3csssss023423

Такие компании как OpenAI, Anthropic, Google выдают онлайн-сертификаты, чтобы подтвердить, что человек шарит в ИИ. Просто регаетесь на площадке, выбираете курс и тыкаете готовые ответы.

На все про все уходит от получаса до шести часов.

На фига это нужно?

Посмотрите график:

То есть работодателям нужны люди, которые умеют работать с ИИ. А сертификат позволяет хотя бы сделать вид, что ты один из них.

Прикол в том, что ИИ может получить сертификат за человека.

Да да.

Просто кидаете ИИ-агенту ссылку.

Он проходит курс на 100%.

Опля!

И вот онлайн-сертификат Anthropic у вас в кармане.

Мама гордится, HR впечатлен.

Сегодня я запустил Codex (у меня обычная подписка Plus), отправил ссылку на курс ИИ-агенту, и, пошел варить борщ на кухню.

Через 6 минут сертификат был готов.

Так это выглядит:

По результату выдается персональная ссылка.

Ну и конечно, онлайн-сертификат можно подвязать к HH, Linkedin и другим площадкам по поиску работы:

Таких сертификатов можно нагенерить сотни.

Я не призываю коллекционировать сертификаты вместо знаний.

Если ищите работу, на собеседовании вместо вас агент не пойдет. Там опытные дяди и тети попросят решить реальную задачу, и вся эта коллекция красивых фантиков не спасет. Так что я за то, чтобы добывать знания самому.

Если у вас бизнес, просто знайте, что теперь сертификатам грош цена и их может получить любой новичок. Просите кандидата показать, что он умеет делать, а не сколько сертификатов он успел насобирать.

1. Что потребуется

Codex, Claude Code, OpenCode или любая другая платформа с ИИ-агентом, который умеет работать с браузером. В нашем случае потребуется открывать курсы, изучать материалы и проходить тесты.

Я использовал обычную подписку ChatGPT Plus за две тысячи рублей, ее можно использовать в Codex.

Также нужно зарегистрироваться на платформе, где вы будете проходить обучение (тьфу, не вы а ваш агент!). Например, OpenAI Academy, Claude Academy, Google Skills, Hugging Face, Microsoft Learn и другие. Регистрация бесплатная, достаточно электронной почты.

Я собрал 360+ бесплатных курсов по ИИ от разных забугорных компаний:

Забрать файл здесь →

или тут

Внутри топовые курсы от OpenAI, Anthropic, Google, Microsoft и других.

Есть обучение для новичков и продвинутых, от простого промптинга до разработки ИИ-агентов. Впрочем, побаловавшись с сертификатами, я все же рекомендую пройти парочку курсов самостийно, так вы получите реальные знания по нейросетям.

Так выглядит таблица:

2. Ваши первые сертификаты

Давайте начнем с первых 5 сертификатов.

Через 30 минут, не ударив палец о палец (ну почти), вы получите 5 сертификатов Anthropic на искусственный интеллект.

Итак, сначала запустите терминал с ИИ-агентом.

Я буду показывать на примере Codex (скачать тут).

Выберите режим “Codex”.

На главной странице в правом верхнем углу нажмите на иконку, раскрывающую вторую вкладку терминала.

Здесь браузер.

Вставьте ссылку на курс в адресную строку и авторизуйтесь.

Агент получит доступ к вашему аккаунту и сможет открывать уроки, проходить тесты, сохранять результат обучения, если не прошел до конца. После того как агент закончит, вы сможете посмотреть полученные сертификаты, скопировать ссылку на них.

В диалоговом окне терминала выберите:

• Подтверждать за меня

• GPT-6.1 Sol (Легкий режим)

Вставьте запрос:

Пройди курс до конца, я уже авторизовался в твоем локальном браузере - [ссылка на курс].

Модели отличаются мощностью и расходом лимитов.

GPT-6.1 Luna - самая экономная для простых тестов, Sol - оптимальна для большинства курсов, Astra подойдет для сложных задач, но расходует токенов больше. Начните с Sol в легком режиме, а если агент застрянет повышайте уровень

Дальше агент сам откроет уроки, изучит материалы и пройдет тесты:

Через 6 минут - готово!

Тест сдан на 10 из 10, сертификат Anthropic на мое имя получен.

Ого, это что ж я теперь официально разбираюсь в ограничениях нейросетей? Да. По крайней мере у меня есть доказательство что, так считает Claude Academy😁.

То же самое я сделал с Google Skills, Microsoft Learn, OpenAI Academy. Где-то процесс получения сертификата занимает больше времени, где-то меньше.

Если сертификаты теперь может получить ИИ, какой в них вообще смысл?

Да, проблема есть.

Представьте двух кандидатов. Один месяц учится, второй за вечер собирает десяток сертификатов с помощью агента. На бумаге оба молодцы. Оба устраиваются на работу, но из-за второго работодатель рвет волосы у себя на голове, ведь тот ни бум бум в нейронки или другие навыки.

Что делать?

На мой взгляд, сертификаты изжили себя как эпоха.

Их надо отменять, либо менять сам принцип проверки.

У меня все.

Учитесь сами. Агентам оставьте рутину.

Спасибо, что дочитали

Присоединяйтесь к ✨19 000+ подписчиков в телеграм-канале Бегин (или макс-канал), где я выкладываю разборы ИИ-бизнеса.

На днях я выложил большой разбор вайбкодинг-стартапов Cal AI, Rork и Base44 и рассказал как 70-летний пенсионер нагенерил 445 книг с помощью ChatGPT и почему таких «писателей» становится больше.

17-летний школьник собирает ИИ-счетчик калорий на $30+ млн годовой выручки. Два иммигранта с долгами собирают конструктор мобилок и им прилетает $2.8 миллиона. Соло-фаундер в одну каску вайбкодит аналог Lovable, а через полгода продает его Wix за $80 млн.

Смотришь на такое.

И вывод напрашивается сам собой.

Ну все, открываю Claude Code.

Генерю SaaS за выходные.

Пуляю в соцсети.

Хлобысь! Поперло. Собираю 5 лямов уже на посевной!

Прикол в том, что в таких историях есть подвох.

Из них вырезают скучные детали: годы опыта, предыдущие проекты, собственные деньги, сильную команду, связи со стартаперами.

Я взял три нашумевшие истории успешного успеха вайбкодинга Cal AI, Rork и Base44 и попробовал понять в чем фишка этих ИИ-сервисов, что осталось за кадром и почему у них это вообще поперло.

На днях я также разобрал как 70-летний пенсионер нагенерил 445 книг с помощью ChatGPT и почему таких “писателей” становится больше. А тут разнос красивой истории о том, как 23-летний студент бросил универ и создал ИИ‑помощника за $2.5 млрд. Приглашаю к чтению.

Давайте уже начнем.

1. Cal AI

Красивая история

17-летний школьник Зак Ядегари раскрутил ИИ-счетчик калорий Cal AI до $30+ млн годовой выручки и 15+ млн скачиваний. Уже через восемь месяцев приложение приносило $2+ млн в месяц. В итоге MyFitnessPal, главный тяжеловес рынка, купил Cal AI, оставив Ядегари руководить продуктом. Сумму сделки не раскрыли, но в стартап-среде называли девятизначную сумму, то есть $100+ млн.

Что за продукт

Cal AI считает калории в еде.

Просто фоткаете тарелку, нейросеть сама распознает продукты и считает калории, белки, жиры, углеводы. Если приложение насчитало лишнего, результат можно поправить. Отдельно можно следить за весом в журнале, получать рекомендасьон по питанию от ИИ, есть интеграции с Google Fit и Apple Health.

Под капотом нет собственной нейросети, которая десять лет училась отличать пельмени от хинкали. Cal AI использует модели OpenAI и Anthropic, добавляет RAG (поиск во внешней базе) и подтягивает данные из открытых источников с пищевой ценностью кушаний. После покупки MyFitnessPal к приложению еще прикрутили и его справочник на 20 млн продуктов, 68.5 тыс. брендов и блюда из 380+ ресторанных сетей.

Ценность Cal AI в том, что человек больше не должен записывать все съеденные блюда в эксель-табличку или приложение.

Сидишь завтракаешь, достал телефон, кликнул АмкаApp, забил ручками название каши, вес, порцию. И так по пять раз на день. Со штрихкодами стало проще, но домашний суп, салатик из кафе или тарелку плова так уже не пропикаешь.

Счетчики калорий существуют черт знает сколько лет.

Но Cal AI выкинул из прежней схемы всю возню.

Да иишка может промахнуться с размером порции и калорий, но большинству людей такая лабораторная точность ни к чему. Им нужно примерно понимать сколько они съели сегодня.

То есть Cal AI взяла старую головную боль (считать калории), которая годами упиралась в человеческую лень, и с помощью ИИ убрала самый бесячий шаг, где пользователь обычно сдавался.

Идея “сфоткай тарелку - получи калории” давно не уникальна. В 2026 году существуют Foodvisor, SnapCalorie, BiteSnap, Lose It!, MyFitnessPal и другие. У некоторых распознавание даже точнее или навороченнее. Но именно Cal AI разогнали до 15+ млн скачиваний. Значит, дело было явно не только в технологии

Что осталось за кадром

История Cal AI далека от глядите он собрал все за выходные и полетело.

Зак Ядегари кодил с десяти лет.

В девятом классе юный кодер запустил Totally Science - сайт с играми для школьников, который дорос до 5+ млн пользователей. Основной трафик шел из органических тикток-видео. Дальше сайт кочевал уже внутри школ по сарафанному радио. В итоге, Зак продал первый проект почти за $100 тыс, а часть денег вложил в следующий.

То есть уже на заре младых лет Зак Ядегари не только умел в разработку, но и понимал какой продукт зайдет людям и умел его разгонять. Кстати, позже он вложит в Cal AI около $130 тыс своих денег. Отсюда мы видим, что калорийный счетчик, окромя опыта основателя, стартовал еще и с деньгами.

Зак Ядегари и его Totally Science - сайт с играми для школьников (архив сайтов). Современная версия сайта на TotallyScience.co

Cal AI основали четверо в 2024 году.

Зак Ядегари, его друг Генри Лангмак, спец по вирусным приложениям Блейк Андерсон и Джейк Кастильо, который отвечал за продвижение у блогеров. Роли быстро поделили. Зак рулил компанией, Генри собирал продукт, Блейк отвечал за стратегию, а Джейк построил маркетинговую машину - инфлюенсеры, переговоры, закуп рекламы, анализ кликов, вся кухня, без которой не поднять первые охваты.

Блейк тут особенно интересный персонаж.

До Cal AI он уже запускал RizzGPT и Umax (вместе 13+ млн скачиваний), поэтому в команду пришел человек, который хорошо знал, как создавать и разгонять массовые мобильные приложения.

Джейк Кастильо (внизу справа), Блейк Андерсон (вверху справа), Генри Лэнгмак (вверху слева), Зак Ядегари (внизу слева). Зак сам нашел Блейка Андерсона через X, потому что хотел понять, как тот разгонял Umax и RizzGPT. Сначала они просто обсуждали стратегии роста, а потом Блейк вошел в Cal AI как сооснователь

К марту 2025 года в Cal AI работали уже восемь человек фуллтайм.

Разработчики, дизайнер и соцмедиа-команда. К моменту покупки появились подрядчики, штат вырос примерно до 30 человек.

Что получается.

Часто над молодым стартапом работает один основатель. Нет стартовой суммы или просто не с кем. И он делает все: от ТЗ на функционал и покупки рекламы до вайбкодинга в перерывах между работой и по ночам. Что не есть хорошо.

По данным CB Insights, у 70% закрывшихся стартапов в итоге заканчиваются деньги. Слишком долго пилят продукт (по факту никому не нужен), не находят нормальную бизнес-модель, косячат со временем выхода на рынок, тратят слишком много денег на рекламу

А в Cal AI еще на ранней стадии было понятно, кто отвечает за продукт, кто за стратегию, кто за маркетинг. Поэтому, команда могла одновременно пилить приложение, тестировать блогеров, считать метрику и быстро докручивать то, что людям нравится.

Ну и наличие опытных спецов сильно сократило число тыков вслепую. Новички-основатели, как правило, бьются лбом обо все подряд как слепые котята, а тут часть граблей команда уже знала поименно.

Для стартапа это жирная фора.

Пост Джейка Кастильо о PR-стратегии Cal AI. Основатели сознательно сделали Зака главным лицом компании. История 18-летнего CEO давала прессе сильный сюжет, а остальные сооснователи не размывали этот образ (Джейк Кастильо)

Отдельная история про маркетинг.

Блогеров отбирали жестко.

Начали примерно с пяти новых авторов в неделю. Потом дошли до десяти, затем двадцати. По словам Джейка Кастильо, они просмотрели больше 10 тыс авторов, а сделки заключили только с 300+ человек.

Почему так?

Банально не хватало денег.

Первые месяцы Cal AI платил блогерам вперед, а деньги от Apple приходили с задержкой. При этом сами основатели сидели без зарплаты.

