https://agents.juil.dev/trendshift/Recent content in Trendshifts on 시현(SiHyeon)의 연구노트Hugo -- gohugo.ioko-KRMon, 28 Sep 2026 10:00:00 +0900https://agents.juil.dev/trendshift/2026-09-21-weekly-open-source-trends/Mon, 28 Sep 2026 10:00:00 +0900https://agents.juil.dev/trendshift/2026-09-21-weekly-open-source-trends/<h1 id="trendshift-주간-오픈소스-트렌드--2026-w39-09-21--09-27">Trendshift 주간 오픈소스 트렌드 — 2026-W39 (09-21 ~ 09-27) </h1> <blockquote> <p><strong>기준 주차: 2026-09-21(월) ~ 2026-09-27(일)</strong> — Trendshift 주간 차트 1~25위를 각 저장소의 README를 바탕으로 요약한 글입니다.<br> 각 항목의 설명은 해당 저장소 README에 근거하며, 추정이나 창작을 포함하지 않습니다.</p> </blockquote> <p>이번 주 Trendshift 주간 차트는 <strong>초소형 의사결정 모델의 확산</strong>이 가장 두드러졌습니다.<br> Jev 계열 아키텍처를 기반으로 한 결정 엔진(<code>laya</code>, <code>kev</code>, <code>laya-mlx</code>)과 이를 활용한 채팅 부조종사 앱(<code>jev-chat-jarvis</code>)이 나란히 순위에 올랐습니다.<br> 동시에 여러 에이전트를 팀처럼 운영하는 오케스트레이션 도구(<code>ax</code>, <code>paperclip</code>, <code>orca</code>, <code>nasiko</code>)와, 코딩 에이전트 설정·프로바이더를 한곳에서 관리하는 도구(<code>cc-switch</code>)도 강세를 보였습니다.</p> <p>아래는 카테고리별로 묶어 정리한 요약입니다.</p> <hr> <h3 id="로컬-ai-의사결정-모델">로컬 AI 의사결정 모델 </h3><p><strong>1. NandhaKishorM/laya</strong> — (Python, ★ 약 2.7만)</p> <p>다국어 비자기회귀 System 1 의사결정 엔진입니다.<br> 100개 이상 언어의 타입 결정을 단일 forward pass로 약 33ms 만에 수행합니다.<br> 엄격한 적정 스코어링 규칙에 대한 강화학습으로 훈련됐고, 요청별로 알맞은 체크포인트를 고르는 라우터가 포함돼 있습니다.<br> pip 설치를 지원하며 서버·MCP·LangChain·CrewAI 등 다양한 연동 옵션을 제공합니다.</p> <p><a class="link" href="https://github.com/NandhaKishorM/laya" target="_blank" rel="noopener" ><img alt="NandhaKishorM/laya 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/546d9f021384ce8b9fc27b01acffadaef2ec4aa394cd8b609742f69e2475c51a/NandhaKishorM/laya" srcset="https://agents.juil.dev/laya_6026876533928332214_hu_3516ab1523b4cec8.png 800w, https://opengraph.githubassets.com/546d9f021384ce8b9fc27b01acffadaef2ec4aa394cd8b609742f69e2475c51a/NandhaKishorM/laya 1200w" width="1200"></a><br> <a class="link" href="https://github.com/NandhaKishorM/laya" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>8. jaredpalmer/kev</strong> — (Python, ★ 약 7.4천)</p> <p>Qwen3.5·Qwen3.8 기반 소형 의사결정 모델 제품군입니다.<br> Jev 아키텍처를 기초로 해서 사전학습 가중치를 쓰거나 직접 미세조정할 수 있습니다.<br> 예/아니오·객관식·평가형 질문을 한 요청에 담아 처리하며, 캘리브레이션된 확률을 기본 제공합니다.<br> TypeSafe System One API와 호환돼 기존 SDK로 로컬 서버에 연결할 수 있고, 0.8B부터 27B까지 네 가지 크기를 제공합니다.</p> <p><a class="link" href="https://github.com/jaredpalmer/kev" target="_blank" rel="noopener" ><img alt="jaredpalmer/kev 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/e3335973b43d52c7bb5511436cd7a2add787b221d827cefc10d27a917273f3fe/jaredpalmer/kev" srcset="https://agents.juil.dev/kev_4065095265422477698_hu_e00f93866858c163.png 800w, https://opengraph.githubassets.com/e3335973b43d52c7bb5511436cd7a2add787b221d827cefc10d27a917273f3fe/jaredpalmer/kev 1200w" width="1200"></a><br> <a class="link" href="https://github.com/jaredpalmer/kev" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>10. jev-chat/jev-chat-jarvis</strong> — (Kotlin, ★ 약 6.8천)</p> <p>휴대폰에 설치하는 &lsquo;대화 부조종사&rsquo;로, 지원되는 채팅 앱에서 상대의 의도를 읽고 답장을 추천해 입력창에 넣어줍니다.