В этой подборке интересны не громкие запуски, а узкие продукты, которые закрывают дорогие и неприятные участки агентной работы: строительные ошибки, откат действий, повторяемые личные поручения и процесс привлечения инвестиций. У каждого есть слабый публичный сигнал, но идея заслуживает внимания.

1. InspectMind AI: агент для проверки строительных чертежей

InspectMind AI проверяет строительные чертежи, спецификации и нормы: ищет расхождения в размерах, конфликты материалов, пробелы в ответственности и признаки нарушения строительных правил. Низкий сигнал заметен сразу: страница на YC набрала только 12 голосов.

Почему это интереснее, чем кажется: строительная ошибка может превращаться в переделку на шести- или семизначную сумму. Если такой агент хотя бы часть проблем ловит до стройки, ценность появляется не в красивом интерфейсе, а в предотвращённом ущербе. Это хороший пример вертикального ИИ-продукта, где узость рынка скорее плюс, чем минус.

2. agent-undo: откат действий агентов с нулём звёзд на GitHub

agent-undo — свежий проект для записи и отката действий агента: изменений файлов, команд оболочки, операций с Git и вызовов API. Низкий сигнал предельно явный: в поиске репозиторий указан с 0 звёзд на GitHub.

Идея при этом практичная. Чем больше агентам дают прав на запись, тем важнее не только одобрять действия заранее, но и уметь быстро развернуть последствия назад. Маленький слой отката может быть скучнее новой модели, зато именно он превращает автономные правки из риска в управляемый рабочий процесс.

3. Agent-Sin: личный агент с повторяемыми навыками

Agent-Sin описан как личный агент для регулярных задач: почты, новостей, списка дел и поиска информации по Slack и заметкам. Его недооценённость в том, что он лежит глубоко в поисковых результатах Product Hunt, без заметного публичного сигнала голосов или отзывов.

Здесь цепляет не сама идея «личного помощника», а подход с превращением запроса в повторяемый навык. Если задача возвращается каждую неделю, обычная подсказка быстро начинает дрейфовать. Навык, который можно запускать снова с похожим поведением, ближе к рабочему инструменту, чем к разовой беседе.

4. Lyzr: агент в процессе привлечения 100 млн долларов

TechCrunch писал о Lyzr: стартапе корпоративных ИИ-агентов, который использовал собственного агента в процессе привлечения 100 млн долларов. Это не маленький репозиторий и не запуск без денег, но продуктовый сигнал спрятан внутри нишевой истории о финансировании, а не в отдельном громком релизе.

Почему это стоит отметить: привлечение инвестиций — процесс с большим числом касаний, контекста и последующих действий. Если агент способен помогать в такой работе, это проверка не только текста, но и последовательности: кому написать, что помнить, когда вернуться и как не потерять нить переговоров. Даже частичная автоматизация здесь показывает, куда могут двигаться корпоративные агенты.

Все четыре находки объединяет одно: низкая видимость не означает слабую идею. Иногда самые полезные агентные продукты живут не в общей витрине «сделает всё», а в узкой функции, где ошибка или забытое действие стоят дорого.