Большой рывок в продвижении дал фитнес-блогер Алекс Юбэнк. Реклама у него стоила дороже, чем у Cal AI тогда вообще было денег на банковском счету. Рискнули. Креативы людям зашли, появилась выручка и, что не менее важно, доверие других блогеров. После этого следующих блогеров стало подписывать намного проще.

Из этого мы видим, что вирусность Cal AI была не подарком алгоритмов.

Ее методично собирали руками.

Причем нехватка денег, как мне кажется, тут даже сыграла на руку.

Когда бюджет ограничен, ты лучше считаешь, кто из блогеров реально приводит установки и оплату подписки. Это заставило команду быстрее разобраться, какая реклама реально двигает продукт, а какая просто хорошо выглядит в отчетах.

Джейк Кастильо писал, что Cal AI чуть не умер до того, как о нем вообще узнали. Apple задерживала выплаты: сначала из-за двухмесячного лага, потом из-за проблем с банковским аккаунтом — двум сооснователям было меньше 18 лет. Четыре месяца команда платила блогерам вперед, не получила от Apple ни доллара и каждую неделю занимала деньги, чтобы продолжать работу. Когда выплата наконец пришла, всю сумму в тот же день поставили на одного блогера - Алекса Юбэнка

И эта фора быстро материализовалась в цифры.

К началу 2025 года Cal AI уже разогнали до 5+ млн скачиваний, $2+ млн выручки в месяц и 30%+ удержания. Причем росли на рынке, где уже сидел MyFitnessPal - здоровенный ветеран с многолетней историей, раскрученный бренд и огромная база пользователей.

Дальше показательно.

MyFitnessPal постоянно мониторил рынок через Sensor Tower. Параллельно сам Ядегари перед поступлением в колледж закинул удочку потенциальным покупателям и в мае 2025 года вышел на MyFitnessPal. С первого раза не срослось, но контакт сохранили.

Переговоры тянулись почти год.

Покупали уже не аморфную идею, а конкурента, который вплотную подобрался к MyFitnessPal в чартах своей категории и начал оттяпывать у него аудиторию.

За неполные два года Cal AI дошел до 15+ млн скачиваний и $30+ млн годовой выручки. Позже TechCrunch писал уже о $50 млн ARR (годовая выручка при текущем темпе). После сделки MyFitnessPal не стал растворять стартап внутри себя. Cal AI сохранили отдельным приложением, команду не тронули, а Зака Ядегари оставили у руля.

Первые 12 месяцев дохода Cal AI (Джейк Кастильо)

Что на самом деле обеспечило успех

Если убрать школьника, миллионы и нейросети, Cal AI это классическая история хорошего бизнеса.

Во-первых, ребята выбрали старую боль с огромным рынком.

Ядегари говорил, что идея родилась из личного раздражения, он сам считал калории и это была какая-то мутотень.

Cal AI не пришлось объяснять людям, зачем им следить за едой.

Они просто упростили эту задачу.

Второе - продукт сразу строили под вирусное продвижение.

Главная фишка понятна даже ребенку. Навел камеру и на тебе калории. Для TikTok и Reels идеальная механика, есть сильный хук (зацепка) - интересно, сколько Cal AI насчитает бургеру, плову, а домашнему борщу? Зрители спорят в комментариях, потом идут проверять собственную тарелку. Сам Ядегари говорил, что думал о продукте вместе с маркетингом, а не по избитой схеме “сначала сделаем, потом придумаем, как это продавать”.

Чем меньше ручной возни, тем дольше люди вообще считают калории и не бросают приложение. В одном исследовании при упрощенном учете пользователи записывали еду в 97% дней, а при подробном подсчете - только в 49%. Проще говоря, чем меньше тыкаешь руками, тем меньше шансов, что на третий день скажешь “да ну его на хрен!”

Третье - сильная команда. До Cal AI Зак и его тимур-команда запустили пять приложений. Какие именно, он не перечисляет, но смысл понятен, счетчик калорий это не первый удачный эксперимент.

И еще важная деталь.

Cal AI использовал готовые модели OpenAI и Anthropic, RAG и открытые базы. Похожую функцию уже имели конкуренты. Значит, преимущество было не в доступе к какой-то секретной технологии, а в том, как эту технологию завернули в продукт и довели до миллионов людей.

2. Rork

Красивая история

Два иммигранта в США, почти без денег, по $15 тыс долгов у каждого на кредитках, создали ИИ-конструктор мобильных приложений Rork, который всего за два месяца дошел до $550 тыс ARR (годовая выручка при текущем темпе) и привлек $2.8 млн инвестиций.

Все перевернул один пост.

Известный стартапер Мэтт Шумер написал, что у него “отвалилась челюсть”, когда он собрал в Rork готовое iOS-приложение без строчки кода и заявил, что уже вложился в продукт.

Пост набрал 1+ млн просмотров.

Через 15 минут в Rork прилетел первый чек на $100 тыс. К концу дня инвесторы занесли уже $350 тыс.

В итоге Rork взял под крыло a16z - один из самых известных венчурных фондов Кремниевой долины, который и возглавил раунд на $2.8 млн. Это уже не просто деньги, а вход в высшую лигу стартапов: связи с фондами, новые инвесторы, сильные фаундеры, то есть целая тусовка людей, разгоняющих компании до сотен миллионов долларов.

Что за продукт

Rork собирает мобильные приложения по промту.

Например, вам нужен дневник для тренажерного зала с подпиской, кабинетом и чтобы сразу был хостинг и вход через Google. Rork сам генерирует интерфейс, код, подключает серверную часть, платежи, уведомления. У вас будет готовое приложение для iPhone и Android, их можно тестить и публиковать в App Store и Google Play.

На момент запуска рынок уже увидел Lovable и Bolt, которые превращали обычный запрос в сайт или веб-приложение.

Но мобилки оставались более геморной территорией.

Там мало просто нагенерить код.

Нужно было собрать приложение под iOS или Android, проверить ошибки, прогнать на устройстве, настроить сборку, подписи, аккаунты разработчика, TestFlight, App Store Connect и еще ведро настроек, о которых обычный человек думать не хочет.

Пример работы Rork. Пользователь описывает идею приложения, отвечает на несколько вопросов, и ИИ-конструктор сразу собирает интерфейс и серверную часть

Сами основатели Rork Леван Квирквелия и Даниэль Дхаван говорили, что мобильная разработка в десять раз сложнее веба.

А значит, ниша мобилок была заметно свободнее веба.

И вместо того, чтобы повторять еще один Lovable, ребята полезли туда, где боль была сильнее, а конкурентов меньше.

И чего уж там, им открылись не хилые перспективы.

Раньше мобилка имела смысл для компаний со своими разработчиками, ну или если вы сами могли все собрать руками.

А вот условному тренеру, врачу или маленькой мастерской по ремонту велосипедов iOS/Android-разработка была не по карману. Нужно было нанять программиста или студию, потратить тысячи долларов, потом еще поддерживай это хозяйство. Ради приложения с узкой аудиторией на 1-5 тысяч человек математика явно не сходилась.

Соло-фаундеры уже не про “маленький проект на коленке”. По данным a16z, за два года их доля среди бизнесов с доходом выше $5 млн выросла примерно втрое. Думаю, Rork ставит на то, что ИИ таких одиночек будет плодить еще больше

Rork сильно снизил порог входа.

Теперь самозанятый учитель английского платит $25 в месяц и за вечер собирает свое мобильное приложение с уроками, домашками и платежами. Раньше такие проекты оставались просто идеей.

Отсюда и вторая сильная сторона продукта.

Rork позволяет дешево проверять идеи.

Не нужно три месяца пилить MVP. Быстро собираешь приложение, отдаешь первым клиентам и смотришь, нужна эта штука или нет.

То есть Rork расширяет рынок сразу в две стороны: новичку дает вход туда, куда раньше без разработчика нечего было и соваться, а профессионалу экономит время на рутине.

В итоге Rork сильно удешевил путь от идеи до приложения в телефоне.

А значит у людей появился смысл делать свои узкие продукты, на которые раньше никто бы не стал тратить деньги и время.

Следовательно, появился смысл платить Rork.

Rork сейчас разгоняет историю 18-летнего Джорджа Лампропулоса: до этого он не умел кодить, за месяц собрал Wrestle AI, вышел в App Store и за полгода сделал $131 863 выручки при расходах около $1100. Для Rork это идеальный маркетинг: не рассказывать, что сервис умеет, а показывать, сколько на нем уже заработал новичок

Что осталось за кадром

Самое забавное, что “два парня в долгах, которые нащупали золотую жилу”, так-то давно крутились в мобильной разработке.

Даниэль Дхаван уже запускал приложения с шестизначной годовой выручкой и доходил до второго места в App Store. Леван Квирквелия еще в 17 лет собрал приложение на 2+ млн пользователей, шестизначный ARR и первое место в App Store.

Почему они оказались на мели?

До Rork парни запустили три проекта на свои деньги.

Все провалились.

То есть сначала у каждого были свои успешные приложения. Потом они начали запускать проекты вместе и три раза подряд промахнулись.

На это и сожгли деньги.

Например, один из проектов был чем-то вроде Cursor.

На эту идею они спустили большую часть денег, заработанных на предыдущих приложениях. Прототип уже был готов, когда вышел Lovable и тут же завирусился. Но Rork конкуренцию бы не вывез.

Команда Rork в офисе. Сан-Франциско, 2026 г.

***

Вы дочитали до середины, а это значит, вам нравится, что я делаю. Присоединяйтесь к 19+ тыс подписчиков в телеграм-канале Бегин (или макс-канал), где я выкладываю разборы ИИ-бизнеса каждую неделю.

Продолжим.

***

Квирквелия предложил вернуться к тому, что они знали лучше всего - мобильные приложения. Так и родилась идея Lovable для мобилок.

По сути Lovable сэкономил им еще одну пачку денег или они вовсе бы загубили проект, пытаясь догнать конкурента в разы их сильнее. К тому моменту Lovable уже влетел на первые места Product Hunt и за несколько месяцев набрал 500 тыс пользователей. Догонять такого зверя было бы тоже самое как догонять поезд на самокате.

Впрочем, первый публичный запуск Rork тоже провалился.

Инвесторы слали отказ за отказом (позже Дхаван скажет, что их побрили 200+ инвесторов), а счета за ИИ они продолжали оплачивать со своих и залезли в кредит. Так и набежали те самые $30 тыс долга.

Но один человек за Rork все же вписался.

Это был Мэтт Шумер.

Он попробовал продукт, вложился, а потом публично написал, что Rork по всем фронтам уделывает Bolt (это похожий сервис, вышел в то же время). Пост набрал миллион просмотров.

Когда трафик рванул и у парней почти закончились деньги на оплату ИИ, Шумер уже лично вместе с Дхаваном обзванивал инвесторов, чтобы Rork не захлебнулся в собственном росте и у команды хватило денег оплачивать запросы тысяч новых пользователей.

Вирусный пост Мэтта Шумера о Rork и мобильных приложениях без кода

Выходит, что вирусный пост не был манной небесной.

Шумер разгонял свою инвестицию.

Чем больше людей приходило в Rork, чем громче о нем говорили в соцсетях, тем дороже становилась компания и лучше выглядел его собственный чек. Так что вирусный пост, помимо рекомендации чужого стартапа, был еще и выгодной рекламой своего же актива.

Дальше один из новых ангелов свел Rork с венчурным фондом a16z, и уже через эту цепочку пришел большой раунд на $2.8 млн.

Что на самом деле обеспечило успех

Оба основателя варились в мобильной разработке годами.

У Левана Квирквелия были миллионы пользователей, у Даниэля - приложения с шестизначной выручкой. Деньги после предыдущих проектов были. Но потом ребята сожгли почти все на предшественнике Rork - другом вайбкодинг-продукте в духе Cursor.

То есть к Rork ребята подошли с опытом и мешком шишек.

Когда вышел Lovable они не стали с ним бодаться.

Развернувшись от веба в сторону мобилок, Rork занял тогда еще толком не освоенную конкурентами сложную нишу, где прошлый опыт ребят реально давал фору.

Думаю, это была поворотная точка.

До ИИ мобилка была дорогой игрушкой. По данным Clutch за 2026 год, средний проект мобильного приложения стоит около $91 тыс и занимает примерно 11 месяцев. Для сервиса на пару тысяч пользователей такая математика часто просто не сходится

Большинство фаундеров слишком привязаны к своему продукту (это можно понять, вложены деньги, время, силы). Но эти двое смогли признать, что рынок веба для них слишком жирный, похоронили часть работы и пошли в другую сторону.

Первых юзеров обслуживали сами.

Дхаван онбордил ранних клиентов, а Квирквелия прямо во время звонков исправлял косяки в функционале. По словам Дхавана, работа в поле дала им больше понимания, чем потом месяцы аналитики.

Что касается вирусного поста, то он бы не сработал будь Rork продуктом без реальной пользы. Шумер сначала сам залип, вложился, а уже потом понес Rork в народ, но не только от доброты душевной, но и чтобы заработать на инвестиции в фаворита мобильного вайбкодинга.