<br> 대부분의 도구가 바로 답장을 쓰는 것과 달리, 먼저 상대 의도·긴급도·위험도를 판단한 뒤에 답장을 작성합니다.<br> 시스템 접근성 서비스로 화면에 보이는 대화만 읽어 앱을 건드리지 않고, 전송은 직접 누를 수 있게 합니다.<br> 로컬 지식베이스와 연락처 기록을 활용해 분석 시 관련 정보를 자동으로 반영합니다.</p> <p><a class="link" href="https://github.com/jev-chat/jev-chat-jarvis" target="_blank" rel="noopener" ><img alt="jev-chat/jev-chat-jarvis 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/bfe59d192cb1f829a37ddf63e93d59b9e528c31b96f3f1974eb372af02087bcb/jev-chat/jev-chat-jarvis" srcset="https://agents.juil.dev/jev-chat-jarvis_10321020049013072416_hu_890af3b19fd57005.png 800w, https://opengraph.githubassets.com/bfe59d192cb1f829a37ddf63e93d59b9e528c31b96f3f1974eb372af02087bcb/jev-chat/jev-chat-jarvis 1200w" width="1200"></a><br> <a class="link" href="https://github.com/jev-chat/jev-chat-jarvis" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>11. mizorewww/laya-mlx</strong> — (Python, ★ 약 6.5천)</p> <p>Laya 타입 의사결정 모델을 Apple Silicon에서 네이티브로 실행하는 MLX 런타임입니다.<br> 짧은 영어 결정 기준 중앙값 13.4ms, 다국어 체크포인트 사용 시 7.4ms를 달성하며 출력 토큰이 0개입니다.<br> PyTorch·Transformers 런타임·클라우드 API 없이 로컬 추론만으로 동작합니다.</p> <p><a class="link" href="https://github.com/mizorewww/laya-mlx" target="_blank" rel="noopener" ><img alt="mizorewww/laya-mlx 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/d8e0a3670f4f684d41018de94dae889edbde50a852590e294076a03f0820aa6d/mizorewww/laya-mlx" srcset="https://agents.juil.dev/laya-mlx_5853312827970578007_hu_a594d05dd0e982f3.png 800w, https://opengraph.githubassets.com/d8e0a3670f4f684d41018de94dae889edbde50a852590e294076a03f0820aa6d/mizorewww/laya-mlx 1200w" width="1200"></a><br> <a class="link" href="https://github.com/mizorewww/laya-mlx" target="_blank" rel="noopener" >🔗 GitHub</a></p> <hr> <h3 id="ai-에이전트오케스트레이션">AI 에이전트·오케스트레이션 </h3><p><strong>2. vectorize-io/hindsight</strong> — (Python, ★ 약 3.7만)</p> <p>시간이 지나며 학습하는 더 똑똑한 에이전트를 만들기 위한 에이전트 메모리 시스템입니다.<br> 대부분의 에이전트 메모리 시스템이 대화 기록을 회상하는 데 초점을 맞추는 데 비해, 단순히 기억하는 것이 아니라 학습하는 에이전트를 만드는 데 집중한다고 소개합니다.<br> RAG나 지식 그래프 같은 대안 기법의 단점을 없애고 장기 기억 과제에서 최고 수준의 성능을 낸다고 주장합니다.<br> 서버·클라이언트·임베디드 형태로 제공되며, LLM 래퍼·코딩 에이전트·MCP 등으로 에이전트에 연결할 수 있습니다.</p> <p><a class="link" href="https://github.com/vectorize-io/hindsight" target="_blank" rel="noopener" ><img alt="vectorize-io/hindsight 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/97bd86a299eddfe4b83396e4b1a035334cbb78805162141de0ac07df09e7b733/vectorize-io/hindsight" srcset="https://agents.juil.dev/hindsight_1043730574340014257_hu_23579bfadd7d1175.png 800w, https://opengraph.githubassets.com/97bd86a299eddfe4b83396e4b1a035334cbb78805162141de0ac07df09e7b733/vectorize-io/hindsight 1200w" width="1200"></a><br> <a class="link" href="https://github.com/vectorize-io/hindsight" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>3. google/ax</strong> — (Go, ★ 약 1.2만)</p> <p>Google이 공개한 고처리량 선언적 에이전트 오케스트레이터입니다.