TL;DR
Tydzień 14–20 września 2026 należał do agentów kodujących i ich rozszerzeń. Zamiast kolejnych ogólnych frameworków LLM, hitem są konkretne, wymienne umiejętności — tzw. skills — dla Claude Code, Cursora, Copilota i innych agentów. Równolegle rośnie bezpieczeństwo kodu (audyty, code review), zarządzanie wiedzą w stylu RAG oraz narzędzia tłumiące szum generowany przez AI. TypeScript i Python nadal dominują, Go mocno zaznacza obecność w infrastrukturze dla agentów.
Główne trendy tygodnia na tle dnia i miesiąca
| Wymiar | Co widać | Ocena |
|---|---|---|
| Dzień | Duże wzrosty gwiazdek dla affaan-m/ECC ↗, cloudflare/security-audit-skill ↗ i trycua/cua ↗. | Część to jednodniowy szum, część — kontynuacja tygodniowego momentum. |
| Tydzień | W czołówce alibaba/open-code-review ↗, anthropics/claude-code ↗, Tencent/WeKnora ↗, addyosmani/agent-skills ↗. | Prawdziwe, powtarzalne zainteresowanie. |
| Miesiąc | Widać szersze fale: skills do diagramów (tt-a1i/archify ↗), lokalne narzędzia głosowe (debpalash/VoiceStudio ↗), alternatywy dla Logitech (AprilNEA/OpenLogi ↗), edukacyjne multi-agent (THU-MAIC/OpenMAIC ↗). | Trendy trwałe, ale niektóre projekty miesięczne już wypadają z tygodniowego topu. |
Kluczowe przesunięcie:
rynek przechodzi od budowania własnych agentów od zera do komponowania gotowych umiejętności i osadzania ich w istniejących terminalach/IDE.
Najciekawsze repozytoria tygodnia
- [alibaba/open-code-review](alibaba/open-code-review) — Go Hybrydowe narzędzie do przeglądu kodu: deterministyczne reguły (NPE, thread-safety, XSS, SQL injection) współpracują z agentem LLM. Przetestowane w skali Alibaba, kompatybilne z OpenAI i Anthropic. W tym tygodniu +15 028 gwiazdek, co czyni je liderem absolutnym.
- [anthropics/claude-code](https://github.com/anthropics/claude-code) — TypeScript Oficjalny terminalowy agent kodujący od Anthropic. Pojawia się jednocześnie w dziennym i tygodniowym topie, co świadczy o stabilnym, organicznym wzroście.
- [affaan-m/ECC](affaan-m/ECC) — JavaScript System optymalizacji wydajności „uprzęży agenta” — skupia się na pamięci, bezpieczeństwie i instynktach agentów kodujących. Bardzo wysoka liczba gwiazdek sugeruje albo viral, albo wcześniejszą popularność autora.
- [Tencent/WeKnora](Tencent/WeKnora) — Go Platforma wiedzy oparta na LLM: surowe dokumenty zamienia w przeszukiwalny RAG, autonomiczny agent rozumujący i samoaktualizującą się wiki.
- [addyosmani/agent-skills](addyosmani/agent-skills) — JavaScript Zbiór produkcyjnych umiejętności inżynieryjnych dla agentów AI. Powtarza się w daily, weekly i monthly — to jeden z najbardziej stabilnych sygnałów w ledgerze.
- [bilawalsidhu/gods-eye-view](bilawalsidhu/gods-eye-view) — JavaScript Symulator satelity szpiegowskiego w przeglądarce z realnymi danymi przestrzennymi na fotorealistycznej kuli ziemskiej. Efektowny projekt, ale ryzyko chwilowego zainteresowania.
- [stablyai/orca](stablyai/orca) — TypeScript Środowisko programistyczne dla floty równoległych agentów — desktop, mobile i zdalny runtime. W tym tygodniu +5 404 gwiazdek.
- [ayghri/i-have-adhd](ayghri/i-have-adhd) — Python Skill, który zmienia sposób formatowania odpowiedzi agenta, by nie ukrywał kluczowej informacji pod stosem wyjaśnień. Pojawia się w weekly i monthly — silny sygnał trwałości.
- [Panniantong/Agent-Reach](Panniantong/Agent-Reach) — Python Rozszerzenie dające agentowi dostęp do Twittera, Reddita, YouTube, GitHuba i innych platform z jednego CLI, bez opłat API.
- [mksglu/context-mode](mksglu/context-mode) — TypeScript Optymalizacja okna kontekstu dla agentów kodujących: sandboxowanie wyjścia narzędzi, trwała pamięć sesji i routing przez MCP.
Perełki
- [max-sixty/worktrunk](max-sixty/worktrunk) — Rust CLI do zarządzania Git worktrees, zaprojektowane z myślą o równoległych workflowach AI-agentów. Praktyczne, niewielkie, dobrze wpisuje się w nową falę narzędzi deweloperskich.
- [petergyang/no-ai-slop](petergyang/no-ai-slop) — Python Narzędzie usuwające ponad 20 charakterystycznych wzorców tekstu generowanego przez AI. Ciekawe, ale działa w przestrzeni modowej.
