Не каждый сильный ИИ-проект сначала собирает звёзды, а уже потом — смысл. Иногда наоборот: идея уже выглядит рабочей, код активно движется, а внимания почти нет. В этой короткой подборке — три свежие находки, где слабая публичная тяга пока выглядит скорее рыночной слепой зоной, чем признаком пустоты.

TabTwin: совместные вкладки Chrome с аннотациями, курсорами и ИИ-агентом

TabTwin превращает сам браузер в рабочую поверхность: несколько людей могут вместе смотреть одну вкладку, оставлять пометки, видеть курсоры друг друга, а рядом действует ИИ-агент прямо внутри Chrome. Это интересно не как ещё один помощник в чате, а как попытка встроить автоматизацию туда, где у команд уже идёт разбор интерфейсов, ошибок, обучения и поддержки.

Почему проект заслуживает большего внимания: если такая модель окажется удобной, она может быть полезнее обычной демонстрации экрана в тех случаях, где важно не просто показать страницу, а буквально действовать в ней вместе. Сигнал низкой заметности при этом очень жёсткий: у репозитория 0 звёзд на GitHub, хотя уже есть 10 форков и недавние изменения в коде.

dolores: собственная память для ИИ-агентов на базе Postgres

Проект dolores предлагает самостоятельный слой памяти для ИИ-агентов: хранение на своей стороне, поиск по смыслу, гибридное извлечение, разделение по арендаторам и локальные векторные представления вместо обязательной зависимости от внешней платформы. По сути это ставка на очень практичную боль: многим хочется память для агентов, но без лишних расходов и без передачи всех данных наружу.

Почему это может выстрелить сильнее, чем кажется сейчас: рынок любит говорить об агентах как о поведении, но в реальности устойчивость часто упирается именно в память, стоимость и контроль над данными. Пока же проект почти не замечен: у репозитория 0 звёзд на GitHub, хотя сама продуктовая идея сформулирована очень чётко.

freepalp: оркестратор для нескольких агентов, рассчитанный на бесплатные модели

freepalp пытается закрыть трезвую инженерную проблему: как дать разработчикам оркестрацию агентов, потоковую выдачу, графы выполнения, проверки качества и веб-интерфейс без обязательного входного билета в дорогую модельную инфраструктуру. Для ранних экспериментов это сильный угол атаки, потому что многие команды упираются не в отсутствие идей, а в цену первого рабочего контура.

Почему находка недооценена: проект смотрит не на витринную магию, а на снижение порога входа для тех, кто хочет руками собирать и гонять сценарии с несколькими агентами. По вниманию он пока почти невидим — у репозитория всего 1 звезда на GitHub, и именно такие проекты иногда оказываются полезнее более шумных аналогов.

Общий мотив у всех трёх один: они не обещают абстрактный «революционный ИИ», а лезут в скучные, но важные инженерные слои — совместную работу, память и оркестрацию. Обычно именно там и рождаются инструменты, которые через полгода внезапно начинают копировать уже более громкие игроки.