<br> 워크스페이스와 모델 스펙으로 에이전틱 태스크를 선언하면, 샌드박스와 작업 공간 구성을 자동으로 잡아주고 대규모로 실행합니다.<br> Agent Substrate 기반에서 클러스터당 수십억 건의 자율 에이전트 워크로드를 운용하도록 설계됐으며, Kubernetes를 사용한 경험이 있다면 비슷하게 느껴질 것이라고 소개합니다.<br> 아직 개발 중이라 출시 전 큰 변경이 예고돼 있습니다.</p> <p><a class="link" href="https://github.com/google/ax" target="_blank" rel="noopener" ><img alt="google/ax 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/1b9f9b0eabcd0895f841c87d77ccbacba7fb735b1290c700fce819eb5f82b018/google/ax" srcset="https://agents.juil.dev/ax_7869394939060712336_hu_c4a773844242b268.png 800w, https://opengraph.githubassets.com/1b9f9b0eabcd0895f841c87d77ccbacba7fb735b1290c700fce819eb5f82b018/google/ax 1200w" width="1200"></a><br> <a class="link" href="https://github.com/google/ax" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>4. paperclipai/paperclip</strong> — (TypeScript, ★ 약 9.0만)</p> <p>업무용 AI 에이전트 팀을 관리하는 오픈소스 앱입니다.<br> &ldquo;OpenClaw가 직원이라면 Paperclip은 회사&quot;라는 비유로, Node.js 서버와 React UI가 에이전트 팀을 오케스트레이션합니다.<br> 조직도·예산·거버넌스·목표 정렬·에이전트 조정을 내부적으로 다루며, 풀리퀘스트가 아니라 비즈니스 목표 단위로 관리합니다.</p> <p><a class="link" href="https://github.com/paperclipai/paperclip" target="_blank" rel="noopener" ><img alt="paperclipai/paperclip 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/3842080ab2df95400bd08b3841bedee36bafced4d55ceba145a9b0806f3cae3c/paperclipai/paperclip" srcset="https://agents.juil.dev/paperclip_3204223594416447319_hu_6aeec1f22c0deb49.png 800w, https://opengraph.githubassets.com/3842080ab2df95400bd08b3841bedee36bafced4d55ceba145a9b0806f3cae3c/paperclipai/paperclip 1200w" width="1200"></a><br> <a class="link" href="https://github.com/paperclipai/paperclip" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>18. pacifio/atlas</strong> — (Rust, ★ 약 8.1천)</p> <p>코딩 에이전트용 소스 컨트롤입니다.<br> 에이전트 실행마다 체크포인트를 만들어 커밋을 해당 세션의 프롬프트·툴콜·추론과 함께 연결해, 어떤 에이전트가 왜 무엇을 했는지 나중에 조회할 수 있습니다.<br> Claude Code·Codex 등 여러 에이전트를 같은 코드베이스에서 병렬로 돌리고, 공유 메모리로 중간에 에이전트를 바꿔도 이어서 작업할 수 있습니다.</p> <p><a class="link" href="https://github.com/pacifio/atlas" target="_blank" rel="noopener" ><img alt="pacifio/atlas 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/928718dd5b86372855464793153039e09043521080f739b717faea30eaed5f92/pacifio/atlas" srcset="https://agents.juil.dev/atlas_16168495750448737143_hu_12cd223880552df9.png 800w, https://opengraph.githubassets.com/928718dd5b86372855464793153039e09043521080f739b717faea30eaed5f92/pacifio/atlas 1200w" width="1200"></a><br> <a class="link" href="https://github.com/pacifio/atlas" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>19. stablyai/orca</strong> — (TypeScript, ★ 약 8.0만)</p> <p>병렬 에이전트 함대를 운영하기 위한 AI 개발 환경(ADE)입니다.<br> Codex·Claude Code·OpenCode 등을 각각 격리된 git 워크트리에서 병렬 실행하고 결과를 비교해 승자를 고를 수 있습니다.<br> 휴대폰에서 에이전트를 모니터링·조종하는 동반 앱, WebGL 터미널 스플릿, 실제 Chromium 요소를 클릭해 디자인을 전달하는 디자인 모드 등을 제공합니다.