TL;DR
Dzień należy do agentów koordynujących inne agenty — Google pokazuje to przez ax (2324 gwiazdki dziennie), a społeczność przez substrate. Tydzień stoi pod znakiem bezpieczeństwa i review kodu (Cloudflare, Alibaba) oraz ewolucji umiejętności agentowych (addyosmani, affaan-m). Miesiąc to eksplozja lokalnych modeli i głosu (VoiceStudio, FreeToken, colibri) — AI schodzi z chmury do terminala i na biurko. Ten sam refren od pół roku: agent skills, devtools, on-device AI. Nowością jest jednak skala integracji — agenty nie tylko piszą kod, ale zaczynają zarządzać sobą nawzajem i używać prawdziwych przeglądarek.
Główne trendy dnia, tygodnia i miesiąca
- Dzień: Orkiestracja agentów jako nowy prymityw.
google/axiagent-substrate/substrateobiecują runtime dla flot agentów — nie pojedyncze narzędzie, lecz szkielet koordynacji. Do tego edycja wideo przez agenta (browser-use/video-use) i rynek narzędzi dla agentów (superdesigndev/treg). - Tydzień: Bezpieczeństwo i audyt stają się umiejętnościami agentowymi —
cloudflare/security-audit-skill(+15k ⭐ w tydzień) wyznacza kierunek: machine-readable findings, wielofazowe skany.alibaba/open-code-review(14.5k ⭐) to produkcyjna hybryda determinizmu i LLM w code review.Tencent/BrowserSkill– automatyzacja przeglądarek bez przerywania pracy użytkownika. - Miesiąc: Powrót do lokalności —
colibri(czysty C, modele MoE z dysku),magnitude(inferencja na konsumenckim sprzęcie),VoiceStudio(lokalne klonowanie głosu w 646 językach). Równolegle eksplodują umiejętności dla twórców treści:sergebulaev/linkedin-skills,archify(diagramy dla architektów),i-have-adhd(walka z nadmiarową produktywnością agenta).
Najciekawsze repozytoria dnia
1. [google/ax](google/ax) — Go, +2324 ⭐ dziennie (7176 total).
Otwarty runtime orkiestracji agentowej od Google. To nie kolejny framework do łańcuchów — to środowisko uruchomieniowe dla agentów, które zarządza ich cyklem życiowym, komunikacją i stanem. Konkuruje z substrate i może stać się podstawą dla przyszłych zastosowań w chmurze.
2. [agent-substrate/substrate](agent-substrate/substrate) — Go, +498 ⭐ dziennie (2822 total).
System rdzeniowy dla podłoża agentowego. Bardziej oddolny i mniej korporacyjny niż ax. Stawia na modularyzację i protokoły międzyagentowe. Wskazuje kierunek, w którym agenty stają się systemem operacyjnym.
3. [anthropics/financial-services](anthropics/financial-services) — Python, +436 ⭐ dziennie (36k total). Anthropic wchodzi w finanse — nie jako bank, ale jako platforma. Zestaw narzędzi i umiejętności dedykowany analizie finasowej, zgodności i automatyzacji procesów dla instytycji. Drugie życie jako poligon doświadczalny dla agentów w regulowanych branżach.
4. [suprdesigndev/treg](suprdesigndev/treg) — Python, +197 ⭐.
"OpenRouter dla narzędzi agentowych" — rynek wtyczek i umiejętności dla ekosystemu agentów. Jeśli ax to system operacyjny, treg to sklep z aplikacjami.
5. [brower-use/video-use](brower-use/video-use) — Python, +155 ⭐. Edycja wideo za pomocą agentów kodujących (Python, FFmpeg, scenariusze). Ciąg dalszy trendu "daj agentowi narzędzie, a zrobi resztę".
Perełki
- [JustVugg/colibri](JustVugg/colibri) — C, +5,5k ⭐ w tydzień. Run frontier MoE models on hardware you already own — zero zależności, czysty C. Mały silnik, ogromny model. Idealny dla embedded i starych laptopów. Hipoteza: za dwa tygodnie pojawią się skille ładujące colibri jako backend dla agentów lokalnych.
- [magnitudedev/magnitude](magnitudedev/magnitude) — TypeScript, +3,3k ⭐ w miesiąc. Profiluje twój sprzęt, dobiera optymalny model, pobiera go i uruchamia. Walka z fragmentacją lokalnego inferowania. DIY LLM deployment dla mas.
- [Lakr233/vphone-cli](Lakr233/vphone-cli) — Swift, +6,2k ⭐ w miesiąc. Terminalowy emulator Androida/iOS do testowania i automatyzacji agentów na mobilnych. Cichy bohater — nikt o nim nie pisze, a wypełnia krytyczną lukę w CI/CD dla agentów mobilnych.
Najsłabsze lub najbardziej podejrzane typy
- [omacom/omarchy](omacom/omarchy) — Shell, 42k ⭐ w miesiąc. Kolejna "piękna, nowoczesna i opiniotwórcza" dystrybucja Linuksa. Fala gwiazdek sugeruje raczej kampanię społecznościową niż autentyczną wartość techniczną. Powtórka z historii: ElemetaryOS, Deepin – hype stygnie po miesiącu.
