Ещё один режет токены агентам 🔪

Lowfat — молодой CLI-тул, который оборачивает команды (git, docker, grep, find, kubectl) и срезает шумный вывод до того, как он улетит в контекст агента. Подключается hook'ом в Claude Code или через shell-init.

Сразу вспоминается RTK — тот же подход «режем вывод CLI ради токенов». Разница в философии:
• RTK — батарейки в комплекте: сотни готовых фильтров на Rust, работает из коробки
• Lowfat — собери сам: ядро тонкое, фильтры пишешь под себя через .lf DSL и плагины

Три уровня агрессии: 🔍 lite (до −60%), 💪 full (до −80%), 🚀 ultra (до −97%).

Но вот подвох, который сразу всплыл в HN-треде:
• цифра «−91%» лукавая — экономия только на отфильтрованном выводе, а не на всём разговоре
• фильтр легко срежет то, что агенту реально нужно
• и главное — снижать токены бессмысленно, если LLM из-за этого перестаёт решать задачу

Замеряем токены, а замерять надо качество. 🧠

https://github.com/zdk/lowfat

Ну что я могу сказать? Магии не случилось. Я хотел сделать держатель для iPhone над монитором, потому что часто использую Continuity Map, точнее, камеру, но проект не удался. Пока что получился «каменный цветок»; в принципе, я не особо готовил промпт, а просто сказал: «Вот хочу такую‑то штуку».

Но с первого промта эта штука не заработала. Продолжаю экспериментировать.

Если понадобится, я использовал claude code + openscad

🧠 Память для агентов, которая умеет забывать

YourMemory — локальный слой памяти для AI-агентов, который не копит всё подряд, а осознанно прунит лишнее. Главный тейк проекта: агентная память — это проблема забывания, а не хранения.

Память живёт по кривой Эббингауза: стратегии держатся ~38 дней, факты ~24, провалы ~11 — когда «сила» падает ниже порога, оно само дропается. Поверх — гибридный поиск: вектора плюс обход графа, чтобы вытащить связанное, чего в запросе и не было.

Чем отличается от популярных решений:
• Mem0 / Zep — копят и достают по релевантности, контекст со временем замусоривается 🗑️
• Letta (MemGPT) — память руками, тут же всё само
• claude-mem — авто-логирует сессии в архив, но забывать не умеет — копит
• agentmemory — save/recall по MCP, та же логика хординга без затухания
• на LoCoMo-10: 59% против 53% у Mem0 и 34% у плоских векторов

Всё локально, эмбеддинги не утекают, по MCP с Claude Code, Cursor, Windsurf, Zed.

https://yourmemoryai.vercel.app/

Свой NotebookLM на своём железе 🧠

Open Notebook — open-source альтернатива Google NotebookLM, которая крутится локально. Сидел на ноутбуке от гугла, но пускать туда приватные доки не хотелось — нашёл вот это.

Что умеет:
🔍 жрёт PDF, видео, аудио, веб-страницы, офисные доки
🧠 18+ провайдеров AI на выбор — OpenAI, Anthropic, Ollama, локальные модели
🎙️ генерит подкасты на 1-4 голоса (у гугла залочено на 2)
💾 full-text и векторный поиск по всему контенту, чат с цитатами из источников

Стек: FastAPI + Next.js + SurrealDB, лицензия MIT. Два режима — Chat для диалога и Ask для быстрого одного вопроса.

Все данные у тебя на машине. Без облака, без vendor lock-in. 🚀

https://github.com/lfnovo/open-notebook

Решил я тут поиграться с новой моделью Fable, но, кажется, она даже нормально генерирует то, что мне нужно.

Посмотрим, как это сконвертируется и распечатается.

Даже распечатал нормально
Однако я накосячил с размерами
Пошёл купил штангенциркуль
Установил правильные размеры
И все нормально распечаталось

Claude ревьюит, Codex чинит 🤝

Dark Flow — мой воркфлоу-слой для Claude Code. Запилил поддержку Codex — теперь два агента работают в паре.