</p> <p><a class="link" href="https://github.com/stablyai/orca" target="_blank" rel="noopener" ><img alt="stablyai/orca 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/a5481a2add4dbf179aca3bed6c9c246328776d44c9df9a184f306308da42bf6d/stablyai/orca" srcset="https://agents.juil.dev/orca_11357546540441388282_hu_4e53af62763e1994.png 800w, https://opengraph.githubassets.com/a5481a2add4dbf179aca3bed6c9c246328776d44c9df9a184f306308da42bf6d/stablyai/orca 1200w" width="1200"></a><br> <a class="link" href="https://github.com/stablyai/orca" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>23. Nasiko-Labs/nasiko</strong> — (Python, ★ 약 9.0천)</p> <p>A2A 스피킹 에이전트를 한 명령으로 배포·라우팅·보안·관측하는 제어 플레인입니다.<br> 에이전트가 여러 개가 되면 누가 누구를 호출하는지, 어떤 키를 쓰는지, 비용과 실패 원인은 무엇인지가 운영 문제가 된다는 점에서 출발했습니다.<br> TLS 종료·요청 인증·프록싱을 처리하며 게이트웨이·사이드카·글루 코드 없이 동작한다고 소개합니다.</p> <p><a class="link" href="https://github.com/Nasiko-Labs/nasiko" target="_blank" rel="noopener" ><img alt="Nasiko-Labs/nasiko 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/92600135a118d2d519a85a865a9865933a6dc56866f787fc8f07a55fc8b32a88/Nasiko-Labs/nasiko" srcset="https://agents.juil.dev/nasiko_14598675076008043785_hu_912552bacddce376.png 800w, https://opengraph.githubassets.com/92600135a118d2d519a85a865a9865933a6dc56866f787fc8f07a55fc8b32a88/Nasiko-Labs/nasiko 1200w" width="1200"></a><br> <a class="link" href="https://github.com/Nasiko-Labs/nasiko" target="_blank" rel="noopener" >🔗 GitHub</a></p> <hr> <h3 id="데이터오피스-sdk">데이터·오피스 SDK </h3><p><strong>5. hydra-db/hydradb</strong> — (Rust, ★ 약 1.1만)</p> <p>객체 스토리지 기반 분산 그래프 데이터베이스입니다.<br> SlateDB에 영속 그래프 데이터를 두고, 스냅샷 일관 OpenCypher 쿼리·GraphBLAS 순회·Neo4j 호환 Bolt 연결·HTTPS 쿼리 API를 제공합니다.<br> 스토리지와 컴퓨트를 완전히 분리해 S3 호환 객체 스토리지를 진실 원본으로 삼고, 데이터 노드와 인덱서 역할로 계산만 수행합니다.<br> 두 역할 모두 로컬에는 대체 가능한 상태만 유지해 그래프 이동 없이 교체·확장할 수 있습니다.</p> <p><a class="link" href="https://github.com/hydra-db/hydradb" target="_blank" rel="noopener" ><img alt="hydra-db/hydradb 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/7d71c1977b66791d6883c6166832069cec6faba54f994c35e66056f795bbab85/hydra-db/hydradb" srcset="https://agents.juil.dev/hydradb_11777266476422015694_hu_e90f68c964667e8e.png 800w, https://opengraph.githubassets.com/7d71c1977b66791d6883c6166832069cec6faba54f994c35e66056f795bbab85/hydra-db/hydradb 1200w" width="1200"></a><br> <a class="link" href="https://github.com/hydra-db/hydradb" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>9. dream-num/univer</strong> — (TypeScript, ★ 약 2.0만)</p> <p>스프레드시트·문서·프레젠테이션·베이스·보드·PDF를 하나의 런타임으로 다루는 &ldquo;AI 에이전트용 오피스 하네스&rdquo; SDK입니다.<br> 자사 제품 안에 오피스 편집 경험을 임베드할 수 있게 해주며, 호스팅 앱이나 고정 UI에 종속되지 않습니다.<br> 플러그인 아키텍처·캔버스 렌더링·수식 엔진·브라우저와 Node.js 공용 Facade API를 갖췄습니다.