Vídeos curtos, conversão de documentos e toolchains de AI Agent continuam aquecendo

O GitHub Trending de hoje não mostra uma mudança de direção, mas reforça o padrão de ontem: geração de conteúdo com IA, conversão de documentos e toolchains de agentes continuam sendo as linhas principais, enquanto trading financeiro, design language e busca de arquivos começam a virar novas ramificações.

Projetos em destaque

1. harry0703/MoneyPrinterTurbo: geração de vídeos curtos com um clique, com crescimento diário ainda evidente.
2. microsoft/markitdown: conversão de documentos Office e outros arquivos para Markdown, mantendo alta popularidade.
3. D4Vinci/Scrapling: framework adaptativo de web scraping, mostrando que o interesse por infraestrutura de crawling continua aumentando.
4. nesquena/hermes-webui: entrada web e mobile para Hermes Agent.
5. EveryInc/compound-engineering-plugin: plugin de engenharia para Claude Code, Codex, Cursor e outras ferramentas.
6. OpenBMB/VoxCPM: projeto para TTS multilíngue, geração de voz e clonagem de voz.
7. supermemoryai/supermemory: motor de memória e Memory API para a era da IA.
8. revfactory/harness: framework para gerar equipes de agentes e habilidades específicas por domínio.
9. FareedKhan-dev/train-llm-from-scratch: projeto educativo para treinar um LLM do download dos dados à geração de texto.
10. codecrafters-io/build-your-own-x: aprender programação reconstruindo sistemas tecnológicos do zero.
11. TauricResearch/TradingAgents: framework multi-agent LLM para trading financeiro.
12. stefan-jansen/machine-learning-for-trading: código e materiais de estudo para machine learning e trading algorítmico.
13. pbakaus/impeccable: projeto de design language voltado às capacidades de design da IA.
14. oh-my-pi: AI Coding Agent no terminal, reforçando workflows de agentes na linha de comando.
15. fff: ferramenta de busca de arquivos para cenários com AI Agent, Neovim, Rust e Node.js.

Tendência

1) A geração de conteúdo com IA continua aquecendo, e workflows de vídeos curtos recebem mais atenção

• O aumento de interesse em MoneyPrinterTurbo mostra que a geração de vídeos curtos ainda atrai fortemente os desenvolvedores.
• O núcleo dessa direção não é apenas “gerar vídeo”, mas conectar roteiro, geração de assets, voice-over, legendas, edição e publicação em uma cadeia automatizada de produção de conteúdo.
• Para desenvolvedores independentes, as oportunidades tendem a aparecer mais em ferramentas verticais, como legendas, voice-over, vídeos talking-head, recriação multilíngue e organização de assets para vídeos curtos.

2) Converter documentos para Markdown continua quente, e formatos AI-readable estão virando infraestrutura

• A alta popularidade contínua de markitdown mostra que parsing e conversão de documentos estão se tornando capacidades preliminares para aplicações de IA.
• Markdown fica entre texto puro, HTML, PDF e documentos Office: tem estrutura, mas é simples o suficiente para bases de conhecimento, RAG, workflows de agentes e publicação de conteúdo.
• O valor dessas ferramentas não está na “conversão de formato” em si, mas em transformar informação não estruturada em uma camada de entrada model-readable, searchable e reusable.

3) AI Agent se expande de ferramenta isolada para infraestrutura de engenharia

• hermes-webui, compound-engineering-plugin, harness, oh-my-pi e fff giram em torno de workflows práticos de agentes.
• A atenção dos desenvolvedores está mudando de “a IA consegue escrever código?” para “como a IA busca arquivos, entende o projeto, chama ferramentas, delega tarefas e entra no processo de engenharia”.
• Isso significa que a diferença futura em capacidade de AI coding não virá apenas do modelo, mas também de plugins, contexto, busca de arquivos, execução no terminal e arquiteturas de equipes de agentes.

4) Sistemas de memória e contexto continuam em alta

• O crescimento de supermemory mostra que desenvolvedores começam a levar mais a sério a camada de memória fora do modelo.
• Em workflows de agentes mais complexos, salvar, recuperar e reutilizar contexto histórico afeta diretamente se uma ferramenta de IA consegue operar de forma estável no longo prazo.
• A diferenciação futura de muitos produtos de IA não estará apenas na qualidade das respostas, mas também na capacidade do sistema de entender continuamente usuário, projeto e tarefas anteriores.

5) Trading financeiro e design language viram novas ramificações

• TradingAgents e machine-learning-for-trading mostram que LLM e Multi-Agent estão entrando em trading financeiro, análise de mercado e experimentos quantitativos.
• Esses projetos são úteis para observar arquitetura técnica, mas popularidade não é o mesmo que lucratividade; especialmente, “IA + trading” não deve ser entendido diretamente como renda estável.
• A aparição de impeccable traz outro sinal: ferramentas de IA estão saindo de “consegue gerar” para “gera com melhor julgamento visual e product design language mais consistente”, algo cada vez mais importante para a experiência de produto de desenvolvedores independentes.