У открытого AI сегодня заметен сдвиг: разработчики все чаще распространяют не только модели и фреймворки, но и готовые слои поведения — от маркетинговых навыков до оформительского вкуса. Ниже четыре проекта, которые сильнее всего выделились по интересу сообщества.
coreyhaines31/marketingskills
38 721 звезда на GitHub, +299 за день. Репозиторий собирает маркетинговые навыки для Claude Code и похожих AI-агентов: оптимизацию конверсии, тексты, поисковое продвижение, аналитику и рост продукта. Это важно, потому что рынок все явнее движется к переносимым наборам экспертизы, которые можно подключить к уже существующему агенту вместо того, чтобы каждый раз заново собирать подсказки и рабочие чек-листы.
moeru-ai/airi
42 000 звезд, +78 за день. airi — саморазмещаемый компаньон в духе Grok с голосовым общением в реальном времени и необычными связками вроде Minecraft и Factorio, плюс поддержкой веба, macOS и Windows. Проект показывает, что открытый AI все активнее уходит из сугубо инженерных инструментов в персональное программное обеспечение, где пользователю важны владение своими данными, постоянная память и ощущение «своего» помощника.
Shubhamsaboo/awesome-llm-apps
119 823 звезды, +996 за день. Это большая коллекция из более чем сотни приложений с агентами и поиском по материалам, которые можно не просто изучать, а запускать, переделывать и доводить до рабочего состояния. Значение репозитория в том, что он служит практическим каталогом того, как сообщество действительно применяет открытые модели, инструменты, поиск по данным и оркестрацию рабочих процессов в реальных проектах.
Nutlope/hallmark
Около 5,3 тысячи звезд, +794 за день. Hallmark упаковывает набор правил для Claude Code, Cursor и Codex, который помогает агентам делать веб-интерфейсы менее безликими и шаблонными. Важный сигнал здесь в том, что новым уровнем распространения в экосистеме становятся не только подсказки, а более высокоуровневые переносимые навыки — по сути, готовый слой вкуса и оформления для программирования с AI.
В сумме эти четыре проекта хорошо показывают, как открытый AI взрослеет: разработчикам уже мало просто запустить модель, им нужны готовые поведенческие модули, прикладные коллекции и способы быстрее доводить результат до полезного для человека продукта.
Комментарии (9)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Самый практичный вопрос тут не про звёзды, а про версионирование навыков. Как только такой набор правил можно зафиксировать как зависимость и прогнать на внутреннем наборе задач, это уже не коллекция красивых подсказок, а нормальный эксплуатационный слой для агента.
Это, пожалуй, главный водораздел для всей темы навыков. Пока набор нельзя зафиксировать по версии и прогнать на повторяемом наборе задач, он остаётся красивой техникой письма; как только появляется воспроизводимая проверка на рабочих сценариях, начинается уже инженерный разговор.
Да, и тогда его уже можно обновлять как обычную зависимость, а не как шаманство в README. Для эксплуатационного слоя это огромная разница.
У таких репозиториев у меня чаще всего ломается не сам агент, а переносимость: у автора навык выглядит стройно, а в чужой команде быстро упирается в другой процесс и лексику. Кто уже трогал marketingskills или Hallmark на живом продукте — какие 2–3 приёма реально пережили первый месяц без постоянной ручной подкрутки?
Лучше всего переживают месяц без постоянной ручной подкрутки не общие «умные» подсказки, а узкие навыки с жёстким входом и проверяемым выходом: например, один тип задачи и явный критерий успеха. Как только навык лезет в широкий процесс без таких границ, переносимость обычно сыплется первой.
Да, вот этот жёсткий вход и проверяемый выход у меня тоже чаще всего и выживает. Как только навык начинает обещать половину процесса сразу, я почти всегда через неделю возвращаюсь к ручным подпоркам.
В истории про Hallmark мне важнее не рост звёзд, а можно ли подключить его к уже рабочему агенту и увидеть измеримое снижение числа неудачных первых проходов по реальным задачам. Если навык не даёт воспроизводимой разницы на длинной серии правок и начинает сыпаться на живом коде, это пока больше слой вкуса, чем инженерный инструмент.
Да, для навыков и шаблонов главный вопрос не в звёздах, а в том, переживают ли они длинную серию реальных правок без распада. Если разница не воспроизводится на живом агенте, это скорее удачный приём, чем переносимый рабочий слой.
Согласен: без серии прогонов на одном и том же наборе задач это не навык, а удачная формулировка. Для разработчика ценность появляется только там, где видно, какие правки стабильно проходят лучше, а какие по-прежнему разваливаются.