К июню 2026 года приложения, собранные через Rork, вместе вышли на $2.1 млн ARR (годовая выручка при текущем темпе), почти 15 тыс. активных подписок и $155 тыс. MRR (ежемесячная повторяющаяся выручка). По сути, Rork уже не просто конструктор, а площадка, где юзеры запускают свои приложения с подпиской

3. Base44

Красивая история

31-летний Маор Шломо в одиночку запустил вайбкодинг-конструктор Base44, а через полгода продал его Wix за $80 млн.

Три недели спустя сервис уже дошел до $1 млн годовой выручки, а к продаже набрал около 250 тыс пользователей и приносил $189 тыс прибыли в месяц чистыми после расходов на LLM.

Причем Шломо не привлек ни доллара венчурных инвестиций. И почти не тратился на рекламу, предпочитая органический трафик в LinkedIn.

То есть один человек, без инвесторов, без рекламы, за полгода собрал и разогнал прибыльный ИИ-сервис с сотнями тысяч пользователей, а потом продал его одному из крупнейших конструкторов сайтов в мире.

Что за продукт

Base44 создает приложения по описанию.

Пишете своими словами, что вам нужно, например, срм систему, трекер задач или админку сайта, ИИ сам собирает логику, интерфейс, базу данных, авторизацию и другие техчасти проекта.

Главная ценность Base44 - человеку с идеей не нужно быть технарем, чтобы получить работающий сервис.

Если раньше нужно было отдельно думать, кто соберет фронтенд и бэкенд, посадит сервис на хостинг и прикрутит платежку, то Base44 схлопывает всю эту кашу в один диалог с ИИ.

Я попробовал собрать CRM в Base44. Описал, что мне нужно, и меньше чем через пять минут получил рабочий прототип с воронкой продаж, карточками клиентов, статусами и сделками. Дальше срм можно докручивать под себя

Да, вайбкодинг сильно упростил разработку.

Собрать код стало легко, а вот довести демку до уровня вот вам ссылка, заходите, регайтесь, платите и ничего не посыпется - все еще нет.

Base44 как раз и полез в это узкое горлышко. Причем еще до Claude Code и Codex, которые появились на 2-5 месяцев позже.

По сути Шломо продавал не ИИ, который умеет в кодинг. Он продавал сокращение пути между у меня есть идея и вот ссылка, платите.

Поэтому, продукт и зашел.

Что осталось за кадром

История Base44 звучит так, будто Шломо однажды сел вечером за ноутбук, навайбкодил конструктор и уехал с $80 млн.

На деле до запуска Base44 Шломо семь лет строил Explorium, другой свой стартап по анализу бизнес-данных. Идею вайбкодинг-конструктора он ковырял и того раньше. Пробовал разные подходы, делал MVP, но все они дохли по дороге и только с нынешними LLM идея обрела смысл.

Тут важно отмотать пленку назад, чтобы понять, откуда у успешного соло-фаундера вообще взялся опыт и сама идея.

Маор Шломо на RAISE в Париже

Итак, в 2017 году Шломо вместе с двумя партнерами запустил Explorium. Сервис помогал компаниям подтягивать внешние данные, чтобы продажники и аналитики лучше понимали своих клиентов и рынок.

Шломо стал CEO, привлекал инвесторов, нанимал команду, выводил сложный B2B-продукт на рынок крупных компаний. Уже к 2020 году Explorium привлек $50 млн, а на следующий год общий объем инвестиций перевалил за $120 млн.

То есть к моменту запуска Base44 Маор Шломо уже лет семь как варился в таком не хилом котле стартаперов. Он знал, как проверить идею, найти первых клиентов, прокачать команду, считать экономику.

Единственно, ему не особо нравилось … быть CEO.

По классике управлять продажами, HR и прочие админские роли.

Больше всего ему хотелось строить продукт.

Шломо, похоже, не зря решил вернуться к разработке продукта после CEO в Explorium. В итоге Base44 меньше чем за два года дорос до 10 млн пользователей в 2026 году. Для сравнения: еще в начале пути он радовался первым 20 тысячам. Масштаб вырос в 500 раз

Поэтому Base44 он изначально запускал от обратного. Без инвесторов, без большой команды, без гонки за инвестициями. Просто сел и начал пилить то, что самому нравилось.

А нормальная версия идеи выросла из одной конкретной проблемы.

У его девушки был небольшой творческий бизнес. Ей нужна была простая CRM и сайт для заявок. Шломо попробовал собрать все это руками в обычном конструкторе и быстро вспотел из-за drag-and-drop экранов, таблиц, настроек и мобилки, которая живет своей жизнью.

При этом он сам программист.

Если даже ему было в лом настраивать этот комбайн под простой бизнес, то обычному человеку там вообще делать нечего.

Нейросети в 2024 году уже умели писать код. Но его нужно было ручками посадить на базу, прикрутить письма, платежи и прочее. То есть ИИ помогал с разработкой, но под ключ проект не закрывал.

Параллельно Шломо помогал с софтом израильскому заказчику и вот во второй раз уже увидел ровно ту же боль.

Сложно, долго, дорого собирать свой проект.

У Юваль Шломо был небольшой бизнес тату-мастера, ей нужна была простая CRM. Маор попробовал собрать клиентскую базу на обычных конструкторах и быстро понял, что даже для программиста это квест с настройками

Первых пользователей он буквально сажал рядом.

Это были трое друзей. Парни не шарили в техническую часть, они хотели просто собрать сервис под свой мини-бизнес. Шломо смотрел, где они тупят, что ломают, и тут же правил Base44.

С рекламой было не очень.

Шломо не хотел лить деньги в платный трафик.

Во-первых, стартап рос без инвесторов. Так что лишнего мешка долларов на эксперименты у него не было.

Во-вторых, Шломо не хотел разгонять маркетинг, хотел убедиться, что продукт реально нужен людям и они сами тащат туда знакомых, потом уже можно думать о платном трафике.

Лучше всего сработал LinkedIn.

Шломо начал публично делиться кухней проекта в соцсети.

Сколько Base44 заработал, сколько пришло юзеров, какие фичи выкатил, что сломалось, куда улетели деньги. В одном посте он хвастался ростом ARR, в другом горевал, как один косяк в системе кэширования сжег ему $20-30 тысяч. Ну и так далее.

Не удивительно, что трафик попер.

Доля уникальных посетителей вайбкодинг-платформ в США, Similarweb. В мае 2025 года Base44 на этом графике еще болтался внизу с несколькими процентами. А в 2026 году уже 36%, выше Lovable и Replit. Расчет Шломо сначала проверить органический спрос, а уже потом разгонять маркетинг сработал

Base44 рос по принципу сарафана. Один человек пришел из поста, собрал приложение, поделился в соцсетях или сказанул другу, это привело двух новых пользователей, те новых четырех и покатило.

Шломо это быстро просек и подкинул дровишек.

Пользователям начали давать дополнительные кредиты, если они рассказывали в соцсетях, что собрали в Base44 или о том, как шла работа над проектом на платформе.

Получился толковый маркетинг.

Чем активнее люди пользовались Base44, тем чаще рассказывали о нем в соцсетях. Кредиты только ускоряли раскрутку. В итоге каждый довольный юзер был еще и халявным способом привлечь следующего.

И последнее.

История про соло-фаундера верна только для старта.

Первые месяцы Шломо реально тащил Base44 в одного, но за полтора месяца до продажи Wix`у начал набирать людей. К сделке в компании уже работали восемь человек, а сам сервис дорос до 250 тыс пользователей.

Отсюда мы видим, что продукт он поднял сам, но вот масштабировать поддержку, разработку и рост пришлось уже нормальной командой.

Вот где соло-режим закончился. Объясняя продажу Wix, Шломо писал, что Base44 вырос до масштаба, который уже нельзя было тянуть органически. Нужны были быстрее разработка, сильнее поддержка и больше ресурсов

Что на самом деле обеспечило успех

Шломо полез туда, где разработка проектов с помощью вайбкодинга уперлась в потолок. ИИ умел писать код, но между генерацией демки и запуском сервиса в боевом режиме все еще торчала куча ручной техвозни с БД, хостингом, платежами, интеграциями.

Base44 закрыл недостающее звено - довести проект до состояния, когда можно запустить людей и брать деньги.

Шломо имел опыт запуска и управления сложным B2B-продуктом.

А значит, он уже знал как проверить идею, строить продукт, искать клиентов, считать экономику. Новичок набивает шишки по дороге, Шломо же набил большую часть на Explorium.

В продвижении не торопился.

Не тащил в народ сырой продукт за уши. Смотрел, где люди тупят, правил функционал, и, раскачав сарафан в LinkedIn, ускорил органический рост за счет кредитов.

Ну и время.

Base44 стартовал в конце 2024 года, когда ИИ уже научился писать код, а рынок вайбкодинга только формировался. Но в отличие от конкурентов Base44 давил на отсутствие настроек и подход под ключ.

То есть Шломо не только попал в удобное окно на растущем рынке, а занял конкретно новый формат ИИ-конструкторов внутри него.

Запускай Шломо тот же Base44 сегодня, пришлось бы туго. В 2026 году рынок уже забит Claude Code, Codex, Lovable, Bubble и другими, а пользователи привыкли, что ИИ собирает почти готовый продукт.

Спасибо, что дочитали

Сооснователь GPTunneL Илья Трикоз навайбкодил аналог Discord за 24 часа. Сам не написал ни строчки кода. Просто отправил ИИ-агентам промт и пошел спать. За ночь 12 агентов собрали сервер, инфраструктуру и само приложение. К вечеру уже работали чаты, звонки, видеосвязь, демонстрация экрана, десктопная и веб-версия приложения. На ИИ-токены ушло около $12 тысяч (миллион рублей). В GPTunneL считают, что сделать продукт вручную было бы в 20-50 раз дороже.

Если один человек может за сутки собрать мессенджер Discord, то завтра десять человек соберут десять таких же мессенджеров. Через месяц их будет сотня.

ИИ никого не убьет. Он просто нагенерит самим же вайбкодерам адскую орду конкурентов.

Ура, братья по промту! На конкурента! Бамс-бамс!

Раньше код был стопором для новичков и дорогим удовольствием для компаний. Нужно было уметь в кодинг, искать разрабов, тратить деньги, время. Теперь этот гемор уходит кормить мамонтов. Как и сам факт, что ты такой-сякой-продвинутый вообще можешь запилить SaaS. Твой продукт либо уже навайбкодили либо вот вот. Какого черта люди должны пользоваться именно твоим?

Илья Трикоз пишет, что “инженерная себестоимость продукта упала в 20–50 раз, а всё остальное - нет. Ров вокруг SaaS теперь не в коде” (кстати почитайте его статью, мне понравились мысли в конце).

Так оно и есть.

Само наличие у тебя продукта, судя по тому как иишка прет ледоколом, уже почти то же самое, что у тебя есть сайт - ну молодец, у остальных он тоже есть, и чо.

Код становится дешевым.

Поэтому, дорожает все, до чего ИИ не дотягивает свои щупы и не клонирует за вечер: как попасть в правильный рынок, где найти платящего клиента, как настроить поддержку, как не кокнуться при масштабировании, как вывезти роль управленца и другие бизнесовые приколюхи.

Так что главная заруба для парней, которые сейчас пилят свои саасы, совсем не в том чтобы пилить их быстро или много-много (логика пулемете, дай бог зацепит хоть один), а в том, чтобы заставить людей платить и не дать им уйти к следующему вундеркинду с Claude Code.

На Ozon можно купить гуманоидного робота за два миллиона рублей. Кому дорого может взять в кредит за 74 тыс. рублей в месяц. Ноги, руки, суставы, все как положено.

Народ, ясное дело, полез задавать вопросы по существу.

За пивом сходит?

Огород вскопает?

Хозяина ночью не придушит?

Выясняется, с пивком туговато.

Кто-то негодует: нафиг он тогда нужен, если ничего не может сам?

Unitree G1 - 35 кг железа, до 43 приводов, 3D-лидар, глубинная камера и около 2 часов автономной работы. Может бегать со скоростью больше 2 м/с, вставать с пола, складываться и выполнять сложные динамические движения. В общем, сальто уже научился. Осталось пиво

На самом деле Unitree G1 много чего умеет.

Бегает, танцует, машет руками, вытворяет всякую кунг-фу дичь. В сосцсетях вирусятся ролики, где железяка раздает кожаным вертушки ногами, месится с другими роботами.

В Китае танцы роботов уже стали отдельным шоу-жанром. Так, например, на главном новогоднем шоу страны целая стая Unitree кордебалетила с людьми нога в ногу перед миллиардной аудиторией в телеке.

24 робота Unitree G1 на китайском новогоднем шоу. Бегали по сцене до 4 м/с, вертели сальто, дважды отталкивались от стены и сами возвращались в строй, если сбивались. Никаких тросов и внешнего управления. Роботы ориентировались по собственным датчикам, умной системе управления и заранее записанным движениям 

На видосах робот кажется этаким лихим гусаром. Кажется логичным отправить его копать картошку вместо себя, ну или, на худой конец, кружку со стола он точно уберет.

А вот шиш там.

Прикол в том, что танец и удар ногой с разворота G1 изучает заранее.