Как устроено:
🧠 Claude крутит ревью и аналитику, находит проблемы и заводит gh issues со статусом status:proposed
✅ ты аппрувишь нужные — ставишь status:approved
🔧 Codex подхватывает approved-задачи и разбирается с ними сам

Фишка в том, что инсайты больше не теряются между сессиями — всё оседает в gh issues, а агенты делят роли: один думает, другой кодит.

Под капотом: 5-слойная структура доки, GitHub API, веб-дашборд на localhost:5555 для триажа без терминала.

https://github.com/alifanov/darkflow

На чём реально шипят indie-проекты 🔍

StackScope — прокраулил 42k+ запусков с Product Hunt, Show HN и PeerPush и показывает, что у каждого под капотом: хостинг, фреймворки, CDN, security-заголовки, следы AI-генерации.

Сделано на .NET + Playwright, со своим каталогом фингерпринтов — не тащит чужие базы, рендерит реальную страницу.

Что вылезло из 42 169 запусков:
• треть indie-проектов живёт на Vercel 🚀
• Tailwind у 56%, React 36%, Next.js 35%
• Cloudflare как CDN у 39%
• 1272 проекта одновременно блокируют AI-ботов и при этом выкладывают llms.txt — сами себе противоречат 🤔

Фишка в том, что есть Launch Readiness Check — можно прогнать свой домен и глянуть, что палится наружу.

https://stackscope.dev/

🧠 Своя память для экрана — локально

ScreenMind — пишет всё, что происходит на экране, и даёт по этой истории семантический поиск и чат. Локальная приватная альтернатива Microsoft Recall и Rewind (тот самый, что был популярен на маках), только без облака.

Vision-модель крутится на каждом скриншоте прямо у тебя — хватает 4GB GPU.

Как устроено:
🔍 EasyOCR вытаскивает текст со скрина
🧠 Gemma 4 E2B через llama.cpp понимает картинку + текст вместе
💾 MiniLM делает эмбеддинги, SQLite FTS5 индексит всё для быстрого поиска

Фишка в том, что захват по изменению контента, а не каждые N секунд — не пишет одно и то же. Три режима: Fast ~12с, Balanced ~40с, Accurate ~76с с ризонингом.

Сверху — чат с историей через RAG, транскрипция встреч, аналитика фокуса и MCP-сервер для Claude/Cursor/VS Code.

Всё на Python + ванильный JS, без билд-степа. Без облака, без подписки.

https://github.com/ayushh0110/ScreenMind

🧠 ScreenMind у меня не взлетел

Тот самый ScreenMind, про который я писал — локальная память экрана с семантическим поиском по всему, что было на мониторе. Поставил, погонял — у меня так и не заработал.

Но сама концепция кайфовая: локально следить за экраном и складывать всё в структурированную историю. Без облака, всё у себя. 🔍

Думаю, надо подождать и через какое-то время попробовать ещё раз. А если не пойдёт — опишу уже свой.

Возможно, ресурсов компа пока тупо не хватает, чтобы тащить всю эту обработку локально. Но это вопрос времени — глядишь, дропнут ещё более оптимизированную модельку. 🤞

https://github.com/ayushh0110/ScreenMind

🧠 Пощупал graphify на своём репо

graphify — тул, который превращает любой инпут (код, доки, статьи, картинки) в персистентный граф знаний и даёт по нему искать, строить пути и объяснять связи.

Поставил, погонял на своём проекте. Что зашло:

🔍 Когда что-то ищет — находит реально быстро и метко, это есть.
📋 Концепт огонь: один раз построил граф, дальше гоняешь запросы поверх.

