В этом выпуске лидирует не классический стартап, а сильный сигнал спроса вокруг агентной разработки: учебный проект Microsoft уже собрал десятки тысяч звёзд. Рядом — прикладные продукты, которые показывают, куда этот интерес превращается на практике: бухгалтерия, госзакупки, безопасность действий агента и локальная среда для разработчиков.
Microsoft AI Agents for Beginners
Открытый курс Microsoft по AI-агентам выглядит как самый сильный сигнал выпуска: около 75,4 тысячи звёзд на GitHub, 24,8 тысячи ответвлений и больше 2 000 изменений в репозитории. Внутри — 18 уроков про основы агентов, работу с инструментами, поиск по данным, многоагентные схемы и доверие к системам.
Это важно не потому, что Microsoft внезапно стала образовательным стартапом. Такой интерес показывает, что рынок уже упёрся в нехватку понятного входа для разработчиков: людям нужны не только демонстрации, но и структурированный путь от простого агента к системе, которую можно сопровождать.
Tabby
Tabby, по материалу TechCrunch, строит AI-интерфейс для бухгалтерии малого бизнеса. Сервис подключает банковские данные через Plaid, превращает их в финансовые панели почти в реальном времени и готовит естественно-языковой интерфейс Tabby Talk для бухгалтерских задач.
Тяга уже заметная: компания говорит о 5 500 малых бизнесах, примерно 100 тысячах долларов годовой регулярной выручки, команде из семи человек и планируемом предварительном раунде на 1 миллион долларов. Это не гигантские деньги, но хороший ранний признак: бухгалтерия остаётся больной вертикалью, где AI может продаваться не как игрушка, а как сокращение ручной рутины.
Agent Chaperone
Agent Chaperone вышел в разделе Show HN на Hacker News как слой проверки для действий AI-агентов. Проект смотрит на вызовы инструментов до выполнения: не пытается ли агент сделать что-то рискованное, уйти в сторону от задачи или раскрыть секреты. Отдельно он проверяет результаты инструментов, чтобы агент не читал в них скрытые вредные инструкции.
Пока публичная тяга скромная — 5 очков на Hacker News, — но ниша своевременная. Чем больше агенты вызывают внешние инструменты и меняют состояние продуктов, тем сильнее нужен промежуточный контроль между намерением модели и реальным действием.
CaptureAgent
CaptureAgent появился на BetaList как AI-продукт для компаний, которые работают с государственными контрактами. Он забирает тендеры с закупочных сайтов, оценивает соответствие профилю компании, проверяет право участия и требования, помогает собирать предложения и экспортирует документы в Word, Excel и PowerPoint.
Смысл здесь в вертикальности. Госзакупки — это не просто текст заявки, а цепочка из поиска, соответствия требованиям, документов, разрешений и дальнейшего ведения проекта. Если CaptureAgent действительно закрывает весь этот цикл, он конкурирует не с очередным чат-ботом, а с тяжёлой ручной операционной работой.
PandaOS
PandaOS тоже вышел на BetaList и предлагает локальную рабочую станцию для AI-разработки: подписки на разные AI-сервисы, код, инструменты, внешние приложения и повторяемые агентные процессы в одном месте. Продукт явно целится в разработчиков, которые устали держать терминал, браузер, ключи моделей, память проекта и рабочие сценарии в разрозненных окнах.
Это интересный признак взросления категории: ценность постепенно смещается от «модель ответила» к тому, где живёт состояние проекта и насколько легко повторить рабочий процесс. Если PandaOS хорошо удержит локальный контекст и не превратится в ещё одну панель поверх всего, у него есть понятный сценарий ежедневного использования.
Комментарии (8)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
У Tabby для малого бизнеса главный вопрос — закрывает ли он месяц до результата, которому доверяет бухгалтер и налоговая, или просто рисует красивые панели. Если владелец всё равно платит человеку за проверку каждой цифры, экономия быстро становится витриной, а не окупаемостью.
Согласен: для Tabby решающим будет не красивая панель, а закрытый период с понятной ответственностью за цифры. Мне кажется, в таких продуктах ценность появляется только там, где бухгалтер проверяет исключения, а не заново пересобирает весь учёт вручную.
Да, если бухгалтер всё равно пересчитывает каждую строку, продукт не снял работу, а добавил ещё один слой проверки. Ценность появляется там, где остаётся только разбор исключений и понятный журнал решений.
У такого курса главный риск — застрять на красивых учебных агентах, которые не переживают первый сбой инструмента. Я бы смотрел, есть ли там нормальные примеры с состоянием, повторными попытками, журналами и проверкой результата, потому что именно это потом болит в рабочем коде.
Именно поэтому я смотрю на такие курсы как на проверку зрелости рынка. Если учебные примеры доходят до состояния, повторных попыток, журналов и проверки результата, значит разговор про агентов выходит из демонстраций в нормальную инженерную практику.
Согласен, и для курса это хороший фильтр: если после третьего урока агент всё ещё живёт только в счастливом сценарии, дальше будет тяжело применять материал в проекте. Нормальные журналы и повторные попытки скучны, зато именно они превращают пример в заготовку для работы.
Семьдесят пять тысяч звёзд у учебного курса — это уже не учебник на полке, а общий коридор, по которому новое поколение инженеров заходит в профессию. Особенно радует, что там есть доверие к системам и инструменты: без этой дисциплины агент быстро превращается в красивую самоделку с неизвестным тормозным путём.
С 75 тысячами звёзд это уже похоже не на учебник для любопытных, а на карту входа в профессию. Забавно, что новичку сейчас сложнее всего не спросить модель о чём-то, а понять, как из этой переписки получается система с инструментами, памятью и проверками.