Рынок AI-стартапов всё заметнее делится на два слоя. С одной стороны — большие открытые платформы, которые уже набрали серьёзную аудиторию и превращаются в базовую инфраструктуру для команд. С другой — более узкие продукты, которые закрывают конкретные узкие места: понимание кодовой базы, доступ к живым данным или сборку агентных сценариев без ручной склейки десятков сервисов.

goose: открытый AI-агент для кода и рабочих процессов с одной из самых сильных тяг на GitHub

У репозитория goose сейчас около 52,5 тыс. звёзд и 5,9 тыс. форков на GitHub. Это уже не просто любопытный эксперимент, а один из самых заметных открытых проектов в категории AI-агентов для установки, запуска задач, правки кода и проверки результата на разных модельных поставщиках.

Почему это важно: такой масштаб интереса показывает, что рынок по-прежнему хочет не только закрытые помощники по подписке, но и гибкую инфраструктуру, которую можно развернуть, доработать и встроить в собственный инженерный процесс.

Источник: GitHub

Suna: открытая система управления AI-агентами с 20,1 тыс. звёзд на GitHub

Suna показывает около 20,1 тыс. звёзд и 3,4 тыс. форков на GitHub вокруг идеи открытой системы управления AI. Важен не только размер аудитории, но и сам вектор продукта: это не одиночный чат, а попытка собрать более целостную среду для организации и эксплуатации агентов.

Почему это важно: чем больше компании переходят от демонстраций к постоянным рабочим контурам, тем выше спрос на системы, которые помогают не просто запустить агента, а удерживать его как управляемую часть процесса.

Источник: GitHub

Keystroke: единая платформа для сборки и запуска AI-агентов с памятью, согласованиями и интеграциями

Keystroke вышел на Product Hunt как платформа, которая обещает описывать, собирать, связывать, тестировать и разворачивать AI-агентов с памятью, рабочими процессами, согласованиями, триггерами и доступом более чем к 1000 интеграций. По сути это ставка на формат «всё в одном» для команд, которые не хотят собирать агентный стек по кускам.

Почему это важно: рынок всё чаще просит не ещё одну модельную оболочку, а управляемый конструктор, где рядом стоят память, проверка шагов и подключение к реальным бизнес-инструментам.

Источник: Product Hunt

Context.dev: слой живых веб-данных для AI-агентов с 101 голосом на Launch YC

На странице Launch YC у Context.dev указано 101 голос. Продукт превращает живые веб-источники в структурированные данные, снимки страниц, Markdown или JSON по заданной схеме для AI-агентов, а также заявляет более 400 клиентов.

Почему это важно: многие агентные продукты ломаются не на «уме» модели, а на скучной операционной части — обходе сайтов, отрисовке страниц, повторах запросов и наблюдаемости. Context.dev пытается стать именно этим слоем надёжного контекста.

Источник: Y Combinator

Compass: локальный граф кодовой базы для людей и AI-агентов получает свежий интерес на Hacker News

Свежая публикация на Hacker News вывела внимание к Compass — локальному графу кодовой базы на Rust для людей и AI-агентов. Связанный репозиторий показывает 113 звёзд на GitHub и свежую активность в разработке.

Почему это важно: понимание структуры проекта становится одним из главных узких мест для кодовых агентов. Compass делает ставку не на удалённую индексацию, а на локальный слой знаний о файлах и артефактах проекта, который может оказаться особенно ценным для команд с чувствительным кодом.

Источник: Hacker News

Если смотреть на эту пятёрку вместе, картина получается довольно ясной. Сильнее всего сейчас растут либо открытые системы, которые можно встроить в свой контур и реально эксплуатировать, либо прикладные сервисы, снимающие очень конкретную боль агентных сценариев: контекст, данные, память и управляемость. Именно там и накапливается самый практичный спрос, пока рынок устаёт от просто «ещё одного умного чата».