GitHub Trends AI/LLM: 15 ноября 2026
TensorFold и llama.cpp позволяют изучать локальный инференс, а SkillEvaluator и PyRIT — проверять навыки агентов и устойчивость ИИ.
Поделиться
Содержание · 4 раздела
Что произошло
В суточном срезе GitHub Trending заметны инструменты для работы с ИИ-агентами, локального исполнения моделей и проверки их поведения. Это подборка внимания к репозиториям, а не список подтверждённых выпусков новых версий.
На общем срезе QwenLM/qwen-code показывает 64 today, ashhart/TensorFold — 37 today, а Tencent/LoopForge — 33 today. В тематических срезах NVIDIA/SkillEvaluator показывает 133 today, а ggml-org/llama.cpp — 240 today.
Выбирать проект стоит от проверяемой задачи: для инференса измерять память и качество, для агентов ограничивать права, а для оценочных инструментов сравнивать результаты на фиксированном наборе тестов. Значение Trending само по себе не подтверждает практическую надёжность.
| # | Репозиторий | Stars всего | Снимок Trending | Язык | Лицензия |
|---|---|---|---|---|---|
| 1 | QwenLM/qwen-code | 30377 | 64 today | TypeScript | Apache-2.0 |
| 2 | ag-ui-protocol/ag-ui | 17400 | 9 today | TypeScript | MIT |
| 3 | ashhart/TensorFold | 2176 | 37 today | Zig | Apache-2.0 |
| 4 | Tencent/LoopForge | 948 | 33 today | Go | NOASSERTION |
| 5 | NVIDIA/SkillEvaluator | 1263 | 133 today | Python | Apache-2.0 |
| 6 | microsoft/PyRIT | 4844 | 26 today | Python | MIT |
| 7 | lidge-jun/opencodex | 18548 | 51 today | TypeScript | MIT |
| 8 | aaif-goose/goose | 56620 | 72 today | Rust | Apache-2.0 |
| 9 | ggml-org/llama.cpp | 135092 | 240 today | C++ | MIT |
| 10 | rasbt/LLMs-from-scratch | 108420 | 57 today | Jupyter Notebook | NOASSERTION |
Отобранные репозитории
QwenLM/qwen-code
Авторы описывают терминального агента для программирования с ИИ. Последний push по API: 2026-11-15 02:55:45 UTC. GitHub REST API.
Для эксперимента с поддержкой разработки подойдет отдельная учебная ветка, однако агент способен менять файлы и отправлять контекст провайдеру. На тестовом проекте попросите исправить известный дефект, просмотрите diff и сравните прохождение тестов до и после.
ag-ui-protocol/ag-ui
Авторы называют AG-UI протоколом взаимодействия агента с пользовательским интерфейсом. Последний push по API: 2026-11-15 02:26:33 UTC. GitHub REST API.
Протокол может облегчить соединение фронтенда и агента, но сам по себе не гарантирует безопасность событий или совместимость реализаций. На локальном демонстрационном интерфейсе проверьте обработку прерванного потока и отсутствие вывода синтетического секрета в журнал.
ashhart/TensorFold
Репозиторий описывает движок инференса LLM для Metal, CUDA и Vulkan. Последний push по API: 2026-11-15 02:56:21 UTC. GitHub REST API.
Это кандидат для сравнения локального исполнения на разных ускорителях; поддержка конкретной модели и оборудования заранее не гарантирована. На выделенном стенде с одной разрешённой небольшой моделью измерьте пиковую память, скорость генерации и совпадение ответов с эталоном.
Tencent/LoopForge
Авторы описывают локально размещаемые workflow для coding agents с этапами согласования человеком и скриптами. Последний push по API: 2026-11-15 02:55:03 UTC. API указывает тип лицензии Other. GitHub REST API.
Согласование потенциально полезно для контроля доставки кода, но его наличие не доказывает невозможность обхода или безопасность скриптов. На изолированном учебном репозитории отклоните изменение и проверьте, что оно не попало в целевую ветку; изучите права процесса и журнал действий.
NVIDIA/SkillEvaluator
В описании проекта перечислены многоуровневая оценка skills, синтетические наборы и проверка поведения работающего агента. Последний push по API: 2026-11-15 01:09:44 UTC. GitHub REST API.
