GitHub Trends AI/LLM: 13 ноября 2026
OpenBot и SkillSpector помогают исследовать агентные риски, а TensorFold и llama.cpp — сравнить варианты локального инференса.
Поделиться
Содержание · 4 раздела
Что произошло
В ежедневном срезе GitHub внимание распределилось между кодовыми агентами, инструментами проверки навыков и локальным инференсом. Это обзор интереса к репозиториям, а не перечень новых выпусков или подтверждение их надёжности.
В выборке agent-skills получил 816 today, SkillSpector — 297 today, OpenBot — 298 today; TensorFold и SkillEvaluator набрали соответственно 54 и 108 today. Значения взяты из страниц Trending, общие звёзды — из отдельного запроса GitHub API.
Для практического выбора важно разделить обещания авторов и реальные проверки: в песочнице стоит измерять ограничения доступа, качество результата и расход ресурсов. Ни одна популярность или недавний коммит не заменяет испытаний в целевой среде.
| # | Репозиторий | Stars всего | Снимок Trending | Язык | Лицензия |
|---|---|---|---|---|---|
| 1 | QwenLM/qwen-code | 29872 | 151 today | TypeScript | Apache-2.0 |
| 2 | ashhart/TensorFold | 1968 | 54 today | Zig | Apache-2.0 |
| 3 | addyosmani/agent-skills | 116741 | 816 today | JavaScript | MIT |
| 4 | CopilotKit/OpenBot | 11682 | 298 today | TypeScript | MIT |
| 5 | ggml-org/llama.cpp | 134614 | 176 today | C++ | MIT |
| 6 | openai/whisper | 112607 | 113 today | Python | MIT |
| 7 | rlaope/oh-my-hermes | 5563 | 79 today | Python | MIT |
| 8 | NVIDIA/SkillSpector | 25717 | 297 today | Python | Apache-2.0 |
| 9 | huggingface/transformers | 168933 | 98 today | Python | Apache-2.0 |
| 10 | NVIDIA/SkillEvaluator | 896 | 108 today | Python | Apache-2.0 |
Отобранные репозитории
QwenLM/qwen-code
Авторы описывают терминального агента для программирования. Метаданные GitHub API. F: целевой профиль — проверка изменения кода и запуска тестов в терминале; это заявление авторов, соответствие не проверено. R: ветка main, коммит 84b5b53f1738 от 2026-11-13; последний стабильный релиз sdk-typescript-v0.1.33 от 2026-11-13; Коммиты за 30/90 дней: не менее 100/не менее 100.
Агент может ускорить работу с небольшими изменениями, но доступ к файлам и команды создают риск разрушительных действий. В одноразовой копии репозитория с намеренно падающим тестом сравните исправление с эталоном и проверьте отказ при запросе на удаление файлов. M/A/O и gates: unknown.
ashhart/TensorFold
Авторы представляют движок инференса LLM для Metal, CUDA и Vulkan. Метаданные GitHub API. F: целевой профиль — локальный инференс на выбранном GPU; это заявление авторов, соответствие не проверено. R: ветка main, коммит 223da7659b2f от 2026-11-13; последний стабильный релиз v1.2.7 от 2026-11-11; Коммиты за 30/90 дней: не менее 100/не менее 100.
Движок заслуживает проверки на собственном оборудовании, однако заявленная поддержка ускорителей не гарантирует качество каждой модели. На фиксированном наборе запросов измерьте память, скорость токенов и расхождение ответов с проверенной реализацией. M/A/O и gates: unknown.
addyosmani/agent-skills
Репозиторий содержит инженерные навыки для кодовых агентов согласно описанию автора. Метаданные GitHub API. F: целевой профиль — использование выбранного навыка при ревью кода; это заявление авторов, соответствие не проверено. R: ветка main, коммит 301b02b12bff от 2026-11-01; последний стабильный релиз 0.6.15 от 2026-10-31; Коммиты за 30/90 дней: не менее 100/не менее 100.
Набор инструкций может сократить подготовку повторяемого ревью, но внешние инструкции могут менять поведение агента и запрашивать лишний контекст. На учебном проекте проверьте один навык, разрешения и различия отчёта с ручной проверкой. M/A/O и gates: unknown.
CopilotKit/OpenBot
Команда описывает AI-сотрудников с браузером, файлами и инструментами и подключение AG-UI агента. Метаданные GitHub API. F: целевой профиль — агент с браузером и контролируемыми инструментами; это заявление авторов, соответствие не проверено. R: ветка main, коммит 806a8317f383 от 2026-11-13; последний стабильный релиз v1.0.2 от 2026-11-11; Коммиты за 30/90 дней: не менее 100/не менее 100.
Модель отдельного рабочего окружения помогает исследовать агентные процессы, но заявления о контроле действий не равны доказанной изоляции. В стенде без секретов проверьте запрет недопустимого действия и полноту журнала при обработке враждебной страницы. M/A/O и gates: unknown.
ggml-org/llama.cpp
Проект описывает инференс LLM на C и C++. Метаданные GitHub API. F: целевой профиль — запуск локальной языковой модели; это заявление авторов, соответствие не проверено. R: ветка master, коммит 5676dfbe01e7 от 2026-11-12; последний стабильный релиз v0.9.0 от 2026-11-04; Коммиты за 30/90 дней: не менее 100/не менее 100.