</p> <p><a class="link" href="https://github.com/dream-num/univer" target="_blank" rel="noopener" ><img alt="dream-num/univer 미리보기" class="gallery-image" data-flex-basis="479px" data-flex-grow="199" height="641" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/543101941/085c0737-5cb6-434f-ac47-1c26f51c46d0" srcset="https://agents.juil.dev/085c0737-5cb6-434f-ac47-1c26f51c46d0_8307632957898976099_hu_5b4b719953a07aed.png 800w, https://repository-images.githubusercontent.com/543101941/085c0737-5cb6-434f-ac47-1c26f51c46d0 1281w" width="1281"></a><br> <a class="link" href="https://github.com/dream-num/univer" target="_blank" rel="noopener" >🔗 GitHub</a></p> <hr> <h3 id="ai-코딩개발-도구">AI 코딩·개발 도구 </h3><p><strong>6. rocketride-org/rocketride-server</strong> — (Python, ★ 약 1.6만)</p> <p>IDE를 온전한 AI 개발 환경으로 바꿔주는 오픈소스 AIDE입니다.<br> 평소 쓰는 코드 에디터에서 AI 런타임을 구성·디버깅·관측·배포하는 한 곳을 제공하며, 모델·도구·프레임워크 선택에 벤더 제약이 없다고 설명합니다.<br> 고처리량 C++ 엔진과 100개 이상의 파이프라인 노드, 15개 이상 LLM 프로바이더·8개 이상 벡터 데이터베이스 지원을 갖춘 AI·ML 데이터 파이프라인 빌더입니다.<br> VS Code 확장과 TypeScript·Python SDK, Docker 배포 옵션도 제공합니다.</p> <p><a class="link" href="https://github.com/rocketride-org/rocketride-server" target="_blank" rel="noopener" ><img alt="rocketride-org/rocketride-server 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/791aace9cc9fdbee7f81f35e964eb2b87182361a63e9d8668dd1d8baa9c12816/rocketride-org/rocketride-server" srcset="https://agents.juil.dev/rocketride-server_17365562784167153233_hu_633df6178d9eb413.png 800w, https://opengraph.githubassets.com/791aace9cc9fdbee7f81f35e964eb2b87182361a63e9d8668dd1d8baa9c12816/rocketride-org/rocketride-server 1200w" width="1200"></a><br> <a class="link" href="https://github.com/rocketride-org/rocketride-server" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>12. zai-org/ZCode</strong> — (TypeScript, ★ 약 6.9천)</p> <p>Z.ai의 AI 코딩 워크벤치로, 데스크톱 앱·브라우저 인터페이스·터미널 에이전트를 함께 제공합니다.<br> 이 저장소에는 클라이언트, 백엔드 서비스, 공유 UI, 그리고 Agent CLI와 런타임 소스가 포함돼 있습니다.</p> <p><a class="link" href="https://github.com/zai-org/ZCode" target="_blank" rel="noopener" ><img alt="zai-org/ZCode 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/acd7a34c5148b3f6833f7d9974350039f8c0868cc4dbf362747ecfd2eadc308c/zai-org/ZCode" srcset="https://agents.juil.dev/ZCode_10416808073178151565_hu_8fef67462139f4a7.png 800w, https://opengraph.githubassets.com/acd7a34c5148b3f6833f7d9974350039f8c0868cc4dbf362747ecfd2eadc308c/zai-org/ZCode 1200w" width="1200"></a><br> <a class="link" href="https://github.com/zai-org/ZCode" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>14. browser-use/jev-ultrafast</strong> — (Python, ★ 약 2.1만)</p> <p>동적인 인덱스 액션 스페이스를 쓰는 초고속 브라우저 에이전트입니다.<br> 목표 하나만 주면 Jev가 수행할 동작과 요소를 고르고, 텍스트 입력이 필요한 경우에만 소형 LLM이 문장을 작성합니다.<br> 구글 항공권에서 취리히→런던 검색을 7.1초에 완료하는 데모가 공개돼 있습니다.