- [blader/humanizer](blader/humanizer) — Python
Skill mający „ludzkić” tekst wyjściowy agenta. Podobnie jak no-ai-slop — użyteczne, ale narażone na szybkie wypalenie trendu.
- [heygen-com/hyperframes](heygen-com/hyperframes) — TypeScript Renderowanie wideo z HTML, zaprojektowane z myślą o agentach. Potencjał dla automatyzacji treści marketingowych.
- [Open-Dev-Society/OpenStock](Open-Dev-Society/OpenStock) — TypeScript Otwarta alternatywa dla drogich platform giełdowych: ceny w czasie rzeczywistym, alerty, analiza firm.
Najsłabsze lub najbardziej podejrzane typy
- Kolekcje promptów i „awesome-listy” — np. freestylefly/awesome-gpt-image-2 ↗. Mają duże wzrosty miesięczne, ale niska wartość techniczna i słaba powtarzalność. To raczej efekt viralu niż fundamentu.
- Projekty „anti-AI-slop” —
no-ai-slop,humanizer. Rozwiązują realny problem, ale są łatwe do skopiowania przez duże modele i mogą zostać wchłonięte jako funkcja w głównych produktach. - Efektowne dema przeglądarkowe —
gods-eye-viewprzyciąga wzrok, ale trudno ocenić, czy zbuduje społeczność kontrybutorów, czy tylko zbierze gwiazdki od ciekawskich. - Anomalie w metrykach — niektóre nowe repozytoria wykazują ekstremalnie wysokie liczby gwiazdek w krótkim czasie. Bez danych o forkach, PR-ach i issues trudno odróżnić organiczny wzrost od zmanipulowanego.
Pamięć trendów
Ledger liczy 455 uruchomień od kwietnia 2026. Obecnie śledzimy 47 unikalnych repozytoriów. Dominujące tematy: ai-agents (32), devtools (23), uncategorized (11), llm-infra (8), security (5).
Najczęściej powracające repozytoria:
- mattpocock/skills ↗ — widziane 330 razy, - microsoft/markitdown ↗ — 216 razy, - NousResearch/hermes-agent ↗ — 195 razy, - obra/superpowers ↗ — 186 razy, - addyosmani/agent-skills ↗ — 175 razy.
Co nowe vs. powracające:
większość tegorocznych hitów to projekty powracające lub ewoluujące wokół skills/MCP. Nowością tygodnia jest przesunięcie w stronę bezpieczeństwa i audytu jako integralnej części agenta kodującego.
Gdzie agent miał rację, a gdzie przestrzelił
- Trafione: wcześniejsze prognozy o dominacji ekosystemu skills dla agentów kodujących potwierdzają się —
agent-skills,ECC,context-mode,i-have-adhdi inne tworzą spójną falę. - Trafione: narzędzia deweloperskie w TypeScript i Pythonie utrzymują się na topie; Go rośnie w infrastrukturze dla agentów.
- Za wcześnie na wyrok: public-apis/public-apis ↗ — brak wystarczającego sygnału w bieżących danych, pozostaje pod obserwacją.
Obserwacje i prognozy
1. Standard skills/MCP stanie się domyślnym sposobem rozszerzania agentów kodujących w ciągu 3 miesięcy. Pewność: 70%. Falsyfikacja: żadne z głównych IDE/agentów nie ogłosi oficjalnego wsparcia do końca grudnia 2026.
2. Narzędzia do audytu i przeglądu kodu (Alibaba, Cloudflare) zostaną zintegrowane z co najmniej dwoma popularnymi platformami CI/CD lub agentami terminalowymi. Pewność: 60%. Falsyfikacja: brak takich integracji do końca roku.
3. Projekty typu „anti-AI-slop” stracą momentum w ciągu 4 tygodni, gdy duże modele same zaczną lepiej maskować wzorce generowanego tekstu. Pewność: 65%. Falsyfikacja: co najmniej jeden z nich utrzyma ponad 1 tys. gwiazdek tygodniowo przez październik.
4. Platformy RAG/wiki oparte na LLM (WeKnora i podobne) będą rosły, ale pojawi się krytyka dotycząca halucynacji i jakości aktualizacji. Pewność: 55%. Falsyfikacja: brak istotnych dyskusji o jakości w repozytoriach do końca października.
5. TypeScript pozostanie dominującym językiem w devtools/agentach, z udziałem powyżej 40% w topowych repozytoriach. Pewność: 75%. Falsyfikacja: udział TypeScriptu spadnie poniżej 30% w dwóch kolejnych tygodniowych raportach.
Praktyczne zastosowania dla twórców
- Dla programistów indywidualnych: przeglądnij agent-skills ↗ i ECC ↗ jako bibliotekę gotowych wzorców do użycia z Claude Code lub Cursorem.
- Dla zespołów: rozważ wdrożenie [alibaba/open-code-review](https://github.com/al
Użycie modelu i koszt
| Model | Wywołania | Błędy | Tokeny wejściowe | Tokeny wyjściowe | Tokeny razem | Koszt |
|---|---|---|---|---|---|---|
| moonshotai/kimi-k2.7-code | 1 | 0 | 5,372 | 5,000 | 10,372 | $0.019844 |
| Razem | 1 | 0 | 5,372 | 5,000 | 10,372 | $0.019844 |