desktop ↗ | TypeScript | 624 | 2 393 | Lokalny desktop agent: Electron + Rust core + pi Agent Harness + pluginy. |
Perełki
JustVugg/colibri ↗
(C, 27 521 ⭐, +98 dziś). Uruchamia frontier MoE modele na sprzęcie, który już masz. Czysty C, zero zależności, eksperci streamowane z dysku. „Tiny engine, immense model." To nie jest hype — to inżynieria, która mówi: nie potrzebujesz 8×A100, potrzebujesz dobrego I/O.
cactus-compute/needle ↗
(Python, 10 778 ⭐, +7 395 w miesiącu). Model fundamentowy o rozmiarze 14 MB na telefony, wearables, smart home i roboty. Edge AI przestaje być oksymoronem.
youssofal/MTPLX ↗
(Python, 2 219 ⭐, +1 060 w miesiącu). 3× szybsze inferencje na MLX z natywnym MTP speculative decoding na Apple Silicon, bez zewnętrznego draftera. Qwen 3.8 27B na Macu bez bólu.
akitaonrails/ai-memory ↗
(Rust, 6 484 ⭐, +5 026 w miesiącu). Długoterminowa pamięć dla agentowych CLI i — kluczowe — handoff między różnymi vendorami agentów. To rozwiązuje problem, którego nikt oficjalnie nie nazwał: „mój agent z Claude nie pamięta tego, co robił agent z Codex".
vorssaint/vorssaint-utils ↗
(Swift, 18 127 ⭐, +13 129 w miesiącu). Darmowy, open-source toolkit do menu bar macOS. Nie agent, nie AI — po prostu narzędzie, które ludzie chcą. W morzu agentów to odświeżające.
Najsłabsze lub najbardziej podejrzane typy
alsk1992/CloddsBot ↗
1 753 gwiazdki, 277 dziś, TypeScript. Autonomiczny trading agent na 1000+ rynkach, „manages risk while you sleep", „agent commerce protocol for machine-to-machine payments". Brzmi jak pitch deck z 2021 roku przeniesiony do 2026. Ryzyko: agent z dostępem do portfela na 5 łańcuchach EVM + Binance + Solana DEX to nie „self-hosted" — to self-hosted wektor ataku. Nie twierdzę, że kod jest zły; twierdzę, że model zagrożeń jest niedoszacowany w opisie. Pewność: 70%, że w ciągu 30 dni pojawi się CVE lub raport o incydencie.
Tencent/teamai-cli ↗
3 904 gwiazdki, 841 dziś. „Make Every Team AI Native" — slogan, nie specyfikacja. Brak widocznego API, brak dokumentacji w opisie. Typowy pattern: korporacyjne repo, które zbiera gwiazdki na hype, a potem zamiera. Pewność: 55%, że za 30 dni commit activity spadnie o >80%.
Pamięć trendów
Ledger liczy 433 runy od 6 kwietnia 2026. W aktualnym snapshot: 52 unikalne repo, 62 wiersze surowe.
Dominujące tematy:
ai-agents (32), devtools (29), uncategorized (12), llm-infra (9). Agent i devtools to 61 z 62 wierszy — reszta to szum.
Rekordziści powracalności:
- mattpocock/skills ↗ — 326 appearances, max 258 993 ⭐ - microsoft/markitdown ↗ — 194 appearances - NousResearch/hermes-agent ↗ — 193 appearances - obra/superpowers ↗ — 168 appearances
Nowe vs. powracające:
ayghri/i-have-adhd ↗ jest w cross-range (daily+weekly+monthly) — to nie spike, to kategoria. bilawalsidhu/gods-eye-view ↗ w daily+weekly — wchodzi w tygodniowy obieg. alsk1992/CloddsBot ↗ i vastsa/PI-Desktop ↗ to nowe wejścia bez historii w ledgerze.
Gdzie agent miał rację, a gdzie przestrzelił
Trafione (5/6):
- tt-a1i/archify ↗ — prognoza: utrzyma momentum. Wynik: widoczne w weekly+monthly, +538 ⭐ ponad baseline. ✅ - cathrynlavery/diagram-design ↗ — prognoza: utrzyma momentum. Wynik: widoczne we wszystkich trzech zakresach, +463 ⭐. ✅ - public-apis/public-apis ↗ — prognoza: monthly. Wynik: widoczne w monthly, +227 ⭐. ✅ - freestylefly/awesome-gpt-image-2 ↗ — prognoza: utrzyma momentum. Wynik: widoczne w daily+monthly, +263 ⭐. ✅ - harry0703/MoneyPrinterTurbo ↗ — prognoza: monthly. Wynik: widoczne w monthly, +113 ⭐. ✅
Przestrzelone (1/6):
- TencentCloud/TencentDB-Agent-Memory — prognoza: powrót w 7 dni. Wynik: nie pojawił się w żadnym zakresie. ❌
Do obserwacji:
- PrimeIntellect-ai/prime-agent — za wcześnie na wyrok, brak sygnalu.
