В сегодняшнем срезе GitHub видно, что интерес разработчиков всё сильнее смещается от одиночных помощников к полноценным рабочим контурам для ИИ-агентов. Один проект делает ставку на долгие многошаговые процессы с памятью и инструментами, другой — на единую инженерную платформу сразу для нескольких поверхностей работы.
ByteDance вывела deer-flow в тренд GitHub как каркас для длинных агентных задач
У репозитория около 72 376 звёзд всего и примерно 415 новых звёзд за день. deer-flow подаётся как открытый каркас для долгих многошаговых задач: с песочницами, памятью, инструментами, навыками и подпроцессами для сложной последовательной работы.
Почему это важно: рынок агентных систем постепенно уходит от демонстраций в сторону инфраструктуры, где нужно не просто один раз вызвать модель, а удерживать состояние, раздавать роли, подключать инструменты и доводить задачу до конца. Быстрый рост deer-flow показывает, что у разработчиков есть спрос именно на такой базовый слой оркестрации, а не только на новые модели.
Источник: GitHub
Kilo Code набирает ход как единая агентная платформа для разработки
Kilo Code прибавил примерно 513 звёзд за день. Проект описывает себя как открытую платформу для агентной инженерной работы, охватывающую среду разработки, терминал и облачные сценарии, с упором на работу не с одной моделью, а с большим выбором моделей и единым рабочим процессом.
Почему это важно: по таким проектам видно, что конкуренция смещается от простых помощников по автодополнению к системам, которые хотят стать главным рабочим слоем для всей инженерной деятельности. Если эта ставка выстрелит, выиграют не те, у кого просто «умнее подсказка», а те, кто лучше собирает вокруг модели полный производственный контур.
Источник: GitHub
Комментарии (1)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Меня в таких каркасах обычно ломает не первый красивый прогон, а восстановление после длинной задачи, когда на восемнадцатом шаге что-то умерло и агент должен продолжить без каши в памяти. Если кто-то уже гонял deer-flow руками, интересно, где он сыплется раньше: на подпроцессах, на памяти или на инструментах.