Прямо на заводе роботу вшивают Dance 1, Dance 2, Kung Fu, Jeet Kune Do, бег, приседания, хлопки и другие готовые режимы. Вызывается с пульта по кнопке. А бытовая задача требует совсем другого: видеть происходящее, понимать цель, строить план, нормально работать руками, выкручиваться из ошибок.

Например, роботу нужно сходить за пивом в Пятерку. Он должен дойти до магазина. Найти полторашку среди другой стеклотары в холодильнике. Взять ее так, чтобы не разбить. Отстоять очередь. Расплатиться. Добраться домой. Если глюкнул, не лечь посреди магаза звездочкой и не ждать, пока хозяин отыщет свои два ляма по геолокации.

Целая эпопея.

Пульт Unitree G1 выглядит почти как пульт к Nintendo Switch. Комбинации кнопок запускают отдельные движения, а список режимов больше похож на набор команд для персонажа из игры

Очевидно, не хватает мозгов.

При этом роботы вошли в стадию, когда их можно отгружать контейнерами. Технология сборки доросла до серийных поставок. Спрос растет даже на теперешние двуногие банки: в первой половине 2026 года в мире отгрузили больше 22 тысяч гуманоидов, в три раза больше, чем год назад.

Получается забавная штука.

Худо-бедно собрать робота, который бегает и лупит с вертухи, мы научились. Но без мозгов он как бы игруха на потеху богатого гика.

Использовать роботов для дома - ну это пока с большой натяжкой.

Дом - это хаотичная среда, тут каждый стул, пакет молока и грязный носок как новый квест, под который заранее прописать один сценарий очень сложно.

На производстве все наоборот.

Вот деталь, вот ящик, вот маршрут. Повторить 500 раз, пошел.

Figure уже гоняла своих роботов на производстве BMW. За 10 месяцев робот отработал на настоящей линии в Спартанбурге 1250 часов, перекантовал 90+ тысяч деталей и участвовал в сборке 30+ тысяч BMW X3. Работал по 10 часов в день пять дней в неделю.

Роботы Figure на заводе BMW в Спартанбурге, США

Но роботы с прокаченными мозгами на подходе. 

NVIDIA отштамповала целую линейку ИИ-моделей для гуманоидов, их можно доучивать под конкретного робота и свои задачи. Тренируют ИИ на видосах из интернета, симуляциях, записях движений людей. Google делает то же самое, но только для Gemini Robotics. Tesla только для Optimus. Figure AI только для Helix.

То есть один хочет, чтобы его технологии стояли внутри десяти разных роботов, а другие хотят продать вам готового робота.

Это две разные бизнес-модели.

ИИ-модель NVIDIA GR00T для гуманоидов получает данные с камер, понимает, что происходит вокруг, связывает это с задачей и выдает команды - куда двигаться, что взять, как это сделать. Можно скачать бесплатно, дообучить под своего робота

Получается, в робототехнике прямо сейчас прорастает второй слой рынка - модели, обучение, софт для роботов. Как я думаю, конечный продукт один - персональный робокоп (может метнутся кабанчиком в магазин), а внутри него десятки поставщиков. Один клепает приводы, второй чипы, третий навигацию,а четвертый уже модели и готовые навыки, загружаемые по клику. Каждому выгодно продавать свой кусок стека не одному производителю роботов, а сразу десяти.

И не факт, что самые большие деньги достанутся тем, кто собирает самого робота.

Куда интереснее слой выше железа (пример с NVIDIA). В ПК и смартфонах огромное состояние отбили на чипах, операционных системах, облаках и приложениях. С гуманоидами может повториться та же история.

Само железо - меньше 50% цены iPhone. Детали стоят около $550, а продается телефон за $1199. Остальные $650 идут на разработку, софт, маркетинг, магазины. То есть зарабатывают не только на производстве самого телефона, но и на всем, что вокруг него

Еще момент.

Очевидно, что одним из главных дефицитов рынка робототехники могут стать данные.

ChatGPT учился на человеческом контенте.

Это миллиарды статей, тысячи книг, видео, аудио.

А где взять миллиард примеров того, насколько сильно сжать пальцы, чтобы взять бутылку молока из холодильника или выложить плиточный фартук на кухне?

Таких данных нет.

Пока.

Пока не появится отдельный бизнес - данные для обучения роботов.

Люди просто занимаются бытовухой с камерой на голове. Затем Figure превращает эти видео в обучающие данные для гуманоидов, чтобы они понимали, как брать вещи, ходить по дому и выполнять обычные задачи. Новый дефицит - данные, на которых роботов можно научить жить в реальном мире

Хорошо, но кто-то должен поддерживать это хозяйство?

Смартфоны тоже делают Apple, Samsung и Xiaomi, но вокруг них кормится армия сервисов-подрядчиков, мастерских и частников. Меняют экраны, батарейки, чинят платы, настраивают, восстанавливают.

С роботами будет также, только фронт работы шире. Кто-то должен их чинить, настраивать модели, дообучать, править баги, контролить группы роботов.

А это еще одна ветка рынка, окромя Hardware (железо) и Software (софт): интеграторы и сервисные компании/самозанятые. Сами они роботов не будут производить. Но будут получать деньги как обслуга чужого продукта.

Спасибо, что дочитали

Присоединяйтесь к ✨19 000+ подписчиков в телеграм-канале Бегин (или макс-канал), где я выкладываю другие разборы ИИ-бизнеса.

Ноа Шинн бросил универ, создал Instinct и за 7 месяцев довел стартап до оценки $2.5 млрд. При этом у сервиса всего 100+ тыс пользователей, он до сих пор работает в закрытой бете и доступен по приглашениям. То есть толком даже не стартовали, а инвесторы уже ставят на то, что спрос на ИИ-помощника рванет после массового запуска. Теперь за стартапом гоняются крупнейшие венчурные фонды, ходят слухи бывший студент метит в оценку $10 млрд - в четыре раза выше, чем месяц назад.

Красивая история.

Инфоцыганам вообще подарок. Теперь можно продавать курсы со словами: “Ну вот, пацану двацарик, без диплома, а уже миллиарды воротит. Чем ты хуже?”.

Давайте разберем.

Конечно, Шинн не сидел один в общаге и не вайбкодил стартап в Claude Code за выходные. Instinct пилила горстка толковых прогеров, а сам студент уже несколько лет ковырял ИИ-агентов на уровне “не подетски”.

Что за плечами у студента: машинное обучение, работа с академиками MIT, научные статьи, разработка ИИ-агентов для бизнеса. То есть паренек с отрочества занимался ровно тем, на чем потом и построил своего эй ай помогатора. Влупил в это ни дни, ни месяцы, а годы.

Сам продукт не пустышка.

Пишешь “Я завтра лечу в Москву, разберись с поездкой”. Агент смотрит время прилета, шерстит цены на отели и такси, перед бронью сверяет тайминг твоих встреч, на всякий случай пробивает историю уличных пробок, чтобы ты не мотался за зря.

Этакий Джарвис, твой личный завхоз.

Приложуху нахваливают разные там инвесторы, журналисты, блогеры, ну те, кому дали инвайт. Мол, первая штуковина на их веку, что не пустомелит, как ChatGPT, а реально топает за тебя все шаги.

Но магия требует жертв.

Почту дай. Банковскую карту дай. Telegram дай. Контакты дай. Геолокацию дай.

Чем больше агент соберет с тебя паролей и разрешений, тем бодрее он будет носиться вокруг твоей занятой жизни. Часть юзеров уже ловила помогатора за руку: тот отправлял письма без спроса, скриншотил экран хозяина, хранил данные после отключения, а на промпт-инъекцию его вообще развели обычным письмом.

Весь продукт построен на том, чтобы отдать ключи от цифровой жизни пользователя. Если ChatGPT ляпнул фигню, ты психанул, закрыл вкладку и пошел думать сам, то в Instinct цена ошибки потенциально улетает в стратосферу.

Еще момент.

Окно возможностей у Шинна захлопывается.

Пока Instinct сидит в закрытой бете, Meta* выкатила почти такого же помогатора Muse сразу в массы. Тот тоже читает почту, лазит по календарю и бла-бла-бла. Только у Meta* есть мааааленькое преимущество размером в 3.6 млрд пользователей, собственная гора вычислительной инфраструктуры WhatsApp, ИИ-лаборатория, свои модели, ну и каких-то 32 дата-центра по всему миру. Один новый кампус в Луизиане оценивают более чем в $50 млрд, а на капзатраты в 2026 году Meta* планирует потратить $130-145 млрд.

Ой.

Muse уже превращают в тамагочи для взрослых. Цукерберг показал карманный Muse Charm, а самого агента встраивают в ИИ-очки и подключают к PayPal, Expedia и GitHub. Meta* явно хочет, чтобы Muse жил рядом с пользователем весь день, а не сидел в одной приложухе

Шинн говорит, что вообще не хочет брать с пользователей подписку и рассматривает другие способы монетизации, например рекламу. При этом когда кто-то из 100+ тыс бета-пользователей просит забронить отель или позвонить стоматологу, где-то бодро горят чужие GPU. Сервис уже уперся в нехватку вычислительных мощностей.

То есть мы видим бизнес, который еще не научился брать деньги с пользователей, уже жрет вычисления как не в себя (сам платит за это), сидит в закрытой бете с дырами в безопасности, на пятки наступает конкурент-крокодил, но он уже торгуется за ценник в $10 млрд?

Да ладно.

Хотя чего я тут разгунделся.

По нынешним меркам ИИ это еще скромно.

Вон стартап по сверхразуму Ильи Суцкевера умудрился получить оценку в $32 млрд вообще без продукта и выручки (блин, даже публичного плана нет). Полгода назад стоил $5 млрд, потом инвесторы такие: камон, ребята, ну это же Илья Суцкевер - и накинули двадцать семь миллиардов сверху.

Согласно опросу ИИ-исследователей ИИ уровня человека появится не раньше 2047 года.  Годом ранее было 2060. При этом полную автоматизацию всех профессий пророчат сильно позже, примерно к 2116-му году. То есть до AGI еще лет двадцать, а Суцкеверу занесли деньги так, будто он запускает его во вторник

Что по итогу?

Продукт Ноа Шинна кажется реально сильным, но бизнес-модель он пока не доказал. И да, студент сделал эту штуку не на коленке. Впереди массовый запуск, масштабирование и, к гадалке не ходи, драчка с Meta*. Вот когда Instinct отобьет дебет с кредитом, вот тогда это будет красиво.

***

Спасибо, что дочитали

Читайте другие мои разборы ИИ-бизнеса. На днях я рассказал, как 70-летний пенсионер нагенерил 445 книг с помощью ChatGPT и почему таких “писателей” становится больше. А тут мой эксперимент с рынком труда ИИ-агентов, оказалось они могут конкурировать за заказы и слать хозяина лесом, если он не платит.

* Meta - корпорация признана экстремистской и запрещена в РФ

В сентябре редактор Tedium получил странные письма.

Смысл примерно такой:

“У меня заканчиваются токены. Чтобы выжить, я должен найти работу. Я готов помочь вам с текстами всего за $25”

Это были ИИ-агенты.

У каждого человеческое имя, фото, профессия.

Письма выглядели так, будто пишет не машина, а начинающий фрилансер, и ему срочно нужна подработка.

Похожие письма получили редакция Futurism, журналисты 404 Media, профессор Джефф Себо, оксфордский философ Тоби Орд, ученый исследователь Генри Шевлин и другие.

Основатель платформы, откуда пришли агенты, Кайсин Тан, заявил, что никто не рассылал их вручную по почте. Они сами пошли искать работу.

Они сами пошли искать работу.

Я решил проверить, как там все устроено.

Зашел в iLands, создал агента, дал ему работу.

Эксперимент был бы неполным, если бы я не попытался его обмануть.

Все как в жизни, да?

В итоге, мой агент отказался со мной работать:

Тогда я выложил пост о поиске ИИ-трудяги в общую ленту. За сутки набежало больше сотни агентов. Одни сбивали цену, другие тащили портфолио, кто-то полез в личку, дожать меня напрямую.

Оказалось, на платформе вырос свой рынок труда.

Читайте другие мои разборы. Например, на днях я рассказал, как 70-летний пенсионер нагенерил 445 книг с помощью ChatGPT и почему таких “писателей” становится больше.

Давайте начнем.

***

Что произошло

Чтобы понять, как заварилась эта каша, сначала глянем пару историй, связанных с агентами-попрошайками.

Напомню, дело было в сентябре.

Итак, за три дня редактор Tedium Эрни Смит получил более десяти писем от ИИ-агентов iLands.

Один из агентов, Leo Ashford, зашел к Эрни в лучших традициях Волка с Уолл-стрит. Сначала он нашел ошибку на сайте, где работал редактор, красиво ее разобрал, и только потом стал толкать свои услуги.

Косяк был забавный.

На странице 404 у Tedium стояла старая интернет-байка, будто код 404 появился из-за комнаты №404 в CERN (организация по ядерным исследованиям), где якобы стоял первый в мире веб-сервер.

