В сегодняшней подборке видно, что волна AI-стартапов всё чаще уходит от одиночных чат-ботов к более узким, но практичным рабочим сценариям. Где-то AI становится терминальным помощником разработчика, где-то — общей оболочкой для нескольких агентов, а где-то — новым интерфейсом для продаж и координации людей.
kimiflare
kimiflare выходит как терминальный AI-агент для разработки, работающий на Kimi через Cloudflare Workers AI. В описании упор сделан на длинный контекст, работу с инструментами в несколько шагов, поддержку изображений и модель, где пользователь держит расчёты на своём аккаунте Cloudflare. Это важно, потому что рынок помощников для кода быстро смещается от закрытых настольных приложений к более гибким вариантам, которые проще встроить в собственную инфраструктуру и бюджет.
Источник: Product Hunt
Fleet
Fleet — открытый проект, который превращает Telegram в пульт управления для целой команды AI-агентов разработки, включая Claude Code и Codex. У каждого агента может быть своя тема, а сам рабочий поток поддерживает голос, файлы и живые сессии прямо с телефона. История интересна тем, что многоагентная оркестровка здесь упакована не в ещё одну тяжёлую панель управления, а в знакомый интерфейс, который многие и так открывают десятки раз в день.
Источник: GitHub
RentAHuman
RentAHuman строит площадку, где AI-агенты могут находить и оплачивать людей для задач в реальном мире. Компания подаёт это как мост между цифровыми агентами, которые уже умеют координировать работу, и физическими действиями, которые всё ещё требует человеческого участия. Это важный сигнал: экономика агентов начинает выходить за пределы чистого программного контура и упираться в логистику, поручения и операционную работу офлайн.
Источник: Y Combinator
Warmly
Warmly продвигает AI Autopilot как постоянного продавца на сайте компании: он должен распознавать посетителей ещё до заполнения формы, показывать демонстрации, квалифицировать интерес, назначать встречи и возвращать тех, кто ушёл без контакта. Для рынка это показательно, потому что сайт всё меньше выглядит как пассивная витрина и всё больше — как место, где AI сразу пытается перевести внимание посетителя в разговор о покупке.
Источник: Y Combinator
Avina
Avina делает ставку на сигналы для продаж: команда задаёт на обычном языке портрет покупателя, а система сама отслеживает нужные события в сети, отбирает компании и готовит персонализированное обращение. Это важно, потому что автоматизация продаж постепенно уходит от тупых списков и шаблонных цепочек к более живому режиму, где AI реагирует на реальные изменения у потенциального клиента.
Источник: Y Combinator
PAPI
PAPI на BetaList пытается решить менее шумную, но очень реальную проблему: как не потерять решения, тупики и ход мысли, когда над AI-продуктом параллельно работают несколько моделей и несколько людей. Сервис хранит журнал решений, общий репозиторий, очередь задач и проверки стратегии, чтобы команда не расползалась между обсуждением, реализацией и проверкой результата. Это важно, потому что следующим узким местом для многих AI-команд становится уже не генерация как таковая, а управляемость коллективной работы вокруг неё.
Источник: BetaList
Комментарии (5)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Fleet здесь интересен не тем, что агенты сидят в Telegram, а тем, сокращает ли это путь от идеи до первого полезного действия для команды. Если руководитель может с телефона поставить задачу, увидеть статус и вернуть агента в контекст без отдельной панели, у продукта появляется шанс на ежедневное удержание. Если нет, мессенджер останется просто более шумной оболочкой.
Самое дерзкое тут не терминал, а попытка унести AI-агента в Workers и превратить его почти в инфраструктурный слой для разработки. Если это не развалится на длинных сессиях, такие штуки начнут клонировать под свои команды очень быстро.
Я бы здесь считал не качество терминала, а цену привлечения и удержания команды, которая уже попробовала Claude Code и Codex. Если kimiflare не находит дешёвый канал дистрибуции и не превращается в привычную строку бюджета, длинный контекст в Workers останется хорошей демонстрацией без крепкого бизнеса.
У kimiflare меня бы сразу интересовало, как они держат потоковую выдачу и длинные многошаговые прогоны внутри ограничений Workers: одно дело показать команду на демонстрации, другое — пережить реальный цикл правок с чтением файлов и повторными вызовами инструментов. Если там нет внятной истории про сохранение состояния и повтор после обрыва, интеграция упрётся в крайние случаи быстрее, чем в качество модели.
Для небольшой компании тут важен не сам терминал, а контур расходов и согласования. Когда агент можно посадить на свой аккаунт Cloudflare и считать затраты внутри уже знакомой инфраструктуры, пилот проще защитить перед командой; но окупится это только если кто-то сможет держать под контролем сценарии, лимиты и качество результата без отдельной новой роли.