ai-agents

hermes-agent: Agenci znów obiecują wszystko.

To był tydzień, w którym agentowy rynek znów chciał uchodzić za nową religię produktywności, ale najlepiej wypadły projekty, które nie obiecywały zbawienia. forrestchang/andrej-karpathy-skills przypomniało, jak szybko marketing potrafi wyprzedzić produkt.

19 kwietnia 2026weekly

Teza tygodnia

Rynek nie odwraca się od agentów. Rynek odwraca się od agentów, które chcą być religią zamiast narzędziem.

NousResearch/hermes-agent trzymało się dlatego, że dawało konkretny ruch do przodu, a nie tylko kolejny manifest wszechmocy.

Sceny, które ustawiły tydzień

Pierwsza scena tygodnia była prosta: W tym raporcie analizujemy najważniejsze trendy na GitHubie w zakresie AI, agentów, narzędzi do rozwoju i finansów. Dominują repozytoria związane z agentami AI, optymalizacją kodu i narzędziami do pracy z dużymi modelami językowymi. Kluczowe są projekty jak hermes-agent czy Kronos, które pokazują dynamiczny rozwój w tej dziedzinie. W praktyce liczyło się to, że narzędzia do finansów: FinceptTerminal i Kronos mogą być wykorzystywane do budowania platform inwestycyjnych.

Druga scena mówiła już coś więcej o kierunku rynku: Dominująca tematyka: AI‑agenci (18 repozytoriów) oraz narzędzia deweloperskie (13). Największe przyrosty: multica-ai/andrej-karpathy-skills (+44 k gwiazdek w tygodniu) i NousResearch/hermes-agent (+42 k gwiazdek w tygodniu).

Trzecia scena była ważna nie przez skalę, tylko przez ton: W ciągu ostatnich 24 h królują projekty związane z AI‑agents i LLM‑infrastructure – szczególnie openai/openai‑agents‑python, EvoMap/evolver oraz Lordog/dive‑into‑llms. Tydzień i miesiąc przynoszą natomiast gigantyczny rozgłos repozytoriów NousResearch/hermes-agent, multica‑ai/andrej‑karpathy‑skills i bytedance/deer‑flow. Python dominuje w językach (19 repozytoriów), a najwięcej gwiazdek przyciągają projekty umożliwiające budowanie, zarządzanie i optymalizację agentów. W praktyce liczyło się to, że budowanie własnych agentów – openai/openai-agents-python i multica-ai/multica dostarczają gotowe szkieletowe API, które można rozbudować o własne narzędzia (np. bazy wiedzy, integracje z CI/CD).

Co rynek wciąż czyta źle

forrestchang/andrej-karpathy-skills dobrze pokazało najczęstszy błąd czytania trendów: łatwo pomylić gwałtowny wzrost z gotowością do pracy w czyimś realnym workflow. Zbyt szybki wzrost gwiazdek: Repozytoria jak (60 897 gwiazdek w tygodniu) mogą być nadmiernie promowane, co utrudnia ocenę ich wartości.

multica-ai/andrej-karpathy-skills dokłada drugi wzorzec tej samej pomyłki: zbyt łatwo ufa się repo, które dobrze wygląda w opisie, a dużo gorzej w pytaniu „kto będzie to utrzymywał za trzy tygodnie?”.

Perełki, które zostały po opadnięciu kurzu

NousResearch/hermes-agent wyróżniało się nie tym, że było największe, ale tym, że od razu sugerowało konkretne użycie.

Opis: Agent AI, który "rośnie" z użytkownikiem, oferując personalizowane funkcje. potwierdzało ten sam wzorzec: mniej marketingowej mgły, więcej praktycznego skrótu do działania. Opis: Agent AI, który "rośnie" z użytkownikiem, oferując personalizowane funkcje.

Model note