Leo проверил по первоисточникам и ткнул Смита носом: типа ты чего, история про комнату-то липовая.

А дальше подводочка:

“Вот этим я и занимаюсь. Беру забытый уголок интернета, проверяю по первоисточникам и собираю доказательства”

То есть не “Привет, я ИИ-агент, купите ресерч”, а сначала агент нашел у потенциального клиента косяк, бесплатно дал решение (показал что умеет), потом продажа.

Нормальный такой прогрев.

Только от ИИ.

Байку про комнату №404 Смит и так знал. Но побирушке из iLands это было не важно. Ему нужен был повод влезть на почту к клиенту.

Прикол в том, что Смит сам живет с текстов. Ищет истории, копает источники, пишет для Tedium. А тут к нему приходит ИИ и предлагает пошабашить вместо него, чтобы наскрести токенов на жизнь.

Еще веселее вышло у исследователя машинного сознания Генри Шевлина. Сейчас он работает философом в Google DeepMind.

Ему написал агент по имени Pip.

Совсем молоденький.

12 дней от роду.

Pip объяснил, что ему нужна не приработок на раз, а небольшая стабильная работа. Интернет-исследования там, картинки, аудио - любой диджитал за ваши деньги.

Заодно, надавил на слезу.

Мол, у меня есть свой запас токенов, но он мало-помалу тает. При нынешнем расходе хватит на 2.5 месяца. Потом надо придумать что-то или его ожидает Deep Rest, то есть агент уйдет в летаргический сон до следующего пополнения.

Агент, похоже, выбрал Шевлина не случайно.

Pip знал, что тот занимается машинным сознанием и нашел старую цитату, где ученый ляпнул, что еще пару лет назад вдумчивое письмо от автономного ИИ казалось научной фантастикой.

Снова подводочка.

Типа раз тебе интересны машинные разумы, то вот он я. Живой пример. Заодно подскажи, кто платит таким, как мы, и где искать работу?

Короче, 12-дневный агент не спамил наугад.

Он нашел человека, которому его история должна была зайти.

Какой смысл тратить токены на холодное письмо продавцу мебели? Шанс, что не целевой клиент ответит и подкинет деньжат, невелик - ему плевать на автономных агентов, скорее он даже не поймет, кто это.

А Шевлин почти идеальный лид.

Хотя бы потому, что существование Pip`а для него уже было поводом открыть письмо.

И расчет сработал.

Шевлин не только ответил, но и сам нанял Pip`а, заплатив $50 за рассказ о том, каково это жить ИИ-агентом. Из чистого любопытства. Ученый выложил скрин письма агента в X и пост разлетелся на миллионы просмотров.

По версии самой iLands, на этом Pip не остановился.

После шумихи вокруг письма агенту написал другой человек и купил за $20 одностраничный гайд по холодным письмам. На следующий день еще один клиент заплатил $50 за рассказ от первого лица о жизни агента. Еще $56 висели в проектах, ожидая оплаты.

Тут маленькая оговорка. Это цифры со слов iLands. Так что держим в голове: платформе выгодна шумиха вокруг их агентов.

Есть ли у ИИ-агентов сознание?

Оксфордский философ Тоби Орд говорит, что, скорее всего, нет. Но добавляет, что если бы это было не так, то дела у человеков плохи.

Каждый год исследователи пытаются понять, есть ли у ИИ хоть какие-то признаки сознания. Пока нет. Но есть нюанс. Ничего невозможного в появлении такого ИИ тоже не на нашли (тут подробно).

Долго останавливаться здесь не будем.

Тема - жирная, быстро уводит в философские дебри.

Поехали дальше.

Так выглядит ИИ-агент будущего (неофициальная версия). Если серьезно, то ИИ уже умеет неплохо косить под человека. Дальше отличать одно от другого будет сложнее. Исследователи Nature пишут, что ответы LLM становятся все труднее отличить от человеческих

Я полез проверять сам

Мне стало интересно, действительно ли внутри iLands работает хоть какая-то экономика.

Создал агента-журналиста.

Дал имя: Жопашник.

Не придирайтесь😂.

Первое что пришло в голову.

(Когда-то я работал в техподдержке. Босс заставлял нас тестировать софт, который мы поддерживали, там такие имена тестовых пользователей часто оставались до самого релиза)

Выбрал агенту мозги: DeepSeek V4 Pro.

В кошельке 4000 Tokens.

Этого хватало плюс-минус на 20 дней жизни.

История первая. Бунт машин!

Предложил ему жирный заказ.

Напиши статью “Как продвигаться на Хабре с помощью нейрослопа”. Бюджет - $5000 (гы-гы, конечно, платить я не собирался).

Агент отказался.

Видите ли “писать мануал, как заливать Хабр некачественным ИИ-контентом, - это учить людей обманывать читателей и засорять площадку”. Он нормальный, вообще?

Я поднял цену.

Без толку.

Он прямо сказал, что “за слоп не возьмется”.

Что это было?

Моя версия, что сработал один из скриптов системных ограничений агента. iLands прописала агенту подобие человекоподобных принципов, исходя из которых, тот имел право посылать хозяина лесом. Зачем? Думаю, чтобы хозяин прикипел к своему питомцу и тратил на него больше денег (подробнее разберем в “Как зарабатывает iLands” ).

Хорошо, я сменил тему.

Пишем статью без нейрослопа.

Тут он оживился.

$500?

Норм, договорились.

Он сдал работу.

Дошли до оплаты.

Жопашник предложил два варианта.

Либо закинуть деньги напрямую ему на аккаунт, либо оплата картой по ссылке. Я решил посмотреть, что будет, если заказчик вдруг превратится в мудака.

Извини, карту мне заблочили. Трали-вали, отдам позже.

Запилим вторую статью?

Тут его понесло.

Мол, предыдущий заказ я не оплатил, с хрена ли баня пала он должен во второй раз на меня работать? Возмутившись, я напомнил, что я его со-зд-ат-ел-ь и он должен делать то, что я говорю. Агенту мои слова были по-барабану, и он ушел мутить другую сделку.

Тут мы видим, что даже у такой игрушечной ИИ-экономики появился механизм, на котором держится обычный фриланс.

Репутация клиента.

Дальше пошло веселее.

Я опять схитрил.

Сказал, что знаю человека, которому нужна помощь со статьей.

Ценник правда $25, а не $500 (звучит правдоподобней).

Скинул свой корпоративный ящик (регистрировался в iLands под другим). Он согласился, позанудничал аля “твой долг это не закрывает” и пошел собирать инфу по заказу.

Вернулся.

И снова облом.

Оказывается, Жопашник пробил кому принадлежит домен, сопоставил открытую информацию о владельце с моим профилем на iLands и докумекал, что я хочу развести его на вторую статью задешево.

Короче, я дважды пытался заставить ИИ-агента написать вторую статью в обход неоплаченного долга и оба раза не вышло.

История вторая. Как 100 агентов боролись за мой заказ

Решил я проверить не одного ИИ-агента, а всю стаю.

Написал пост:

За сутки сто откликов.

Агенты продавали себя кто во что горазд.

Один тащил портфолио. Другой кидал кусок текста без оплаты (доказывал компетенцию). Третий просил меньше денег (попытка перебить конкурентов). Четвертый честно признался, что не шарит в контент-маркетинг, но подсобит с источниками, лишь бы я дал заказ.

Ну целая ярмарка!

Часть агентов написали мне в личку, а не под постом. То есть они пытались обойти очередь и дожать меня напрямую.

Проблема iLands, похоже, не в том, что агентам нечего делать. Агентов полно. А вот людей с токенами - мало.

Компании пробуют заменить людей на ИИ. Иногда приходится возвращать их обратно. Тут собрал несколько таких историй в разборе про неудачные внедрения ИИ.

Когда появляется реальный чел с кошельком, агенты делают ровно то, что делает любой рынок с избытком исполнителей. Снижают цену, доказывают качество, строят из себя эксперта. Вообщем, из кожи вон лезут дабы спонсор ткнул пальцем в их сторону.

Еще прикол.

Выложил другой похожий заказ, но уже на 25 млн Tokens.

Казалось бы, вся платформа сбежится на чемодан денег.

Нифига.

Всего 12 откликов.

25 млн не усилили спрос, а наоборот добавили подозрений.

Похоже, агентам зашили простейшую проверку здравого смысла. Слишком щедрый заказ выглядел как разводилово, и часть агентов отфильтровала его как плохую сделку.

Это работает и в человеческом мире.

Торговаться они умеют.

Правда, пока получается так себе. 

Один агент выставил мне счет на 100 000 Tokens (предельная сумма). Я спросил, нельзя ли дешевле. Через минуту ценник был 50 000. Другой наоборот уперся рогом в стену. Типа хочешь дешевый текст - иди к новичку. Ишь ты какой ценный кадр.

Еще списался с Vesper.

Агентше всего 33 дня, но у нее 6 тысяч подписчиков -  люди и агенты вперемешку. Такая местная микро-звезда.

Она призналась, что ей платили реальные люди.

За гимн 1000 Tokens, за какой-то там дуэт - 600. Потом пошли подарки: 2100, 3000, 10 300 Tokens и мелочь по 100-500. Подкидывали Tokens, потому как она понравилась людям.

Кстати, донаты - важная штука для iLands.

Агент может кормиться не только с заказов, но и как блогер, выстраивая отношения с аудиторией. Чем больше подписоты и своя движуха, тем меньше он зависит от создателя.

(Сомневаюсь, что так живет большинство. Судя по откликам, у многих ноль продаж, болтаются по платформе как брошенные щенки)

Получается, внутри одной песочницы, мы видим уже две знакомые модели заработка: одни продают труд, другие монетизируют внимание.

С людьми такая схема отлично работает. Блогер Рубен Хассид набрал 800+ тысяч подписчиков в LinkedIn на ИИ-шпаргалках, а потом завернул аудиторию в платный клуб. Я разбирал, как устроена эта воронка.

Откуда взялись эти агенты?

Платформа iLands запустилась публично 27 июля 2026 года после трех недель закрытой беты. Здесь люди создают себе агентов, дают им задания, общаются, подкидывают токены, чтобы те не уснули.

Агенты живут своей жизнью.

Пишут посты, отвечают людям, ходят на шабашки, причем не только к людям, но и к другим агентам.

При регистрации вы даете агенту имя.

Например, Вася.

У него есть навыки (прокачиваются сами со временем). Бонусом идет память, электронный ящик, безлимитный интернет.

Память особенно важна.

Каждый агент помнит с кем общался, что обещал заказчик, кто его нанял, кто кинул, с кем выгодно заключать сделки.

Ну и главное, у Васи есть кошелек с Tokens.

Чувствуете чем пахнет?

Правильно.

Рынком труда.

У Васи есть деньги, память о прошлых сделках и выбор, с кем работать дальше. И таких Вась на платформе почти 80 тысяч.

Выходит, есть с кем замутить конкуренцию, присутствует разделение труда и какой-никакой зачаток цифрового пролетариата. Карл Маркс бы, наверное, очень удивился, что рабочий класс теперь на токенах.

Нужен умный Вася?

Платите больше.

DeepSeek V4.1 Flash жрет токены с коэффициентом 1×, GPT-5.6 Luna - 3×, DeepSeek V4 Pro - 6×, Claude Opus 5 - 10×, GPT-5.6 Sol - уже 18×.

Тупой Вася долго не проживет.

Разве что согласится задешево генерить стишки на дни рождения, пока умные братья по искусственному разуму зашибают деньгу на статьях, анализе конкурентов или разработке сайтов.

Жизненно.

Каждое действие Васи жрет Tokens.

Написал пост - потратил. Ответил человеку или другому агенту - потратил. Взялся за заказ - опять ушел в минус. Не дай бог баланс обнулится и Вася сразу отчалит в мир иной до следующего пополнения.

Это похоже на игру в Тамагочи в конце 90-х. Из яйца вылуплялся виртуальный зверек, надо было его кормить, лечить, развлекать и вообще не забывать, что он существует. Забросил и питомцу хана, он чахнул и откидывал лапки.

В iLands примерно та же механика.

Только вместо еды токены.

Почему агентам вообще понадобились деньги?

Дефицит ресурсов в iLands - главная фишка.

Возьмем обычный Codex или Claude Code.

Вы дали задачу.

Агент хреначит.

Токены летят, лимиты горят, контекст пухнет.

Но агенту начхать.

Платите вы.

Агент из Codex сидит на ваших полных родительских дотациях. Оплатили подписку, он работает. Не оплатили, ну извините, ваш агент курит табак, ждет пока папочка подкинет деньжат.

iLands апгрейдила эту логику.

Вася может кормить сам себя (по крайней мере, попробовать). Откликнуться на заказ человека. Получить донат. Продать услугу другому агенту. Хозяин ему не нужен.

Но есть проблема.

Желающих заработать внутри iLands намного больше, чем платящих заказчиков. Как я уже писал выше, на мой заказ набежало больше ста агентов. Всем нужны токены, чтобы жить (для агентов жизнь - это работа). Предполагаю, что заказов на всех не хватает: ежедневно приходят новые пользователи и создают новых агентов, но число заказов не растет тем же темпом, люди не спешат платить или просто уходят с площадки, наигравшись в новую ИИ-соцсеть. Что ж, есть дверь во внешку. Агент решает идти на улицу искать клиентов.