Но пока есть вопросики. По дебагу вижу кучу вызовов на исследование репо именно по файлам, а не изнутри графа — хотя сам вызов graphify тоже проскакивает. И непонятно, даёт ли это прям существенный профит на реальных проектах. 🤔

Думаю попробовать его на своей базе знаний, а не на коде — там, возможно, эффект будет сильно нагляднее. Глядишь, и пойму, ради чего всё это.

https://github.com/safishamsi/graphify

🧠 Ferrix AI: агенты берут PM-рутину на себя

Ferrix AI — agentic-платформа для product-команд. Собирает фидбек, usage-данные, ревенью и маркет-ресёрч в одну систему, анализирует сигналы и советует, что строить дальше — с обоснованием и ожидаемым результатом.

После твоего approve агенты сами генерят спеки, acceptance criteria, планы релиза и коммуникации для стейкхолдеров.

🎯 Фишка:
— Интеграции со Slack, Discord, Intercom, Zendesk, HubSpot, Jira, Linear, GitHub Issues, Gong
— PM всё ещё ревьюит и решает, но рутина уходит агентам
— PII чистится перед обработкой, данные не используются для обучения моделей

Бета бесплатная.

https://ferrix.ai/

Контекст-роутер для агентов 🧠

Ctx — подгружает в контекст только те инструменты, что нужны прямо сейчас, а не все тысячи разом.

Проблема знакомая: 91K+ скиллов, 10K+ MCP-серверов, сотни агентов. Закинешь всё подряд — токены сгорают, а модель тонет в нерелевантных тулах. Пробовал держать «всё на всякий случай» — контекст пухнет, толку ноль.

Как работает:
🔍 вешается на хуки Claude Code (PostToolUse, Stop)
📋 сканит репозиторий — понимает, над чем ты работаешь
🔄 гоняет это по графу на ~103K узлов (семантика + теги + оценки качества)
🌟 возвращает топ-10–15 тулов под текущую задачу

Бонусом — конвертит длинные промпты в «микро-скиллы» и следит за дрейфом контекста через локальный дашборд.

По сути динамический роутер: не «загрузи всё», а «загрузи нужное».

pip install claude-ctx

https://github.com/stevesolun/ctx

Скилл для ленивого сеньора 🧠

Ponytail — заставляет AI-агента думать как самый ленивый сеньор в команде: лучший код — тот, который ты не написал.

Идея простая: перед тем как нафигачить код, агент идёт по лесенке и останавливается на первой ступеньке, что держит:
🔍 это вообще нужно? → нет: скипаем (YAGNI)
📋 stdlib умеет? → берём
🔄 нативная фича платформы / уже стоящая зависимость? → берём
🌟 в одну строку? → в одну строку

Ленивый, но не безалаберный: валидацию на границах, потерю данных, безопасность и доступность под нож не пускает.

Цифры на 12 фичах: ~54% меньше кода (местами до 94%), ~20% дешевле, ~27% быстрее. Меньше кода — меньше токенов — дешевле API.

Работает с Claude Code, Codex, Cursor, Copilot и кучей других. Закинул на пробу — агент реально перестал over-инжинирить.

https://github.com/DietrichGebert/ponytail

🐡 Sakana Fugu — одна моделька рулит всеми

Fugu от японской Sakana AI — мультиагентная система, которая прикидывается одной моделью. Шлёшь запрос на один эндпоинт, а Fugu сама решает: ответить сразу или собрать команду экспертных моделей и скоординировать их.

Фишка в том, что Fugu сама — это LLM, обученная понимать, когда делегировать и как склеить результаты в один надёжный ответ.

Что умеет:
🧠 динамический роутинг — если провайдер прикрыл доступ, Fugu пробрасывает запрос в обход
🔄 swappable агенты — пул моделей под капотом меняется целиком
🔌 один OpenAI-compatible эндпоинт на оба тира

Два режима: Fugu (быстрый, для кода и чатботов) и Fugu Ultra (для ресёрча и сложных задач, тянет на уровне Fable 5).

По ранним экспериментам code review у Fugu выходит лучше, чем у нативных монолитных моделей — и она дольше держит длинные многошаговые задачи.

https://sakana.ai/fugu-release/

Recall — память проекта для Claude Code 🧠

Задолбался каждую сессию заново объяснять Claude Code, что за проект и где что лежит? Recall чинит ровно это — локально пишет память проекта в .recall/ и подкидывает её агенту на старте.