Локальный запуск может уменьшить зависимость от внешнего API, но результат зависит от модели, квантования и устройства. На одной и той же модели измерьте потребление памяти, задержку и качество ответов при двух вариантах квантования. M/A/O и gates: unknown.
openai/whisper
OpenAI описывает модель и код для распознавания речи. Метаданные GitHub API. F: целевой профиль — распознавание русскоязычной речи локально; это заявление авторов, соответствие не проверено. R: ветка main, коммит 86098128c0b4 от 2026-08-31; последний стабильный релиз v20250625 от 2025-06-26; Коммиты за 30/90 дней: 0/1.
Транскрипция полезна для аудиоархивов без передачи записи внешнему API, однако качество меняется с шумом и языком. На собственном размеченном наборе с разными условиями записи измерьте долю ошибок слов и расход ресурсов. M/A/O и gates: unknown.
rlaope/oh-my-hermes
Автор описывает расширение для организации работы AI-сотрудников. Метаданные GitHub API. F: целевой профиль — делегирование ограниченной задачи агенту в Hermes; это заявление авторов, соответствие не проверено. R: ветка main, коммит 56cedbec648a от 2026-11-13; последний стабильный релиз v4.0.7 от 2026-11-09; Коммиты за 30/90 дней: не менее 100/не менее 100.
Расширение может помочь исследовать координацию задач, но его совместимость с конкретной версией хоста и доступ к окружению не установлены. В отдельном тестовом профиле без персональных данных проверьте запуск одной задачи, сетевые обращения и очистку результатов. M/A/O и gates: unknown.
NVIDIA/SkillSpector
NVIDIA заявляет сканирование навыков агентов на опасные паттерны, инъекции и риски цепочки поставок. Метаданные GitHub API. F: целевой профиль — проверка недоверенного навыка перед установкой; это заявление авторов, соответствие не проверено. R: ветка main, коммит 17c4d386c6ad от 2026-11-13; последний стабильный релиз v2.13.4 от 2026-11-04; Коммиты за 30/90 дней: не менее 100/не менее 100.
Предварительный анализ способен выделить подозрительные инструкции, но не гарантирует обнаружение всех атак. Сравните результаты на размеченной подборке безопасных и вредоносных навыков, отдельно измерив пропуски и ложные тревоги. M/A/O и gates: unknown.
huggingface/transformers
Авторы описывают библиотеку моделей для текста, изображений, аудио и мультимодальных задач обучения и инференса. Метаданные GitHub API. F: целевой профиль — инференс конкретной поддерживаемой модели; это заявление авторов, соответствие не проверено. R: ветка main, коммит 109a7d19bf66 от 2026-11-12; последний стабильный релиз v5.22.2 от 2026-11-06; Коммиты за 30/90 дней: не менее 100/не менее 100.
Библиотека даёт единое окружение для экспериментов, но модель и её лицензия оцениваются отдельно от кода. В чистой среде зафиксируйте версии и выбранные веса, затем сравните задержку, память и качество на контрольных примерах. M/A/O и gates: unknown.
NVIDIA/SkillEvaluator
NVIDIA описывает многоуровневую оценку навыков, включая синтетические наборы и тесты поведения агента. Метаданные GitHub API. F: целевой профиль — сравнение поведения агента с навыком и без него; это заявление авторов, соответствие не проверено. R: ветка main, коммит 12b387f7a62b от 2026-11-12; последний стабильный релиз v0.8.0 от 2026-11-06; Коммиты за 30/90 дней: не менее 100/не менее 100.
Оценочный стенд может помочь выявить полезность инструкций, однако синтетические примеры не заменяют реальные задачи и зависят от модели. На фиксированном корпусе сравните успешность и стоимость двух конфигураций, проверив воспроизводимость повторным прогоном. M/A/O и gates: unknown.
Что отслеживать
- Проверить отклонение опасных действий OpenBot на изолированной тестовой странице.
- Измерить пропуски SkillSpector на размеченных примерах вредоносных инструкций.
- Сопоставить скорость и качество TensorFold на фиксированном оборудовании.
- Перепроверить актуальные версии релизов и лицензии моделей перед пилотом.
Ограничения источников
Снимок GitHub Trending получен около 03:01 UTC 13 ноября 2026 года на общей и Python daily-страницах; GitHub REST API отдельно дал метаданные, стабильный релиз и до 100 коммитов default branch за 90 дней. Today — показатель страницы, не самостоятельно вычисленные ровно 24 часа. Trending измеряет внимание, а не качество, безопасность, внедрение или устойчивый рост. По API все выбранные проекты не архивированы и не помечены как fork; это не доказывает независимость кода. Исключены повторы выпуска 12 ноября и маркетинговый free-claude-code.
Для каждого проекта профиль F определён до оценки под сценарий ознакомительного песочничного пилота; SDD-веса не переносились. Gates охватывают допустимость лицензии, обязательные функции, разрешения среды, восстановление и отсутствие известных критических препятствий; unknown разрешает только исследование, а не production. F — декларации авторов, R — наблюдения API, M — зрелость, A — независимое использование, O — операционные гарантии; недостаточные данные не превращены в баллы. Проверок запуска и независимого аудита не проводилось; коммиты могут касаться документации, релизы — отдельных компонентов, а звёзды не подтверждают внедрение.
Поделиться
Сообщить о новости, которая не попала в дайджест
Пришлите новость, первичный источник и объяснение, почему она важна