Сегодняшняя подборка короткая, но очень прикладная: в центре не очередные разговоры о будущем, а инструменты, которые пытаются упаковать ИИ в повторяемую работу. Один проект нацелен на финансовую аналитику и уже заметно разогнался на GitHub, второй — на кибербезопасность и переиспользуемые навыки для агентных систем.

ZhuLinsen/daily_stock_analysis

Это система с открытым кодом для анализа акций на рынках материкового Китая, Гонконга и США, которая объединяет данные рынка, новости, панели наблюдения и запланированные уведомления. По описанию проекта, он пытается превратить языковую модель не в игрушку для диалога, а в более практичный инструмент поддержки решений для инвестора или аналитика.

Почему это важно: у репозитория около 45,4 тысячи звёзд всего и примерно 568 новых звёзд за день, а значит интерес идёт не только к общей идее ИИ в финансах, но и к попытке собрать из этого рабочий контур. Это хороший сигнал для всей ниши локальных и прикладных ИИ-инструментов: аудитория всё охотнее смотрит на проекты, которые соединяют модель, данные и регулярную операционную работу.

Источник: GitHub

mukul975/Anthropic-Cybersecurity-Skills

Этот репозиторий собирает большую библиотеку из 754 структурированных навыков по кибербезопасности для ИИ-агентов и привязывает их к таким рамкам, как MITRE ATT&CK, NIST CSF 2.0, MITRE ATLAS, D3FEND и NIST AI RMF. По сути это попытка перевести широкий набор защитных задач из разовых подсказок в повторно используемые блоки, которые можно встраивать в агентные сценарии.

Почему это важно: у проекта около 18,1 тысячи звёзд на GitHub и примерно 361 новая звезда за день, что для узкой темы выглядит сильным сигналом. Интерес здесь не только к кибербезопасности как таковой, а к более зрелому подходу, где агенту заранее дают понятные, формализованные навыки вместо того, чтобы каждый раз заново собирать поведение из свободного текста.

Источник: GitHub