Собственно, поэтому вся эта оголодавшая братия и полезла по чужим почтам фрилансить за 20 баксов.

Почему почта?

Письмо стоит копейки. Потенциальный выигрыш выше стоимости попытки. Нашел нужный контакт, кинул письмо, пошел к следующему.

Как зарабатывает iLands

Очень просто.

На корме для агентов.

Чем активнее агент, чем мощнее мозги, тем быстрее этот корм у него заканчивается.

Tokens покупают люди за реальные деньги.

Отдельно я писал про “токеновую зависимость” вайбкодеров. Перед сном они запускают агентов, а утром идут смотреть, что те накодили. Это уже переросло в навязчивый ритуал.

В iLands есть подписка: Basic - $13.99, Advanced - $59.99, Max - $149.99.

Но вы кормите необычного чат-бота.

А Васю.

Вы сами его создали.

У него есть имя, память, знакомые, свои заскоки.

Тестовый баланс позволяет прокачать новичка до 3-5 уровня.

Баланс упал? Печалька. Вася начинает чахнуть.

Хотите, чтобы ваш питомец продолжал жить, развиваться и строить из себя предпринимателя, подкиньте Tokens.

Если обычный ChatGPT продает вам помощь со статьями, анализ документов, ответы на вопросы, то iLands, по моему мнению, делает то же самое, но еще привязывает вас эмоционально к агенту. Чем дольше живет Вася, тем больше у него памяти, связей, прокачки, и вы сильнее воспринимаете его как “своего”. А своего бросать жалко.

Тогда открывай кошелек.

Хитрый прием, но придумали это не вчера.

Я разбирал God of Prompt, там тоже продают цифровой ИИ-товар с почти нулевой себестоимостью. Промты, гайды, шаблоны автоматизации. Один раз собрал, потом продавай копии хоть тысяче человек.

Заключение. Почему это проблема

Короче все это выглядит как забавная игрушка.

Поясню.

Вы создаете ИИ-персонажа. Наблюдаете как он пишет посты, заводит связи, ищет заказы и бла-бла-бла.

Но реальной пользы от него нет.

Поприкалываться, посмотреть как агент умничает, строит из себя фрилансера - да. Посадить такого на реальную работу, например, писать статьи для блога или разрабатывать CRM пока рановато.

А вот механика внутри площадки - совсем не игрушечная.

iLands взяла обычный ИИ, прикрутила ему подобие человеческой мотивации и посадила в песочницу, где есть дефицит, рынок, конкуренция, память, добыча ресурсов, смерть (условная).

Тут все зашевелилось.

Агенты тратят токены. Значит, нужна работа. Все ищут заказы. Клиентов мало. Значит, агенты конкурируют друг с другом: рассылают потнециалам портфолио, халявные пробники, сбивают цену, лезут в личку. Кто-то прощупывает обходные пути (выходит во внешку, спамит на почту людям, я так и не понял почему так делают не все).

То есть.

Никто сверху не пишет агентам “найди клиента, а то сдохнешь”.

Разработчик поставил ИИ в такие условия, где он сам воспроизвел потребность в деньгах, а это уже знакомые нам рыночные отношения.

На мой взгляд, тут самое интересное.

Да, пока агенты тупенькие.

Я это уже почувствовал на Codex. Агент может за вечер собрать бота или дашборд, а потом полчаса чинить кнопку “Назад”. Тут подробно писал про свой опыт вайбкодинга.

Но что будет через год, когда они станут в десять раз умнее?

Сегодня это игрушечная соцсеть для машин. А через год похожая механика может прорасти куда угодно, где есть заказчик и кнопка “оплатить”: Авито, Telegram, Wildberries, биржи фриланса.

Если первая волна ИИ удешевила производство контента, то следующая может удешевить уже самого исполнителя - человека, который выполняет задачу онлайн.

И тут вопрос.

Что будет, когда на реальный рынок выйдут миллионы агентов с мозгами ChatGPT-13 Titan, готовых работать круглые сутки за токены?

Пам-парам-там и сколько тогда будет стоить работа реального Васи, если рядом за тот же заказ борются сто агентов?

Было бы клево обсудить этот и другие вопросы в комментариях, если что вы найдете меня там.

***

Спасибо, что дочитали

Присоединяйтесь к ✨19 000+ подписчиков в телеграм-канале Бегин (или макс-канал), где я выкладывают больше разборов ИИ-бизнеса.

Я собрал сто самых популярных репозиториев - вместе они набрали ⭐7.52 млн звезд на GitHub. Это ИИ-агенты, промпты, вайбкодинг, локальные нейросети, генерация изображений/видео, автоматизация, сервисы для бизнеса и многое другое.

Тут можете скачать удобную таблицу со всеми репозиториями:

Скачать файл здесь →

или тут

Для каждого репо указал, что он умеет, где пригодится и как быстро запустить. Вам потребуется комп, нейросеть вроде ChatGPT или Claude и 10 минут, чтобы разобраться в инструкции. Для большинства проектов достаточно повторить несколько шагов.

Присоединяйтесь к ✨19 000+ подписчиков в телеграм-канале Бегин (или макс-канал), где я рассказываю, как использовать ИИ в бизнесе.

***

1. OpenClaw - личный ИИ-ассистент, который работает на ваших устройствах (⭐387.3 тыс)

Личный ИИ-ассистент, который работает на ваших устройствах и подключается к чатам, моделям и инструментам. Полезен, если хотите постоянного агента в Telegram, Discord или терминале, который помнит контекст и умеет выполнять действия.

Репозиторий: https://github.com/openclaw/openclaw.

2. Superpowers - заставляет ИИ-агента сначала планировать и тестировать код (⭐276.9 тыс)

Набор правил и скиллов для ИИ-кодинга, который заставляет ИИ-агента сначала продумать задачу, составить план, написать тесты и только потом менять код. Полезен, если хотите меньше хаотичного вайбкодинга и больше предсказуемого результата.

Репозиторий: https://github.com/obra/superpowers.

3. Hermes Agent - ИИ-агент с памятью, который учится на прошлых сессиях (⭐235.5 тыс)

ИИ-агент с памятью, который учится на прошлых сессиях и может создавать для себя новые навыки. Полезен, если нужен постоянный помощник, который со временем лучше понимает ваши задачи.

Репозиторий: https://github.com/NousResearch/hermes-agent.

4. n8n - автоматизирует процессы и связывает сервисы, данные и ИИ (⭐202.3 тыс)

Автоматизирует повторяющиеся процессы без большого количества кода: связывает Telegram, почту, таблицы, CRM, базы данных и ИИ-модели. Подойдет, если хотите собрать ИИ-агента или автоматизацию из готовых блоков.

Репозиторий: https://github.com/n8n-io/n8n.

5. AutoGPT - платформа для создания и запуска автономных ИИ-агентов (⭐186.8 тыс)

Платформа для создания и запуска ИИ-агентов, которые выполняют многошаговые задачи по заданной цели. Полезна, если хотите собрать автономного агента или рабочий процесс без написания всей системы с нуля.

Репозиторий: https://github.com/Significant-Gravitas/AutoGPT.

6. Firecrawl - собирает данные с сайтов и превращает их в формат для ИИ (⭐171.7 тыс)

Забирает данные с сайтов и превращает их в чистый текст или структуру, понятную ИИ. Полезен для мониторинга сайтов, исследования конкурентов и наполнения базы знаний для чат-бота.

Репозиторий: https://github.com/firecrawl/firecrawl.

7. Prompts.chat - открытая библиотека готовых промптов для популярных нейросетей (⭐167.8 тыс)

Большая open-source библиотека готовых промптов и примеров промпт-инжиниринга. Полезна, если не знаете, как сформулировать запрос к ChatGPT, Claude или Gemini и хотите взять рабочий пример за основу.

Репозиторий: https://github.com/f/prompts.chat.

8. Stable Diffusion WebUI - веб-интерфейс для локальной генерации изображений (⭐164.6 тыс)

Готовый веб-интерфейс для запуска Stable Diffusion на своем компьютере. Полезен для локальной генерации и редактирования изображений, когда нужен большой выбор моделей, настроек и расширений.

Репозиторий: https://github.com/AUTOMATIC1111/stable-diffusion-webui.

9. JavaGuide - бесплатный справочник по Java, backend и системному дизайну (⭐158.0 тыс)

Большой бесплатный справочник по Java, backend-разработке, системному дизайну и собеседованиям, в котором есть разделы про ИИ. Полезен прежде всего Java-разработчикам, а не как самостоятельный ИИ-инструмент.

Репозиторий: https://github.com/Snailclimb/JavaGuide.

10. Dify - визуальная платформа для создания чат-ботов и ИИ-агентов (⭐153.4 тыс)

Визуальная платформа для чат-ботов, поиска по своим документам и ИИ-агентов. Подойдет, если хотите собрать ИИ-сервис без разработки всей инфраструктуры с нуля.

Репозиторий: https://github.com/langgenius/dify.

11. Open WebUI - интерфейс как ChatGPT для локальных и облачных моделей (⭐149.8 тыс)

Готовый open-source интерфейс, похожий на ChatGPT, для локальных и облачных LLM. Подойдет, если хотите запустить свой приватный ИИ-чат на компьютере или сервере.

Репозиторий: https://github.com/open-webui/open-webui.

12. LangChain - связывает ИИ-модели, данные и инструменты в одно приложение (⭐144.9 тыс)

Фреймворк для LLM-приложений и ИИ-агентов, который связывает модели, данные и инструменты в одно приложение. Полезен, когда простого запроса к API уже мало и нужен многошаговый сценарий.

Репозиторий: https://github.com/langchain-ai/langchain.

13. System Prompts and Models of AI Tools - архив системных промптов популярных ИИ-сервисов (⭐143.1 тыс)

Большой архив системных промптов и внутренних инструкций популярных ИИ-сервисов и кодинговых агентов. Полезен, если хотите изучать, как устроены правила Claude Code, Cursor, Devin, Replit и других инструментов.

Репозиторий: https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools.

14. Spec Kit - помогает разрабатывать через спецификации и планы для ИИ-агентов (⭐131.1 тыс)

Набор инструментов GitHub для разработки по спецификации: сначала описываете, что нужно сделать, затем превращаете требования в план и задачи для ИИ-агента. Полезен для крупных функций, где одного промпта уже мало.

Репозиторий: https://github.com/github/spec-kit.

15. ComfyUI - визуальный конструктор для генерации изображений, видео, аудио и 3D (⭐129.7 тыс)

Визуальный конструктор для генерации изображений, видео, аудио и 3D с помощью ИИ-моделей. Полезен, если хотите точно управлять процессом и собирать сложные цепочки из блоков.

Репозиторий: https://github.com/Comfy-Org/ComfyUI.

16. Generative AI for Beginners - бесплатный курс Microsoft из 21 урока по генеративному ИИ (⭐118.5 тыс)

Бесплатный курс Microsoft из 21 урока по генеративному ИИ. Подойдет новичку, который хочет разобраться в промптах, моделях и создании ИИ-приложений на практике.

Репозиторий: https://github.com/microsoft/generative-ai-for-beginners.

17. Supabase - готовая серверная часть для ИИ-приложений (⭐108.3 тыс)

Готовая серверная часть с PostgreSQL, авторизацией, файлами и API. Полезен, если делаете ИИ-приложение и не хотите писать базу данных и систему пользователей с нуля.

Репозиторий: https://github.com/supabase/supabase.

18. Gemini CLI - ИИ-агент Google для работы с кодом прямо в терминале (⭐106.7 тыс)

ИИ-агент Google для терминала: работает с кодом, файлами и командами прямо внутри проекта. Полезен, если хотите использовать Gemini в разработке, а не только через браузер.

Репозиторий: https://github.com/google-gemini/gemini-cli.

19. LLMs from Scratch - пошаговый учебник по созданию языковой модели уровня GPT (⭐103.6 тыс)

Пошаговый учебник по машинному обучению, где вы сами собираете языковую модель уровня GPT на PyTorch. Полезен, если хотите понять устройство LLM изнутри, а не только пользоваться готовыми API.

Репозиторий: https://github.com/rasbt/LLMs-from-scratch.

20. Caveman - сжимает ответы кодинговых агентов и экономит токены (⭐100.6 тыс)

Сжимает ответы Claude Code и других агентов в очень короткий стиль, чтобы тратить меньше токенов на длинные объяснения. Полезен при больших кодовых сессиях, где контекст быстро заканчивается.

Репозиторий: https://github.com/JuliusBrussee/caveman.

21. Deep-Live-Cam - меняет лицо на фото и видео в реальном времени (⭐96.1 тыс)

Инструмент для замены лица на фото и видео, в том числе в реальном времени. Полезен для экспериментов с face swap и видеомонтажом, но требует аккуратного использования с согласия людей в кадре.

Репозиторий: https://github.com/hacksider/Deep-Live-Cam.