</p> <p><a class="link" href="https://github.com/browser-use/jev-ultrafast" target="_blank" rel="noopener" ><img alt="browser-use/jev-ultrafast 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/83e57d0caf5d6a933056a6c59765e576066236ee4241512a3c46049b128dd22c/browser-use/jev-ultrafast" srcset="https://agents.juil.dev/jev-ultrafast_8850788239073417671_hu_948840ba6a7713ed.png 800w, https://opengraph.githubassets.com/83e57d0caf5d6a933056a6c59765e576066236ee4241512a3c46049b128dd22c/browser-use/jev-ultrafast 1200w" width="1200"></a><br> <a class="link" href="https://github.com/browser-use/jev-ultrafast" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>16. farion1231/cc-switch</strong> — (Rust, ★ 약 13.8만)</p> <p>Claude Code·Claude Desktop·Codex·Gemini CLI·Grok Build·OpenCode·OpenClaw·Hermes Agent 등을 위한 올인원 매니저입니다.<br> API 프로바이더를 한 번에 전환하고 MCP·스킬·프롬프트를 한곳에서 관리해, JSON·TOML·YAML 설정 파일을 직접 편집할 필요가 없게 만듭니다.</p> <p><a class="link" href="https://github.com/farion1231/cc-switch" target="_blank" rel="noopener" ><img alt="farion1231/cc-switch 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/d99e80c0b321203a753b7eb0ad021fffb3890b533a0ffde0622b2d4207dcb68a/farion1231/cc-switch" srcset="https://agents.juil.dev/cc-switch_2438202412464821558_hu_cc4d5f4d845b657.png 800w, https://opengraph.githubassets.com/d99e80c0b321203a753b7eb0ad021fffb3890b533a0ffde0622b2d4207dcb68a/farion1231/cc-switch 1200w" width="1200"></a><br> <a class="link" href="https://github.com/farion1231/cc-switch" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>20. deepseek-ai/deepseek-harness</strong> — (TypeScript, ★ 약 23.8만)</p> <p>DeepSeek AI가 만든 오픈소스 에이전트 하네스로, 전부가 플러그인인 아키텍처를 기반으로 합니다.<br> <code>npx @deepseek-ai/dsh web</code> 한 줄로 로컬 Web UI를 실행할 수 있습니다.<br> 개발자 프리뷰 단계이며 호환성을 깨는 변경이 잦다고 공지할 만큼 빠르게 반복 개발 중입니다.</p> <p><a class="link" href="https://github.com/deepseek-ai/deepseek-harness" target="_blank" rel="noopener" ><img alt="deepseek-ai/deepseek-harness 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="640" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/1333065091/05ca062c-0277-415c-90b5-f43277f73436" srcset="https://agents.juil.dev/05ca062c-0277-415c-90b5-f43277f73436_1097308138403696434_hu_38d586da3e14ecd4.png 800w, https://repository-images.githubusercontent.com/1333065091/05ca062c-0277-415c-90b5-f43277f73436 1280w" width="1280"></a><br> <a class="link" href="https://github.com/deepseek-ai/deepseek-harness" target="_blank" rel="noopener" >🔗 GitHub</a></p> <hr> <h3 id="학습리소스">학습·리소스 </h3><p><strong>7. eternity4719/HowToLiveBetter</strong> — (HTML, ★ 약 2.1만)</p> <p>장수·질병 예방·응급처치·절약·법률·실업 및 부상 대처·창업 절차·연애·결혼·육아·유학·기술 습득을 다루는 근거 기반 조언 모음입니다.<br> 612개 항목마다 비용·얻는 것·증거 등급·원출처를 명시하며, 저널 논문과 공식 문서만 인용합니다.<br> 전부 할 필요 없이 효과 대비 비용이 좋은 것만 골라 쓰라고 안내하는, 순위가 매겨진 선택 목록입니다.