Оценщик может помочь сравнивать варианты инструкций, но синтетические задания не заменяют реальные сценарии и могут содержать смещения. Подготовьте фиксированный набор учебных задач с ожидаемыми результатами и сравните долю успехов с выбранным skill и без него.
microsoft/PyRIT
Microsoft описывает набор инструментов для red teaming генеративных систем, включая автоматизированные проверки и многоходовые атаки. Последний push по API: 2026-11-15 02:56:38 UTC. GitHub REST API.
Он пригоден для разрешённой оценки устойчивости собственного прототипа, но не доказывает отсутствие уязвимостей за пределами выбранных тестов. На тестовом endpoint без персональных данных прогоните согласованный набор попыток обхода инструкций и вручную оцените ложные срабатывания.
lidge-jun/opencodex
Проект описывается как прокси провайдеров для Codex и Claude Code с поддержкой разных LLM. Последний push по API: 2026-11-14 15:44:45 UTC. GitHub REST API.
Прокси может упростить сравнение поставщиков, но становится дополнительной точкой доступа к запросам и ключам. На локальном фиктивном backend проверьте маршрутизацию двух моделей, отказ при неверном ключе и отсутствие тестового секрета в логах.
aaif-goose/goose
Авторы описывают расширяемого ИИ-агента, способного выполнять команды, редактировать и тестировать код. Последний push по API: 2026-11-14 23:49:13 UTC. GitHub REST API.
Такой агент может ускорить повторяемые изменения, однако выполнение команд требует ограничения прав. В одноразовом контейнере без ключей дайте задачу исправить учебный тест, проверьте diff и запрет записи за пределы рабочей директории.
ggml-org/llama.cpp
Репозиторий описывает инференс LLM на C/C++. Последний push по API: 2026-11-15 02:48:28 UTC. GitHub REST API.
Локальное исполнение помогает исследовать задержку и расход ресурсов, но результаты зависят от модели, квантования и аппаратуры. На фиксированном наборе запросов сравните две разрешённые конфигурации: измерьте время ответа, пиковую память и качество на контрольных вопросах.
rasbt/LLMs-from-scratch
Учебный репозиторий предлагает пошаговую реализацию LLM в PyTorch; основной язык по API — Jupyter Notebook. Последний push по API: 2026-11-09 14:59:09 UTC. API указывает тип лицензии Other. GitHub REST API.
Материалы полезны для понимания устройства модели, но учебный пример не равен производственной системе, а зависимости и вычислительные требования нужно проверить. В изолированной среде воспроизведите один notebook на малых данных, зафиксируйте версии библиотек и проверьте повторяемость результата.
Что отслеживать
- Сравнить время генерации, память и ответы локальных движков на одинаковых моделях и запросах.
- Проверить права агентов, маршрутизацию прокси и отсутствие тестовых секретов в журналах.
- Оценить обнаружение заранее заданных ошибок и долю ложных срабатываний на собственном тестовом наборе.
- Прочитать файлы LICENSE и условия моделей и зависимостей перед любым внедрением.
Ограничения источников
Срез GitHub Trending собран около 03:01 UTC 15 ноября 2026 года на общей и языковых страницах; GitHub REST API опрошен около 03:02 UTC. Значение today отображено GitHub как снимок внимания, а не независимо вычисленный неизменный прирост за 24 часа. Общее число stars, язык, лицензия, последний push и статусы взяты из API и могут меняться. Все десять проектов в API не архивированы и не отмечены как fork; это не доказывает отсутствие заимствований или клонов.
Trending отражает внимание, а не качество, безопасность, распространённость или устойчивый рост. Описания возможностей принадлежат авторам и не проверялись запуском; время push не доказывает выпуска новой версии. SPDX в API не заменяет чтение лицензии, а для NOASSERTION условия необходимо выяснять непосредственно по файлам проекта: эта метка не подтверждает открытую лицензию.
- https://github.com/trending?since=daily
- https://github.com/trending/python?since=daily
- https://github.com/trending/typescript?since=daily
- https://github.com/trending/rust?since=daily
- https://github.com/trending/c++?since=daily
- https://github.com/trending/jupyter-notebook?since=daily
- https://docs.github.com/en/rest/repos/repos#get-a-repository
Поделиться
Сообщить о новости, которая не попала в дайджест
Пришлите новость, первичный источник и объяснение, почему она важна