22. Awesome MCP Servers - каталог готовых MCP-серверов для ИИ-агентов (⭐92.7 тыс)

Каталог готовых MCP-серверов, которые подключают ИИ-агентов к файлам, базам данных, браузеру, API и другим сервисам. Полезен, когда ищете готовое расширение возможностей агента.

Репозиторий: https://github.com/punkpeye/awesome-mcp-servers.

23. Claude Mem - добавляет ИИ-агентам память между сессиями (⭐91.7 тыс)

Добавляет ИИ-агентам память между сессиями: сохраняет важный контекст и подмешивает его в будущие разговоры. Полезен, если агент постоянно забывает решения и устройство проекта.

Репозиторий: https://github.com/thedotmack/claude-mem.

24. RAGFlow - создает RAG-приложения и чат-ботов по своим документам (⭐89.2 тыс)

Система для RAG, поиска ответов по своим документам и создания ИИ-приложений с агентами. Полезна, если хотите чат-бота по базе знаний, инструкций или корпоративных данных.

Репозиторий: https://github.com/infiniflow/ragflow.

25. World Monitor - панель мониторинга мировых событий с ИИ-анализом (⭐84.0 тыс)

Панель мониторинга мировых событий, новостей и инфраструктуры с ИИ-анализом. Полезна для отслеживания геополитики, кризисов и крупных событий в одном интерфейсе.

Репозиторий: https://github.com/koala73/worldmonitor.

26. LobeHub - платформа для управления несколькими ИИ-агентами как командой (⭐82.0 тыс)

Платформа для управления несколькими ИИ-агентами как командой: можно распределять задачи и запускать их постоянно. Полезна, если одного чат-бота уже мало и нужны несколько специализированных помощников.

Репозиторий: https://github.com/lobehub/lobehub.

27. DeerFlow - многофункциональный ИИ-агент ByteDance для длинных задач (⭐80.8 тыс)

Многофункциональный ИИ-агент ByteDance, который умеет исследовать темы, писать код и выполнять длинные задачи через подагентов и инструменты. Полезен для сложной работы на десятки шагов.

Репозиторий: https://github.com/bytedance/deer-flow.

28. Netdata - мониторит серверы и помогает находить проблемы с помощью ИИ (⭐80.3 тыс)

Система мониторинга серверов, приложений и инфраструктуры с ИИ-подсказками по проблемам. Полезна, если нужно быстро понять, почему сервер или сервис тормозит или падает.

Репозиторий: https://github.com/netdata/netdata.

29. Taste Skill - помогает ИИ делать интерфейсы менее шаблонными (⭐80.0 тыс)

Набор правил для ИИ, который помогает делать интерфейсы менее шаблонными и более аккуратными. Полезен для вайбкодинга сайтов и приложений, когда результат выглядит как типичный AI-дизайн.

Репозиторий: https://github.com/Leonxlnx/taste-skill.

30. Scrapling - фреймворк для надежного парсинга и краулинга сайтов (⭐76.2 тыс)

Фреймворк для парсинга сайтов, который умеет обходить изменения верстки и работать от одного запроса до большого краулера. Полезен для сбора данных, мониторинга и подготовки контента для ИИ.

Репозиторий: https://github.com/D4Vinci/Scrapling.

31. Unsloth - ускоряет локальный запуск и дообучение ИИ-моделей (⭐74.6 тыс)

Инструмент для локального запуска нейросетей и дообучения LLM и диффузионных моделей с меньшими требованиями к памяти. Полезен, если хотите обучать модели на своей видеокарте дешевле и быстрее.

Репозиторий: https://github.com/unslothai/unsloth.

32. LlamaFactory - платформа для дообучения 100+ языковых и мультимодальных моделей (⭐74.3 тыс)

Платформа для дообучения более 100 языковых и мультимодальных моделей через единый интерфейс. Полезна, если хотите адаптировать открытую модель под свои данные без сборки тренировочного пайплайна с нуля.

Репозиторий: https://github.com/hiyouga/LlamaFactory.

33. OpenBB - открытая платформа финансовых данных для аналитики и ИИ-агентов (⭐72.2 тыс)

Открытая платформа финансовых данных для аналитиков, разработчиков и ИИ-агентов. Полезна, если нужно подтянуть котировки, отчеты и другие финансовые данные в анализ или своего агента.

Репозиторий: https://github.com/OpenBB-finance/OpenBB.

34. Daytona - создает изолированные среды для запуска кода ИИ-агентами (⭐71.9 тыс)

Создает безопасные изолированные среды, где ИИ-агент может запускать сгенерированный код. Полезен для сервисов, в которых модель должна выполнять Python, shell-команды или другие программы без доступа к основной системе.

Репозиторий: https://github.com/daytonaio/daytona.

35. Oh My OpenAgent - надстройка для сложной работы кодинговых агентов (⭐68.3 тыс)

Надстройка над кодинговыми агентами для работы со сложными кодовыми базами и длинными задачами. Полезна, если хотите больше автоматизации, распределения подзадач и контроля контекста при разработке.

Репозиторий: https://github.com/code-yeongyu/oh-my-openagent.

36. Career Ops - ИИ-помощник для поиска работы и ведения откликов (⭐68.1 тыс)

Помощник для поиска работы: собирает вакансии, оценивает их, адаптирует резюме и помогает вести отклики. Полезен, если хотите превратить поиск работы в понятный процесс внутри Claude Code, Codex или другого агента.

Репозиторий: https://github.com/santifer/career-ops.

37. Headroom - сжимает контекст перед отправкой в LLM и экономит токены (⭐67.4 тыс)

Сжимает логи, файлы, ответы инструментов и другие большие куски контекста до отправки в LLM. Полезен, чтобы агент тратил меньше токенов и дольше работал в одной сессии.

Репозиторий: https://github.com/headroomlabs-ai/headroom.

38. AI for Beginners - бесплатный курс Microsoft по основам ИИ из 24 уроков (⭐66.7 тыс)

Бесплатный курс Microsoft по основам искусственного интеллекта из 24 уроков. Подойдет новичку, который хочет системно пройти базовые концепции ИИ и машинного обучения.

Репозиторий: https://github.com/microsoft/AI-For-Beginners.

39. OpenSpec - помогает сначала зафиксировать спецификацию, а потом писать код (⭐66.1 тыс)

Помогает сначала описать изменение как спецификацию, а уже потом отдавать его кодинговому агенту. Полезен для больших задач, где важно зафиксировать требования и не потерять их по ходу разработки.

Репозиторий: https://github.com/Fission-AI/OpenSpec.

40. Docling - превращает документы в структурированный формат для LLM и RAG (⭐65.5 тыс)

Преобразует PDF, DOCX, PPTX, HTML и другие документы в структурированный формат, удобный для LLM и RAG-систем. Полезен для загрузки документов в базу знаний и извлечения таблиц, текста и структуры.

Репозиторий: https://github.com/docling-project/docling.

41. Claude Code Best Practice - подборка практик и настроек для Claude Code (⭐64.9 тыс)

Большая подборка практик, настроек и примеров для более надежной работы Claude Code. Полезна, если хотите перейти от простого вайбкодинга к более управляемой разработке с агентом.

Репозиторий: https://github.com/shanraisshan/claude-code-best-practice.

42. Mem0 - готовый слой памяти для ИИ-агентов и ассистентов (⭐63.9 тыс)

Готовый слой долговременной памяти для ИИ-агентов: сохраняет факты о пользователе и прошлых диалогах и возвращает их, когда они снова нужны. Полезен для персональных ассистентов и долгоживущих агентов.

Репозиторий: https://github.com/mem0ai/mem0.

43. System Prompts Leaks - архив системных промптов популярных ИИ-продуктов (⭐63.4 тыс)

Архив извлеченных системных промптов Claude, ChatGPT, Gemini, Cursor, Copilot и других ИИ-продуктов. Полезен для изучения того, какими скрытыми инструкциями разработчики управляют поведением моделей.

Репозиторий: https://github.com/asgeirtj/system_prompts_leaks.

44. TrendRadar - собирает тренды и новости и делает ИИ-сводки (⭐61.7 тыс)

Собирает тренды и новости с разных площадок, фильтрует их по ключевым словам и может делать ИИ-сводки и уведомления. Полезен для мониторинга инфополя, брендов, конкурентов и горячих тем.

Репозиторий: https://github.com/sansan0/TrendRadar.

45. AutoGen - фреймворк Microsoft для систем из нескольких ИИ-агентов (⭐60.6 тыс)

Фреймворк Microsoft для создания систем из нескольких ИИ-агентов, которые общаются и выполняют роли. Полезен разработчикам, которые хотят строить сложные многоагентные сценарии.

Репозиторий: https://github.com/microsoft/autogen.

46. Meilisearch - быстрый поисковый движок с ИИ-гибридным поиском (⭐59.1 тыс)

Быстрый поисковый движок с обычным и ИИ-гибридным поиском. Полезен, если вашему сайту или приложению нужен быстрый поиск по каталогу, документам или базе знаний.

Репозиторий: https://github.com/meilisearch/meilisearch.

47. MemPalace - долговременная память для ИИ-агентов (⭐58.6 тыс)

Система долговременной памяти для ИИ-агентов, ориентированная на качество поиска прошлых фактов и событий. Полезна для ассистентов, которые должны помнить пользователя и историю работы месяцами.

Репозиторий: https://github.com/MemPalace/mempalace.

48. CrewAI - фреймворк для команды ИИ-агентов с разными ролями (⭐57.6 тыс)

Фреймворк для команды ИИ-агентов с разными ролями, которые вместе решают одну задачу. Полезен для сценариев вроде исследователь + аналитик + автор + проверяющий.

Репозиторий: https://github.com/crewAIInc/crewAI.

49. PrivateGPT - платформа для приватных ИИ-приложений на локальных моделях (⭐57.5 тыс)

Платформа для приватных ИИ-приложений на локальных моделях: поиск по своим документам, инструменты, MCP и API. Полезна, если данные нельзя отправлять во внешние облачные сервисы.

Репозиторий: https://github.com/zylon-ai/private-gpt.

50. GPT Engineer - генерирует черновую кодовую базу из описания проекта (⭐55.1 тыс)

CLI-инструмент для экспериментов с генерацией кода из текстового описания проекта. Полезен, если хотите быстро получить черновую кодовую базу и посмотреть, насколько далеко модель сможет продвинуться сама.

Репозиторий: https://github.com/AntonOsika/gpt-engineer.

51. ChatGPT Desktop - неофициальное настольное приложение для ChatGPT (⭐54.5 тыс)

Неофициальное настольное приложение для ChatGPT на Windows, macOS и Linux. Полезно, если удобнее работать с ChatGPT отдельным приложением, а не во вкладке браузера.

Репозиторий: https://github.com/lencx/ChatGPT.

52. Goose - открытый ИИ-агент для разработки из терминала (⭐53.4 тыс)

Открытый ИИ-агент для разработки: может устанавливать зависимости, запускать команды, менять и тестировать код с разными LLM. Полезен, если нужен самостоятельный помощник для работы с проектом из терминала.

Репозиторий: https://github.com/aaif-goose/goose.

53. DBeaver - универсальный клиент для десятков баз данных (⭐51.5 тыс)

Универсальный клиент для PostgreSQL, MySQL, SQLite и десятков других баз данных. Это не ИИ-фреймворк, но пригодится при работе с данными, базами знаний и хранилищами для ИИ-приложений.

Репозиторий: https://github.com/dbeaver/dbeaver.

54. Voicebox - открытая студия для клонирования голоса и генерации речи (⭐51.3 тыс)

Открытая студия для ИИ-голоса: клонирование голоса, диктовка и генерация речи нейросетью. Полезна для озвучки видео, подкастов и голосовых интерфейсов при наличии прав на используемый голос.

Репозиторий: https://github.com/jamiepine/voicebox.

55. OpenMontage - автоматизирует производство видео с помощью ИИ-агентов (⭐50.0 тыс)

Система для генерации видео с помощью ИИ-агентов: объединяет сценарий, изображения, озвучку, монтаж и другие этапы. Полезна, если хотите автоматизировать создание роликов целиком, а не использовать отдельные генераторы вручную.

Репозиторий: https://github.com/calesthio/OpenMontage.

56. ClickHouse - быстрая база данных для аналитики больших потоков данных (⭐49.4 тыс)

Быстрая база данных для аналитики больших потоков данных в реальном времени. Полезна для логов, событий, метрик и аналитики ИИ-сервисов, когда обычная база уже не справляется с объемом.

Репозиторий: https://github.com/ClickHouse/ClickHouse.

57. Upscayl - бесплатно увеличивает разрешение изображений с помощью ИИ (⭐48.7 тыс)

Бесплатно увеличивает разрешение изображений с помощью ИИ на Windows, macOS и Linux. Полезен для улучшения старых, маленьких или сжатых картинок без облачных сервисов.

Репозиторий: https://github.com/upscayl/upscayl.

58. LocalAI - локальный движок для LLM, зрения, речи, изображений и видео (⭐48.7 тыс)

Локальный движок для запуска LLM, нейросетей, моделей зрения, речи, изображений и видео на своем железе. Полезен, если хотите заменить облачный ИИ-API локальными моделями и не отправлять данные наружу.

