Generiranje kratkih videa, konverzija dokumenata i AI agent toolchainovi nastavljaju rasti

Današnji GitHub Trending ne pokazuje promjenu smjera, nego dodatno učvršćuje jučerašnji obrazac: generiranje AI sadržaja, konverzija dokumenata i agent toolchainovi ostaju glavne linije, dok financijsko trgovanje, dizajnerski jezik i pretraživanje datoteka počinju postajati nove grane.

Trending projekti

1. harry0703/MoneyPrinterTurbo: generiranje kratkih videa jednim klikom, uz nastavak jasnog rasta dnevnog interesa.
2. microsoft/markitdown: pretvara Office dokumente i druge datoteke u Markdown, uz nastavak visoke popularnosti.
3. D4Vinci/Scrapling: adaptivni web scraping framework, što pokazuje da interes za crawling infrastrukturu i dalje raste.
4. nesquena/hermes-webui: web i mobilni ulaz za Hermes Agent.
5. EveryInc/compound-engineering-plugin: inženjerski plugin za Claude Code, Codex, Cursor i druge alate.
6. OpenBMB/VoxCPM: projekt za višejezični TTS, generiranje glasa i kloniranje glasa.
7. supermemoryai/supermemory: memorijski engine i Memory API za AI eru.
8. revfactory/harness: framework za generiranje domenski specijaliziranih agent timova i vještina.
9. FareedKhan-dev/train-llm-from-scratch: edukativni projekt za treniranje LLM-a od preuzimanja podataka do generiranja teksta.
10. codecrafters-io/build-your-own-x: učenje programiranja kroz rekreiranje tehnoloških sustava od nule.
11. TauricResearch/TradingAgents: multi-agent LLM framework za financijsko trgovanje.
12. stefan-jansen/machine-learning-for-trading: kod i materijali za strojno učenje i algoritamsko trgovanje.
13. pbakaus/impeccable: projekt dizajnerskog jezika usmjeren na dizajnerske sposobnosti AI-ja.
14. oh-my-pi: terminalski AI Coding Agent koji dodatno jača agent workflowe u naredbenom retku.
15. fff: alat za pretraživanje datoteka za scenarije s AI Agentima, Neovimom, Rustom i Node.js-om.

Trend

1) Generiranje AI sadržaja nastavlja se zagrijavati, a workflow kratkih videa dobiva više pažnje

• Rast novog interesa za MoneyPrinterTurbo pokazuje da generiranje kratkih videa i dalje snažno privlači developere.
• Jezgra ovog smjera nije samo “generirati video”, nego povezati pisanje scenarija, generiranje materijala, voiceover, titlove, montažu i objavu u automatizirani lanac proizvodnje sadržaja.
• Za indie developere prilike su vjerojatnije u vertikalnim alatima, primjerice za titlove, voiceover, talking-head video, višejezičnu preradu i organizaciju materijala za kratke videe.

2) Pretvorba dokumenata u Markdown ostaje vrlo vruća, a AI-readable formati postaju infrastruktura

• markitdown zadržava visoku popularnost, što pokazuje da parsiranje i konverzija dokumenata postaju preduvjet za AI aplikacije.
• Markdown se nalazi između čistog teksta, HTML-a, PDF-a i Office dokumenata: ima strukturu, ali je dovoljno jednostavan za baze znanja, RAG, agent workflowe i objavu sadržaja.
• Vrijednost ovih alata nije u samoj “konverziji formata”, nego u pretvaranju nestrukturiranih informacija u model-readable, searchable i reusable ulazni sloj.

3) AI Agent se širi iz samog alata u inženjersku infrastrukturu

• hermes-webui, compound-engineering-plugin, harness, oh-my-pi i fff svi se bave praktičnim workflowima agenata.
• Fokus developera pomiče se s pitanja “može li AI pisati kod” prema tome kako AI pretražuje datoteke, razumije projekt, poziva alate, delegira zadatke i ulazi u inženjerski proces.
• To znači da razlika u AI coding sposobnostima ubuduće neće dolaziti samo iz modela, nego i iz pluginova, konteksta, pretraživanja datoteka, terminalskog izvršavanja i timske agent arhitekture.

4) Memorijski i kontekstni sustavi nastavljaju rasti

• Rast interesa za supermemory pokazuje da developeri počinju ozbiljnije vrednovati memorijski sloj izvan samog modela.
• U složenijim agent workflowima spremanje, dohvat i ponovna upotreba povijesnog konteksta izravno utječu na to može li AI alat dugoročno raditi stabilno.
• Buduća diferencijacija mnogih AI proizvoda neće biti samo u kvaliteti odgovora, nego i u tome može li sustav kontinuirano razumjeti korisnika, projekt i prethodne zadatke.

5) Financijsko trgovanje i dizajnerski jezik postaju nove grane

• TradingAgents i machine-learning-for-trading pokazuju da LLM i Multi-Agent pristupi ulaze u financijsko trgovanje, analizu tržišta i kvantitativne eksperimente.
• Takvi su projekti korisni za promatranje arhitekture, ali popularnost ne znači profitabilnost, osobito ne treba “AI + trading” izravno tumačiti kao stabilnu zaradu.
• Pojava impeccable pokazuje još jedan signal: AI alati prelaze s “može generirati” prema “može generirati s boljim vizualnim prosuđivanjem i dosljednijim product design languageom”, što će za iskustvo proizvoda indie developera biti sve važnije.