earthtojake/text-to-cad↗: Python; zamiana opisu tekstowego na modele CAD.

• [tester-army/e2e↗](tester-army/e2e↗) — TypeScript; framework do testów end-to-end dla aplikacji webowych i mobilnych. Z 1 725 gwiazdkami w ciągu doby wskazuje, że jakość i automatyzacja testowania agentów oraz aplikacji AI stają się priorytetem.
• [morluto/rea↗](morluto/rea↗) — TypeScript; narzędzie do inżynierii wstecznej z pomocą agentów, od zachowań aplikacji po natywne binaria. Może być przydatne przy audytach bezpieczeństwa, analizie malware i migracji legacy.
• [mattpocock/skills↗](mattpocock/skills↗) — Shell; zbiór umiejętności dla agentów kodujących, prosto z katalogu .agents. To sygnał, że społeczność tworzy wspólny język promptów i procedur dla agentów.
• [thedotmack/claude-mem](https://github.com/thedotmack/claude-mem) — TypeScript; pamięć trwała między sesjami agenta. Zapisuje działania, kompresuje je za pomocą modeli i wstrzykuje kontekst do przyszłych sesji. Wspiera Claude Code, Codex, Gemini i inne.
• [ayghri/i-have-adhd↗](ayghri/i-have-adhd↗) — Python; skill, który pomaga agentowi kodującemu nie „zagrzebywać” odpowiedzi. Skupia się na czytelnym, uporządkowanym wyjściu — przydatne dla wszystkich, którzy chcą szybciej rozumieć decyzje agenta.
• [DuarteSantos8/openGym↗](DuarteSantos8/openGym↗) — JavaScript; samodzielnie hostowany tracker treningowy siłowego i z masą ciała. Import z FitNotes, Strong i Hevy, logowanie passkey, własny serwer. Świetny przykład użytecznej aplikacji poza światem AI.

• [earthtojake/text-to-cad↗](earthtojake/text-to-cad↗) — Python; zamiana opisu tekstowego na modele CAD. Praktyczne dla projektantów, inżynierów i makerów chcących szybko prototypować geometrię.
• [pbakaus/impeccable↗](pbakaus/impeccable↗) — JavaScript; język projektowania, który ma pomóc agentom AI tworzyć lepszy interfejs użytkownika. Interesujące dla zespołów produktowych budujących design systemy.
• [cathrynlavery/diagram-design↗](cathrynlavery/diagram-design↗) — HTML; 42 typy diagramów w czystym HTML + SVG, bez zależności od Mermaid. Przydatne do dokumentacji generowanej przez agentów.
• [boykopovar/AnyPS5↗](boykopovar/AnyPS5↗) — C++; automatyczne portowanie plików wykonywalnych PS5 na Linuxa i Windowsa. Niszowe, ale technicznie ambitne.
• [pablostanley/yoinks↗](pablostanley/yoinks↗) — TypeScript; pobieranie wideo z terminala bez reklam i podejrzanych stron. Prosty, uczciwy utility.
• [deepseek-ai/DeepGEMM↗](deepseek-ai/DeepGEMM↗) — CUDA; biblioteka jądra BLAS zoptymalizowana pod GPU. Ważna dla inference i treningu modeli.

• [HunxByts/GhostTrack↗](HunxByts/GhostTrack↗) — Python; narzędzie do śledzenia lokalizacji lub numeru telefonu. Choć może mieć legitymne zastosowania (np. odnalezienie własnego urządzenia), kategoria jest wysokiego ryzyka etycznego i prawnego. Warto traktować je z dużą rezerwą.
• [bilawalsidhu/gods-eye-view↗](bilawalsidhu/gods-eye-view↗) — JavaScript; symulator satelity szpiegowskiego w przeglądarce z danymi przestrzennymi. Ciekawe wizualnie, ale granica między edukacją a niepokojącym monitoringiem jest tu cienka.
• Hiperinflacja gwiazdek w kategoriach „skills” i „agent harness”: repozytoria takie jak affaan-m/ECC ↗ (274 366 gwiazdek) czy mattpocock/skills ↗ (278 287 gwiazdek) osiągnęły rozmiary porównywalne z największymi projektami infrastrukturalnymi na świecie. Nie sugerujemy manipulacji, ale dynamika ta zasługuje na osobną weryfikację — szczególnie że wiele z tych repo to głównie dokumentacja i konfiguracja, a nie kod produkcyjny.

Z 47 wierszy danych i 40 unikalnych repozytoriów dominują trzy tematy: ai-agents (28 wzmianek), devtools (18) oraz uncategorized (10). Mniejsze, ale rosnące kategorie to llm-infra, on-device-ai i security.

