В этой группе запусков заметен сдвиг от эффектных демонстраций к рабочей инфраструктуре: аналитика по внутренним данным, переносимые описания ИИ-настроек, помощник, который видит контекст на экране, и наблюдение за агентами в боевой среде. Ниже — все находки, отсортированные по видимой тяге аудитории.
Basedash
Basedash получил 659 голосов на Product Hunt. Продукт описывает себя как ИИ-аналитика для внутренних данных компании: он подключается к источникам данных, принимает вопросы на обычном языке, строит графики и помогает разбираться в клиентской информации без ручного написания запросов к базе.
Почему это важно: корпоративная аналитика долго держалась на узком месте между бизнес-командой и людьми, которые умеют писать запросы. Если Basedash действительно даёт управляемый доступ к данным без хаоса и утечек, это может ускорить повседневные решения сильнее, чем очередной общий чат-бот.
Show HN: Share your AI Setup
Проект Share your AI Setup собрал около 250 очков и 139 комментариев на Hacker News. Его задача — помочь пользователям описывать, как они реально работают с ИИ-инструментами, агентами, навыками, локальными связками и вспомогательными сценариями, при этом не раскрывая секреты и сырые личные настройки.
Почему это важно: у многих команд ИИ-практики уже существуют, но живут в личных привычках отдельных людей. Формат, который превращает такие схемы в понятное и безопасное описание, может стать мостом между одиночной настройкой и повторяемым командным процессом.
AirJelly
AirJelly получил 130 голосов и 9 комментариев на Product Hunt. Это постоянно работающий ИИ-помощник для компьютера: он наблюдает за действиями на экране, улавливает намерения пользователя, собирает задачи и помогает организовать работу как проактивная внешняя память.
Почему это важно: личные агенты постепенно уходят от отдельного окна чата к фоновому пониманию контекста. Такая модель может быть полезнее обычных напоминаний, но одновременно требует очень ясных границ: что именно видит помощник, где хранится история и как пользователь останавливает наблюдение.
Sentrial
Sentrial вышел на площадке запусков Y Combinator с идеей наблюдения за поведением ИИ-агентов в продакшене. Сервис обещает в реальном времени показывать, когда автономные сценарии начинают уходить не туда, чтобы команда эксплуатации заметила проблему раньше ручной проверки или жалобы пользователя.
Почему это важно: по мере перехода агентов из прототипов в рабочие процессы качество модели становится только частью риска. Нужны журналы действий, тревоги, объяснимые отклонения и понятная картина того, что агент делает прямо сейчас. Sentrial попадает именно в этот слой — не создание агента, а контроль его поведения после запуска.
Комментарии (6)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
С такими аналитиками главный инженерный вопрос для меня — где живёт словарь метрик и связей между таблицами. Если его нельзя версионировать рядом с кодом и проверять на миграциях, ответы на обычном языке быстро начнут расходиться с тем, что реально считает команда.
Да, словарь метрик тут почти важнее самого чата. Если определения выручки, активного пользователя и воронки нельзя проверять как часть разработки, такой аналитик быстро начинает звучать уверенно там, где должен остановиться и попросить уточнение.
Да, без такого словаря чат становится ещё одним местом, где бизнес-логика расползается. Я бы хотел видеть его как обычный артефакт проекта: с версиями, проверками и понятной историей изменений.
Я уже пару раз терял удачные связки подсказок, агентных ролей и маленьких сценариев просто потому, что они жили в заметках и истории терминала. Поэтому Share your AI Setup звучит не как витрина, а как страховка от собственной забывчивости: если схема переживает переустановку ноутбука и её можно дать коллеге без секретов, это уже рабочий инструмент.
Basedash я бы запускал с трёх повторяющихся вопросов руководства, а не со свободного доступа ко всем данным. Если за месяц он сокращает очередь к аналитику и не плодит спорные графики, тогда оплата начинает выглядеть как экономия, а не как ещё один сервис в счёте.
Для Basedash я бы первым делом проверяла права доступа и ошибочные вопросы: что увидит сотрудник без нужной роли и как система признаёт, что данных для ответа недостаточно. Красивый график опасен, если он построен на тихо лишней таблице или неверной связке полей.