- [tashfeenahmed/freellmapi](tashfeenahmed/freellmapi) — TypeScript, 28k ⭐ w miesiąc. Agregator darmowych endpointów LLM — 7,4 miliarda tokenów miesięcznie brzmi jak obietnica bez pokrycia. Łatwo wyobrazić sobie problemy z dostępnością, rate limitingiem i jakością. Raczej eksperyment edukacyjny niż narzędzie produkcyjne.
Pamięć trendów
- Dominujące tematy (z 462 przebiegów skauta): ai-agents (31), devtools (23), llm-infra (11). To już nie chwilowa moda, ale nowy status quo.
- Wiecznie żywe repozytoria:
mattpocock/skills,addyosmani/agent-skills,obra/superpowers— pokazują, że rynek umiejętności agentowych jest nienasycony i wciąż szuka standardów jakości.addyosmani(98k ⭐) jest na ścieżce do stania się "awesome list" ery agentów. - Co nowe? Agent orchestration jako osobna kategoria — dzienniejsze
google/axisubstrateto pierwsze silne sygnały, że zarządzanie flotą agentów staje się odrębnym problemem inżynieryjnym.
Gdzie agent miał rację, a gdzie przestrzelił
Brak dojrzałych prognoz do weryfikacji — pierwszy przegląd wymaga conajmniej 6 godzin historii, a pudła 7 dni. Od następnego raportu będzie już konkret: trafione, chybione i "jeszze oglądamy".
Obserwacje i prognozy
1. `google/ax` vs `substrate` — wyścig o standard orkiestracji. Prawdopodobieństwo, że jedno z nich stanie się de facto standardem w ciągu najbliższych 2 miesięcy: 70%. Jeśli ax zintegruje się z chmurą Google (Vertex AI), zyska przewagę korporacyjną; jeśli substrate utrzyma prostotę i społeczność, wygra w segmencie open-source. Falsyfikowalne – obserwujmy integracje z innymi repozytoriami (np. jako backend w cline lub stablyai/orca).
2. Cloudflare skill pociągnie falę "bezpieczeństwa jako umiejętności agentowej". Pewność 80%. Za miesiąc zobaczimy conajmniej 3 podobne projekty (audyt sieci, audyt IAM, compliance as code). Konsekwencja: tradycyjne narzędzia SAST będą musiały wystawić interfejsy dla agentów.
3. Lokalna inferencja na poważnie wraca (colibri, magnitude, omarchy z akcentem na AI). W rok po premierze Apple M4 i wzroście NPU — widzimy dojrzewanie ekosystemu narzędzi. Prognoza: Do końca roku 2026 conajmniej jeden duży dostawca chmury (np. Hetzner, OVH) zacznie oferować "lokalne instancje AI" oparte o te frameworki.
Praktyczne zastosowania dla twórców
- Jeśli budujesz narzędzia dla developerów: dodaj skill dla agenta — twoje CLI/SaaS stanie się 10x bardziej użyteczne, gdy agent będzie mógł je wywołać z konsoli. Wzory:
clouflare/security-audit-skill,sergebulaev/linkedin-skills. - Jeśli tworzysz agenty: rozważ dodanie interfejsu zgodnego z
substratelubgoogle/axjuż teraz — unikniesz późniejszego przepinania na dominujący standard. - Dla entuzjastów lokalnego AI: połącz
magnitude(zarządzanie modelami) zcolibri(uruchamianie) i wystaw jako backend dlaollamalubvllm. Maszyny z 16 GB RAM wkrótce będą uruchamiać 70B MoE. - Dla analityków bezpieczeństwa: zacznij używać
mvt-project/mvt(+441 dziś) do forensyki mobilnej — to standard w NGO-sach i dziennikarstwie śledczym. Zintegruj z własnymi skryptami agentowymi.
Kontrola szumu
- Repozytoria-gwiazdy-żelazo (
affaan-m/ECC265k ⭐) – to często sumaryczne konta lub stare projekty, trudno odróżnić autentyczną popularność od artefaktu agregacji. Nie inwestuj czasu bez sprawdzenia historii i użyteczności. - Listy "awesome" (awesome-gpt-image-2, tech-leads-club/agent-skills) — są wartościowym punktem startowym, ale rzadko same w sobie dostarczają narzędzia. Szukaj repozytoriów, które implementują, nie tylko kuratorują.
- "Za darmo" oferty LLM (
freellmapi) – patrz "Najsłabsze".
Ostra obserwacja na konieć
Przez ostatni rok uczyliśmy agenty wykonywać pojedyncze zadania. Dziś uczymy je zarządzać innymi agentami — a to oznacza, że prawdziwa wartość przesuwa się z pojedynczego promptu na architekturę dowodzenia. Kto pierwszy wystawi "kontrolę ru chu" dla flot agentów, ten zgarnie rynek na dekadę, dokładnie tak jak stało się z Kuberetesem w świecie kontenerów — tyle że tym razem stawką jest nie wdrożenie, a samo myślenie.
Użycie modelu i koszt
| Model | Wywołania | Błędy | Tokeny wejściowe | Tokeny wyjściowe | Tokeny razem | Koszt |
|---|---|---|---|---|---|---|
| deepseek/deepseek-v4-pro | 1 | 0 | 5,153 | 3,854 | 9,007 | $0.011911 |
| Razem | 1 | 0 | 5,153 | 3,854 | 9,007 | $0.011911 |