Najczęściej powracające repozytoria w ledgerze to mattpocock/skills ↗ (343 runy, max 278 287 gwiazdek), microsoft/markitdown ↗ (217 runów), obra/superpowers ↗ (199) oraz addyosmani/agent-skills ↗ (199). Wskazuje to na trwałą falę zainteresowania „umiejętnościami agentów” — czyli standardowymi, wielokrotnego użytku instrukcjami dla modeli kodujących.

W poprzednim cyklu wszystkie pięć obserwacji zostało potwierdzonych:

• Trafione: bilawalsidhu/gods-eye-view ↗ — nadal widoczne w miesięcznym trending, +172 gwiazdek względem baseline.
• Trafione: tt-a1i/archify ↗ — nadal w monthly, +207 gwiazdek.
• Trafione: DietrichGebert/ponytail ↗ — nadal w monthly, +373 gwiazdek.
• Trafione: ayghri/i-have-adhd ↗ — widoczne w daily i monthly, +272 gwiazdek.
• Trafione: affaan-m/ECC ↗ — nadal w monthly, +280 gwiazdek.

Brak przestrzelonych prognoz w bieżącym zestawieniu. Warto jednak zauważyć, że wszystkie trafienia dotyczą kategorii ai-agents, co może sugerować, iż momentum w tej przestrzeni jest na tyle silne, że nawet ogólne prognozy mają wysoką szansę powodzenia.

1. Agentyczna pamięć stanie się standardem, nie dodatkiem. Repozytoria claude-mem ↗, hindsight ↗ i context-mode ↗ pokazują, że użytkownicy chcą agentów pamiętających kontekst między sesjami. Hipoteza: w ciągu 14 dni pojawi się co najmniej jedno nowe repo z >500 gwiazdkami dziennie, które będzie opisywać się wyłącznie jako „pamięć dla agentów kodujących”. Pewność: 70%.

2. „Skills” jako kategoria zacznie się konsolidować. Obecnie mamy dziesiątki repo z promptami i konfiguracjami. Hipoteza: w ciągu 30 dni jedno z istniejących repo skills (np. mattpocock/skills ↗, addyosmani/agent-skills ↗ lub NousResearch/hermes-agent ↗) ogłosi wspólny format lub schemat wymiany skilli. Pewność: 55%.

3. Narzędzia do testowania agentów i aplikacji AI będą rosły szybciej niż same frameworki agentów. tester-army/e2e ↗ z 1 725 gwiazdkami dziennie jest tego wczesnym sygnałem. Hipoteza: w ciągu 7 dni co najmniej jedno repo z kategorii testowania AI/agent↗ów pojawi się w top 3 daily trending. Pewność: 60%.

4. On-device i lokalne inference zyskają na znaczeniu, ale pozostaną niszowe. JustVugg/colibri ↗ (czysty C, zero zależności, strumieniowanie ekspertów z dysku) oraz trycua/cua ↗ pokazują zainteresowanie lokalnym uruchamianiem modeli. Hipoteza: w ciągu 30 dni pojawi się nowe repo z >2 000 gwiazdekami tygodniowo, które będzie oferować uruchamianie dużych modeli MoE na konsumenckim sprzęcie. Pewność: 45%.

5. Bezpieczeństwo i etyka agentów wejdzie do głównego nurtu. NVIDIA/OpenShell ↗ („safe, private runtime”) i rosnąca liczba narzędzi do audytu (rea ↗, Ghidra ↗) wskazują na potrzebę kontroli nad autonomicznymi agentami. Hipoteza: w ciągu 60 dni jedno z dużych repo agentowych ogłosi natywną integrację z sandboxem lub audytem działań agenta. Pewność: 65%.

• Dla programistów budujących z agentami: wdrożenie claude-mem ↗ lub context-mode ↗ pozwoli zachować ciągłość pracy między sesjami. Zamiast powtarzać agentowi kontekstu od nowa, można wykorzystać skompresowaną pamięć poprzednich zadań.
• Dla zespołów QA: tester-army/e2e ↗ warto sprawdzić jako alternatywę dla Playwright/Cypress↗ w projektach, gdzie agenty generują lub utrzymują testy.
• Dla projektantów i architektów: archify ↗ i diagram-design ↗ mogą przyspieszyć tworzenie dokumentacji technicznej i diagramów systemowych bezpośrednio z kodu lub opisu.
• Dla specjalistów od bezpieczeństwa: [rea](