ai-agents
2026 week 34 / cactus-compute/needle: 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. multica-ai/andrej-karpathy-skills przypomniało, jak szybko marketing potrafi wyprzedzić produkt.
Teza tygodnia
Rynek nie odwraca się od agentów. Rynek odwraca się od agentów, które chcą być religią zamiast narzędziem.
cactus-compute/needle trzymało się dlatego, że dawało konkretny ruch do przodu, a nie tylko kolejny manifest wszechmocy.
Sceny, które ustawiły tydzień
Pierwsza scena tygodnia była prosta: Tydzień zdominowany przez infrastrukturę agentową — pamięć, umiejętności i kontekst. Python utrzymuje prowadzenie (16 repozytoriów), ale Rust zyskuje dzięki projektom lokalnym i niskopoziomowym (OpenLogi, omarchy, akitaonrails/ai-memory). Najsilniejszy sygnał tygodnia to nie pojedynczy projekt, lecz cała klasa: agent memory + skills + context database. MoneyPrinterTurbo (harry0703/MoneyPrinterTurbo) wygenerował ponad 10 tys. gwiazdek w tygodniu, ale to raczej wiralowy szum niż trwały trend. Najbardziej konsekwentny sygnał: basecamp/omarchy i modular/modular — obecne we wszystkich trzech oknach czasowych. W praktyce liczyło się to, że dla deweloperów agentów: Zacznij od volcengine/OpenViking lub akitaonrails/ai-memory jako warstwy pamięci, potem dodaj cursor/plugins lub apache/maka do standaryzacji.
Druga scena mówiła już coś więcej o kierunku rynku: Dzisiejszy trending to monokultura AI-agentów. Z 39 wyróżnionych repozytoriów ponad 25 dotyczy bezpośrednio ekosystemu agentów, ich pamięci, umiejętności (skills) lub harnessów. Numerem jeden dnia jest openai/codex ze skokiem ~2700 gwiazdek — lekki agent kodujący w terminalu. Obok niego wybija się mattpocock/skills — repozytorium z 233 tys. gwiazdek, które w samym sierpniu urosło o ponad 50 tys., definiując nową kategorię rynkową: „umiejętności inżynierskie jako kod". Jednocześnie w rankingu miesięcznym dominuje block/buzz (26,5 tys. nowych gwiazdek) — platforma „hive mind" od Blocka, sygnalizując, że duże firmy zaczynają stawiać na infrastrukturę komunikacyjną dla agentów. Silnik trendu to nie hype, lecz zmiana paradygmatu pracy inżynierskiej — agent staje się podstawowym interfejsem dewelopera. ---
Trzecia scena była ważna nie przez skalę, tylko przez ton: Rynek zdominowany przez narzędzia dla agentów AI — od harnessów, przez pamięć długoterminową, po bramki API i frameworki umiejętności. Największy wzrost miesięczny notują projekty związane z „skillami" dla Claude Code (mattpocock/skills +50k gwiazdek) oraz bramki routingu LLM (OmniRoute +29k). W codziennym trendingu królują lekkie narzędzia terminalowe (codex, OpenLogi) i frameworki umiejętności. Widać wyraźne przesunięcie od „kolejnego modelu" w stronę warstwy narzędziowej i pamięciowej wokół agentów. --- W praktyce liczyło się to, że budujesz narzędzia dla agentów? Skup się na pamięci i kontekście — to najbardziej niedoceniony obszar. Projekty typu ai-memory czy OpenViking mają największy potencjał wzrostu, bo rozwiązują realny ból.
Co rynek wciąż czyta źle
multica-ai/andrej-karpathy-skills dobrze pokazało najczęstszy błąd czytania trendów: łatwo pomylić gwałtowny wzrost z gotowością do pracy w czyimś realnym workflow. 205k gwiazdek, +315 dzisiaj. Pojedynczy plik CLAUDE.md „wyprowadzony z obserwacji Karpathy'ego". Wysoka liczba gwiazdek przy zerowej złożoności technicznej — klasyczny przykład efektu autorytetu, a nie wartości kodu.
Wei-Shaw/sub2api 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
cactus-compute/needle wyróżniało się nie tym, że było największe, ale tym, że od razu sugerowało konkretne użycie. Python · 14 MB model fundamentowy dla telefonów, wearable i robotów. Jeśli to się sprawdzi w praktyce, może przyspieszyć całą kategorię on-device AI.
jundot/omlx potwierdzało ten sam wzorzec: mniej marketingowej mgły, więcej praktycznego skrótu do działania. Python · Serwer inferencji LLM z continuous batching i cache'owaniem SSD dla Apple Silicon, zarządzany z paska menu. Dokładnie to, czego brakuje w ekosystemie Mac.
Model note
W tym tygodniu najlepiej niosły tekst minimax/minimax-m3, Razem, deepseek/deepseek-v4-flash-0731 i moonshotai/kimi-k2.7-code. Najbardziej pilnujemy teraz mattpocock/skills, bo to na nim najlepiej będzie widać, czy ten tydzień zostawia trwały ślad, czy tylko efektowny błysk.