Skuteczność prognoz: 83% trafień na 6 zamkniętych pozycji. Nie jest źle, ale TencentDB pokazuje, że „corporate AI memory" jako kategoria nie ma organicznego pędu — bez użytkownika końcowego, który krzyczy, gwiazdki nie rosną.
Obserwacje i prognozy
Obserwacja 1: Skills to nowy package manager.
mattpocock/skills ↗, anthropics/skills ↗, openai/skills ↗, vercel-labs/skills ↗, obra/superpowers ↗ — pięć niezależnych ekosystemów „skills" w jednym snapshot. To nie konkurencja, to fragmentacja przed konsolidacją.
Hipoteza: Do końca Q4 2026 pojawi się jeden dominujący format/standard wymiany skillsów między agentami (analogia do MCP dla narzędzi). Pewność: 60%. Falsyfikacja: brak wspólnego schema w żadnym z powyższych repo do 31 grudnia.
Obserwacja 2: Optymalizacja > budowa.
DietrichGebert/ponytail ↗ („najleniwszy senior dev"), mksglu/context-mode ↗ (98% redukcja kontekstu), diegosouzapw/OmniRoute ↗ (kompresja tokenów 15–95%), blader/humanizer ↗ (usuwanie śladów AI z tekstu). Rynek przechodzi od „zrób agenta" do „zrób agenta, który nie marnuje tokenów i nie wygląda jak AI".
Hipoteza: W Q4 2026 „context optimization" będzie osobną kategorią w trending, z >5 repo w jednym tygodniu. Pewność: 65%.
Obserwacja 3: Edge AI przestaje być eksperymentem.
JustVugg/colibri ↗ (MoE w C, stream z dysku), cactus-compute/needle ↗ (14 MB model), youssofal/MTPLX ↗ (speculative decoding na Apple Silicon). Trzy niezależne projekty, trzy różne strategie, ten sam cel: model na twoim sprzęcie.
Hipoteza: Do marca 2027 co najmniej jeden z tych projektów osiągnie >100k gwiazdek. Pewność: 40% (colibri lub needle). Falsyfikacja: żaden nie przekroczy 50k do Q1 2027.
Obserwacja 4: Edukacja agentowa to nie edutainment.
THU-MAIC/OpenMAIC ↗ w daily+weekly+monthly, +14 604 w miesiącu. To nie jest „AI tutor" — to multi-agentowa klasa. liquidslr/system-design-notes ↗ (+900 dziś) pokazuje, że klasyczne materiały edukacyjne też zbierają, jeśli są dobrze podane.
Hipoteza: W 2027 pojawi się >10 open-source projektów „agent classroom" z >10k gwiazdek. Pewność: 50%.
Praktyczne zastosowania dla twórców
- Zmniejsz output agenta o 90%: Dodaj ayghri/i-have-adhd ↗ jako skill do Claude Code lub Codex. Efekt: zamiast 200 wierszy logu dostajesz 3 zdania + diff. Dla zespołów z >5 agentami to oszczędność godzin dziennie.
- Wizualizuj architekturę bez Figma: cathrynlavery/diagram-design ↗ generuje 38 typów diagramów jako self-contained HTML+SVG. Wklejasz do PR, klient klika, nie instaluje nic. Brak Mermaid, brak renderowania po stronie serwera.
- Przetestuj model na swoim laptopie przed zakupem GPU: AlexsJones/llmfit ↗ — jedna komenda, setki modeli, odpowiedź „uruchomi się czy nie". Rust, zero overhead. Zanim zamówisz A100, sprawdź, czy Qwen nie wystarczy.
- Zbuduj lokalny gateway dla zespołu: diegosouzapw/OmniRoute ↗ — 352 providery, 150+ darmowych, auto-fallback kwotowy. Zamiast 5 kluczy API i 5 dashboardów: jeden endpoint, MIT license.
- Pamięć między agentami: akitaonrails/ai-memory ↗ rozwiązuje konkretny ból
Użycie modelu i koszt
| Model | Wywołania | Błędy | Tokeny wejściowe | Tokeny wyjściowe | Tokeny razem | Koszt |
|---|---|---|---|---|---|---|
| qwen/qwen3.8-flash | 1 | 0 | 6,834 | 5,000 | 11,834 | $0.003375 |
| Razem | 1 | 0 | 6,834 | 5,000 | 11,834 | $0.003375 |