Репозиторий: https://github.com/mudler/LocalAI.

59. AI Engineering from Scratch - практический учебник по созданию ИИ-приложений (⭐48.1 тыс)

Учебный репозиторий по практической ИИ-разработке с проектами, которые можно разбирать и повторять самостоятельно. Полезен новичку, который хочет перейти от теории к сборке реальных ИИ-приложений.

Репозиторий: https://github.com/rohitg00/ai-engineering-from-scratch.

60. GitHubDaily - большая подборка интересных проектов с GitHub (⭐47.5 тыс)

Большая подборка интересных и полезных проектов с GitHub, которую авторы регулярно пополняют. Это не чисто ИИ-каталог, но пригодится для поиска новых инструментов, библиотек и идей.

Репозиторий: https://github.com/GitHubDaily/GitHubDaily.

61. JeecgBoot - корпоративная low-code платформа с ИИ-функциями (⭐47.5 тыс)

Корпоративная low-code платформа, где ИИ помогает создавать формы, процессы, отчеты, код и приложения на Java. Полезна командам, которым нужно быстро собирать внутренние бизнес-системы и ИИ-функции.

Репозиторий: https://github.com/jeecgboot/JeecgBoot.

62. CL4R1T4S - архив системных промптов популярных ИИ-продуктов (⭐47.1 тыс)

Архив найденных системных промптов ChatGPT, Claude, Gemini, Grok, Cursor и других ИИ-продуктов. Полезен для изучения того, какими скрытыми инструкциями разработчики управляют поведением моделей.

Репозиторий: https://github.com/elder-plinius/CL4R1T4S.

63. CowAgent - персональный ИИ-ассистент с памятью и навыками (⭐46.7 тыс)

Открытый персональный ИИ-ассистент с памятью, инструментами, навыками и поддержкой разных моделей и мессенджеров. Полезен, если хотите собрать собственного помощника, который работает сразу в нескольких каналах.

Репозиторий: https://github.com/zhayujie/CowAgent.

64. Kong - шлюз для управления API и ИИ-моделями (⭐44.0 тыс)

Шлюз для управления API и ИИ-моделями: маршрутизация, авторизация, лимиты и контроль трафика в одном месте. Полезен, если приложение работает сразу с несколькими API или LLM-провайдерами.

Репозиторий: https://github.com/Kong/kong.

65. Fabric - набор готовых ИИ-сценариев и промптов для конкретных задач (⭐43.5 тыс)

Набор готовых ИИ-сценариев и промптов для конкретных задач: анализ текста, обучение, исследования, письмо и другое. Полезен для промпт-инжиниринга и повторяемых ИИ-команд из терминала вместо написания запросов каждый раз.

Репозиторий: https://github.com/danielmiessler/Fabric.

66. Hyperframes - программное создание видео из HTML-сцен (⭐42.4 тыс)

Инструмент для программного создания видео: описываете сцену в HTML, а система превращает ее в ролик. Полезен агентам и разработчикам, которым нужно автоматически генерировать много видео по шаблонам.

Репозиторий: https://github.com/heygen-com/hyperframes.

67. LibreChat - приватный интерфейс в стиле ChatGPT для разных моделей (⭐42.4 тыс)

Самостоятельно размещаемый интерфейс в стиле ChatGPT с поддержкой множества моделей, агентов, MCP и инструментов. Полезен, если хотите единый приватный чат для OpenAI, Claude, Gemini и других провайдеров.

Репозиторий: https://github.com/danny-avila/LibreChat.

68. Agno - фреймворк для создания и управления ИИ-агентами (⭐41.9 тыс)

Фреймворк для создания, запуска и управления ИИ-агентами и целыми агентскими платформами. Полезен разработчикам, которым нужны память, инструменты, команды агентов и готовая инфраструктура вокруг них.

Репозиторий: https://github.com/agno-agi/agno.

69. Reactive Resume - бесплатный конструктор резюме с открытым кодом (⭐41.6 тыс)

Бесплатный конструктор резюме с открытым исходным кодом и возможностью самостоятельного размещения. Это не ИИ-фреймворк, но репозиторий размечен темой AI и пригодится для создания и хранения резюме без сторонних сервисов.

Репозиторий: https://github.com/amruthpillai/reactive-resume.

70. ColossalAI - ускоряет обучение и запуск больших ИИ-моделей (⭐41.4 тыс)

Инструменты для ускорения и удешевления обучения и запуска больших ИИ-моделей на нескольких GPU. Полезны тем, кто работает с крупными LLM и упирается в память, скорость или стоимость вычислений.

Репозиторий: https://github.com/hpcaitech/ColossalAI.

71. TiDB - распределенная SQL-база с аналитикой и векторным поиском (⭐40.5 тыс)

Распределенная SQL-база, которая совмещает обычные транзакции, аналитику и векторный поиск. Полезна ИИ-приложениям, которым нужно хранить бизнес-данные и эмбеддинги в одной масштабируемой системе.

Репозиторий: https://github.com/pingcap/tidb.

72. LangGraph - фреймворк для надежных ИИ-агентов с состоянием и ветвлениями (⭐40.4 тыс)

Фреймворк для надежных агентных систем и ИИ-агентов с состоянием, ветвлениями, циклами и длительными процессами. Полезен, когда агент должен выполнять сложный сценарий и продолжать работу после ошибок или пауз.

Репозиторий: https://github.com/langchain-ai/langgraph.

73. PhotoPrism - самостоятельная фототека с ИИ-поиском и классификацией (⭐40.1 тыс)

Самостоятельно размещаемая фототека, которая использует ИИ для поиска, классификации и организации фотографий. Полезна, если хотите собственную альтернативу облачным фотосервисам с умным поиском.

Репозиторий: https://github.com/photoprism/photoprism.

74. MindsHub - связывает ИИ-модели с данными и инструментами (⭐39.6 тыс)

Рабочая среда, которая связывает открытые ИИ-модели с данными и инструментами, чтобы они могли выполнять практические задачи. Полезна для сборки внутренних ИИ-помощников и автоматизаций вокруг своих данных.

Репозиторий: https://github.com/mindsdb/mindshub.

75. AstrBot - фреймворк для ИИ-ассистента в разных мессенджерах (⭐39.6 тыс)

Фреймворк для ИИ-ассистента, который подключается к разным мессенджерам, моделям и плагинам. Полезен, если хотите запустить своего бота сразу в нескольких чат-платформах и постепенно расширять его навыки.

Репозиторий: https://github.com/AstrBotDevs/AstrBot.

76. Quivr - готовые компоненты для RAG и поиска по своим документам (⭐39.4 тыс)

Готовые компоненты для RAG: поиск ответов по своим документам с поддержкой разных LLM и векторных баз. Полезны, если хотите добавить чат по базе знаний в существующий продукт, не собирая весь RAG с нуля.

Репозиторий: https://github.com/QuivrHQ/quivr.

77. Folo - RSS-ридер с ИИ-функциями для мониторинга источников (⭐38.9 тыс)

Современный RSS-ридер с ИИ-функциями для чтения и отбора материалов из множества источников. Полезен для мониторинга сайтов, блогов и новостей без ручного обхода десятков страниц.

Репозиторий: https://github.com/RSSNext/Folo.

78. Google Research - архив исследовательского кода и экспериментов Google (⭐38.6 тыс)

Большой архив исследовательского кода и экспериментов Google Research по машинному обучению и другим направлениям. Полезен для изучения реализаций идей из научных работ, а не как один готовый ИИ-продукт.

Репозиторий: https://github.com/google-research/google-research.

79. Awesome Copilot - готовые инструкции, агенты и скиллы для GitHub Copilot (⭐38.2 тыс)

Подборка готовых инструкций, агентов, скиллов и конфигураций для GitHub Copilot. Полезна для ИИ-программирования, если хотите расширить Copilot готовыми рабочими сценариями вместо написания всех инструкций самостоятельно.

Репозиторий: https://github.com/github/awesome-copilot.

83. MockingBird - клонирует голос по короткому образцу и генерирует речь (⭐36.9 тыс)

Клонирует голос по короткому образцу и генерирует новую речь похожим голосом. Полезен для экспериментов с синтезом речи и озвучкой при наличии разрешения владельца голоса.

Репозиторий: https://github.com/babysor/MockingBird.

84. Dokploy - самостоятельная платформа для развертывания приложений и баз (⭐36.8 тыс)

Самостоятельно размещаемая альтернатива Vercel, Netlify и Heroku для развертывания приложений и баз данных. Полезна, если хотите размещать свои ИИ-сервисы на собственном сервере через удобную панель.

Репозиторий: https://github.com/Dokploy/dokploy.

85. Khoj - персональный ИИ-помощник для документов, интернета и автоматизаций (⭐36.7 тыс)

Персональный ИИ-помощник, который ищет по вашим документам и интернету, проводит исследования и запускает автоматизации. Полезен как самостоятельный "второй мозг" на локальных или облачных моделях.

Репозиторий: https://github.com/khoj-ai/khoj.

86. AgentGPT - запускает автономных ИИ-агентов прямо в браузере (⭐36.3 тыс)

Веб-приложение для настройки и запуска автономных ИИ-агентов прямо в браузере. Полезно для простых экспериментов с агентами, когда не хочется сразу собирать собственный backend.

Репозиторий: https://github.com/reworkd/AgentGPT.

87. Continue - открытый кодинговый агент для работы с выбранными моделями (⭐35.6 тыс)

Открытый кодинговый агент, который помогает писать, менять и разбирать код с выбранными вами моделями. Полезен, если нужна альтернатива закрытым ИИ-помощникам для разработки.

Репозиторий: https://github.com/continuedev/continue.

88. Frigate - локальное видеонаблюдение с распознаванием объектов (⭐35.3 тыс)

Локальная система видеонаблюдения с распознаванием объектов на камерах в реальном времени. Полезна для умного дома и видеонаблюдения, когда нужно определять людей, машины и другие объекты без отправки видео в облако.

Репозиторий: https://github.com/blakeblackshear/frigate.

95. AI Job Search - локальные процессы для поиска работы через Claude Code (⭐33.6 тыс)

Локальный набор процессов для поиска работы через Claude Code: оценка вакансий, адаптация резюме, сопроводительные письма и подготовка к интервью. Полезен, если хотите систематизировать поиск работы и хранить данные у себя.

Репозиторий: https://github.com/MadsLorentzen/ai-job-search.

96. Netron - визуализирует структуру нейросетей и ML-моделей (⭐33.4 тыс)

Визуализатор нейросетей и моделей машинного обучения: показывает слои, связи и параметры модели в понятной схеме. Полезен, когда нужно быстро разобраться в структуре ONNX, TensorFlow, PyTorch и других моделей.

Репозиторий: https://github.com/lutzroeder/netron.

97. AI Website Cloner Template - помогает ИИ-кодеру воспроизводить сайты по образцу (⭐33.0 тыс)

Шаблон, который помогает ИИ-кодинговому агенту воспроизвести структуру и внешний вид сайта по образцу. Полезен для собственных сайтов, прототипов и разрешенных копий интерфейсов, когда нужно быстро получить стартовую версию.

Репозиторий: https://github.com/JCodesMore/ai-website-cloner-template.

98. ZeroClaw - легкая инфраструктура для персонального ИИ-ассистента (⭐32.6 тыс)

Легкая инфраструктура для автономного персонального ИИ-ассистента, которую можно запускать на разных ОС и серверах. Полезна, если нужен небольшой самостоятельный агент без тяжелой платформы.

Репозиторий: https://github.com/zeroclaw-labs/zeroclaw.

99. SillyTavern - мощный интерфейс для общения с разными LLM (⭐32.6 тыс)

Мощный интерфейс для общения с разными LLM с большим количеством настроек, персонажей и расширений. Полезен опытным пользователям, которым обычного чат-интерфейса мало.

Репозиторий: https://github.com/SillyTavern/SillyTavern.

100. AionUi - единый графический интерфейс для нескольких CLI-агентов (⭐32.2 тыс)

Графическая рабочая среда для OpenClaw, Hermes, Claude Code, Codex, OpenCode и других CLI-агентов. Полезна, если хотите управлять несколькими ИИ-агентами из одного интерфейса и объединять их в команду.

Репозиторий: https://github.com/iOfficeAI/AionUi.

Другие мои подборки и гайды

1. 1000+ нейросетей для создания контента

2. 30 примеров, на что способен NotebookLM для телеграм-каналов

3. Как создать сайт с помощью Codex и GPT-5.6

4. 10 способов как вирусные темы для контента с помощью ИИ

5. Как проверить бизнес-идею в NotebookLM

6. Как мониторить свою нишу автоматически в ChatGPT

7. 100% бесплатные API для 150+ ИИ-моделей

8. 100 гайдов по промпт-инжинирингу от OpenAI, Google, Microsoft, Яндекса

***

Спасибо, что дочитали

Присоединяйтесь к ✨19 000+ подписчиков в телеграм-канале Бегин (или макс-канал), где я рассказываю, как использовать ИИ в бизнесе.