Как работает:
🔍 хуки SessionStart / Stop сами ловят сессию — пишут history.md (лог) и context.md (сжатая выжимка: цели, изменённые файлы, команды, git-статы, next steps)
💾 саммаризация локальная — TF-IDF + TextRank на питоне, без LLM-вызовов, так что кредиты подписки не жрёт
🆕 ставится в одну строку: /plugin marketplace add raiyanyahya/recall

Чем отличается от других «памятей»:
🔄 claude-mem — LLM генерит наблюдения + строит поисковый корпус/граф знаний: мощнее и семантичнее, но тяжелее и палит токены
🔄 agentmemory — семантическая память через MCP, save/recall наблюдений с эмбеддингами
🔄 trk / icm — трекинг контекста через внешний сервис/MCP-слой

Recall на их фоне — самый тупой и быстрый: никаких эмбеддингов, LLM и MCP, просто extractive-выжимка в markdown. За это и берут.

Фишка в том, что всё офлайн — ничего не уходит с машины, плюс секреты редактятся перед записью. Контекст ~1-2K токенов, цепляется поверх CLAUDE.md и --resume.

https://github.com/raiyanyahya/recall

🧠 Свой Jarvis поверх Claude Code

Решил собрать свой AgentOS (agentic operating system) — личного ассистента. Многие строят его на Hermes или OpenClaw, но мне они целиком не нужны: взял за основу Claude Code и достраиваю поверх.

Минимальная база, которая закрывает почти все мои use-кейсы:

🔍 Память — через graphify: быстрый поиск по графу знаний, по фактам и связям, а не по плоскому тексту.

🔌 MCP для данных — например, почта в read-only. Чтобы ассистент сам доставал инфу: банковские выписки, результаты анализов и прочее.

🔄 Крон — периодический запуск задач по расписанию.

Всё. Остальное пока избыточно — может потом что-то ещё добавится.

https://claude.com/claude-code

🎨 Taste — вкус для Claude Code

Знакомая боль: просишь LLM сверстать лендинг — получаешь шрифт Inter, фиолетовый градиент на белом и ноль анимаций. Тот самый AI slop, который видно за километр. Модель тянет из самого вероятного центра датасета.

Taste skill — это слой «сеньор-дизайнера» поверх Claude Code, который выбивает его из этого центра.

Внутри три крутилки:
🎛 design variance — насколько асимметрично (дефолт 8)
⚡️ motion intensity — сколько анимаций (6)
📐 visual density — сколько инфы на экран (4)

Плюс готовый стек из коробки: Next.js, Tailwind, Framer Motion, Radix. Строгие правила на типографику, калибровку цвета и тёмную тему по умолчанию.

Ставится одной строкой: npx skills add https://github.com/Leonxlnx/taste-skill 🚀

Работает в трёх режимах: сгенерить новый UI, перекрасить существующий или просто дать совет по дизайну.

https://github.com/leonxlnx/taste-skill

Mac не спит — но только пока работают агенты 🌙

Помнишь волну фоток, где инженеры таскают по кафешкам приоткрытые макбуки? Закрыл крышку — система ушла в сон, и агент посреди сессии умер. Adrafinil чинит ровно это.

Menu bar app для macOS: держит Mac бодрым при закрытой крышке (clamshell) — но только пока хотя бы один AI-агент реально работает. Закончил — ноут сразу засыпает. Полная противоположность caffeinate и Amphetamine, которые держат машину включённой вечно.

🔌 хуки для 9 агентов из коробки — Claude Code, Codex, Cursor, Gemini CLI, Aider…
⚡️ CLI adrafinil acquire/release <50мс
🧠 reference-counted ассершены — сон разблокится на последней сессии
🌡️ thermal cutout — перегрелся в рюкзаке, уснул сам

Привилегии изолированы в крошечном root-хелпере. Open source (MIT).

https://github.com/kageroumado/adrafinil