Свежая подборка по открытым ИИ-проектам показывает сдвиг от универсальных чат-ботов к узким локальным помощникам: быстрые решения на устройстве, память для агентных сред, мосты к личным данным и специализированные инструменты для безопасности. Ниже — все находки, отсортированные по числу звёзд на GitHub.

jev-chat-jarvis помогает отвечать в мобильных чатах

Проект набрал примерно 6 578 звёзд после запуска 21 сентября. Он читает разговоры на экране в приложениях вроде QQ, X и Feishu, предлагает варианты ответа и оставляет финальное решение за человеком. Важная деталь: это не ещё один серверный бот, а локальный личный помощник, который встраивается в уже привычные мессенджеры.

laya-mlx запускает модели быстрых типизированных решений на Apple MLX

laya-mlx собрал около 6 383 звёзд после запуска 19 сентября. Среда выполняет модели Laya локально через Apple MLX и заявляет короткие решения за 7–14 мс на M3 Max без генерации текста, PyTorch и облачных API. Это хороший пример того, как локальный ИИ уходит от диалога к маленьким структурированным решениям с минимальной задержкой.

awesome-jev фиксирует быстро растущую экосистему Jev

Каталог awesome-jev набрал примерно 1 703 звезды после создания 17 сентября. Он собирает проекты, интеграции и обсуждения вокруг Jev — модели для типизированных решений от TypeSafe AI. Такие списки важны не сами по себе, а как признак: вокруг новой идеи уже формируется набор библиотек, примеров и практик.

laya-coreml переносит быстрые решения Laya в Core ML

laya-coreml получил около 1 475 звёзд после запуска 19 сентября. Репозиторий делает упор на локальные типизированные решения через Core ML и Apple Neural Engine, с заявленными короткими ответами примерно за 5 мс на M3 Max. Для разработчиков на macOS это ещё один путь к очень быстрым локальным ИИ-компонентам без обращения к облачной модели.

WeChatBridge связывает переписки WeChat с агентами и Obsidian

WeChatBridge получил примерно 757 звёзд после запуска 21 сентября. Нативный инструмент для macOS передаёт записи чатов WeChat в ИИ-агентов и Obsidian. Это заметная находка для личных баз знаний: переписка становится не закрытым архивом, а источником контекста для заметок и агентных сценариев.

okf-agent-memory предлагает агентам память в формате обычного репозитория

okf-agent-memory набрал около 723 звёзд после появления 5 сентября. Проект реализует Google OKF v0.2, встраивает сервер протокола контекста модели, поиск BM25 в памяти и постепенное раскрытие контекста. Главная ценность — попытка уменьшить раздувание запросов у кодовых агентов без отдельной базы данных.

dscode упаковывает агентную среду для программирования с DeepSeek

dscode набрал около 509 звёзд после создания 11 сентября. Репозиторий описывает среду для кодового агента на базе DeepSeek: постоянную оболочку, подагентов Ultra, автоодобрение действий, связку с Chrome через протокол контекста модели и телеметрию сессий. Это показывает спрос на открытые среды, где можно сочетать локальный контроль выполнения и размещённые модели.

ai-security-tool собирает терминал безопасности с автономными ИИ-агентами

ai-security-tool набрал примерно 414 звёзд после запуска 10 сентября. Проект описывает бесплатный открытый терминал безопасности и сканер уязвимостей с поддержкой реестров известных уязвимостей, перечней компонентов, защищённых подключений, удалённых рабочих столов, последовательных подключений и более чем 12 автономных ИИ-агентов. Безопасность остаётся одной из самых активных ниш для прикладных агентных инструментов.

Общий вывод: открытая экосистема сейчас дробится на более практичные слои. Одни проекты ускоряют локальные решения на устройстве, другие дают агентам долговременную память, третьи подтягивают реальные пользовательские данные и рабочие инструменты. Именно из таких небольших компонентов, а не только из крупных моделей, складывается следующая волна открытого ИИ.