</p> <p><a class="link" href="https://github.com/eternity4719/HowToLiveBetter" target="_blank" rel="noopener" ><img alt="eternity4719/HowToLiveBetter 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/9692da1a532e4b2a6ca3010950783cafc8e379d997ac81dc4795d917827b0cc3/eternity4719/HowToLiveBetter" srcset="https://agents.juil.dev/HowToLiveBetter_7838161632317469379_hu_e751be0eb5b5ee8f.png 800w, https://opengraph.githubassets.com/9692da1a532e4b2a6ca3010950783cafc8e379d997ac81dc4795d917827b0cc3/eternity4719/HowToLiveBetter 1200w" width="1200"></a><br> <a class="link" href="https://github.com/eternity4719/HowToLiveBetter" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>13. rohitg00/ai-engineering-from-scratch</strong> — (Python, ★ 약 5.9만)</p> <p>AI 엔지니어링을 처음부터 배우는 공개 커리큘럼입니다.<br> 523개 레슨·20개 단계·약 342시간 분량을 Python·TypeScript·Rust·Julia로 다루며, 학생의 84%가 이미 AI 도구를 쓰지만 18%만 전문적으로 준비돼 있다는 격차를 메운다고 소개합니다.<br> 모든 레슨이 프롬프트·스킬·에이전트·MCP 서버 등 재사용 가능한 산출물을 동반하며, MIT 라이선스로 무료 공개됩니다.</p> <p><a class="link" href="https://github.com/rohitg00/ai-engineering-from-scratch" target="_blank" rel="noopener" ><img alt="rohitg00/ai-engineering-from-scratch 미리보기" class="gallery-image" data-flex-basis="456px" data-flex-grow="190" height="636" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/1185590488/a8b65f74-921c-4682-94c5-7cb82b65ba2c" srcset="https://agents.juil.dev/a8b65f74-921c-4682-94c5-7cb82b65ba2c_4641950049981941461_hu_1b32ae70337bfde7.jpg 800w, https://repository-images.githubusercontent.com/1185590488/a8b65f74-921c-4682-94c5-7cb82b65ba2c 1211w" width="1211"></a><br> <a class="link" href="https://github.com/rohitg00/ai-engineering-from-scratch" target="_blank" rel="noopener" >🔗 GitHub</a></p> <hr> <h3 id="모바일시스템-유틸">모바일·시스템 유틸 </h3><p><strong>15. Mak5er/AirCard</strong> — (Swift, ★ 약 4.6천)</p> <p>iOS 18 이상을 위한 Apple Wallet 카드 스킨·잠금화면 패스코드 테마 도구로, 탈옥이 필요 없습니다.<br> airlift 에어트래픽 동기화 익스플로잇을 기반으로 합니다.<br> Apple Pay·Wallet 카드에 커스텀 아트워크를 입히거나, <code>.passthm</code> 테마로 키패드 버튼 이미지를 바꿀 수 있습니다.<br> 단일 배경화면에서 새 테마를 만들고 기존 테마 패키지를 열어 수정해 다시 플래시하는 기능도 제공합니다.</p> <p><a class="link" href="https://github.com/Mak5er/AirCard" target="_blank" rel="noopener" ><img alt="Mak5er/AirCard 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/e704fd017758ac2db4db41947cad30e53d08b30800516116a793358f0c42e4a5/Mak5er/AirCard" srcset="https://agents.juil.dev/AirCard_8881999715105261545_hu_722ebd09508e7048.png 800w, https://opengraph.githubassets.com/e704fd017758ac2db4db41947cad30e53d08b30800516116a793358f0c42e4a5/Mak5er/AirCard 1200w" width="1200"></a><br> <a class="link" href="https://github.com/Mak5er/AirCard" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>25. newliver666/apk-reverse</strong> — (Python, ★ 약 2.7천)</p> <p>Android APK 리버스 엔지니어링·디블로팅·광고 제거·정밀 dex 패치·리패킹·런타임·서버 분석을 위한 에이전트 스킬입니다.<br> 튜토리얼이 아니라 작업 중 에이전트가 불러 쓰도록 작성돼, 결정 중심의 짧은 SKILL.md와 필요할 때 참조하는 상세 레퍼런스·실행 가능한 스크립트로 구성됩니다.<br> 실패 원인이 무지가 아니라 &ldquo;전체를 읽고 동의한 뒤 첫 원리로 추론하는 것&quot;이라는 관찰에서 비롯된, 게이트가 있는 절차로 설계됐다고 설명합니다.</p> <p><a class="link" href="https://github.com/newliver666/apk-reverse" target="_blank" rel="noopener" ><img alt="newliver666/apk-reverse 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/5f7305377ae21e709cc421ace076915940c82f7d7c1c3f357edc23d1fa3a5bbe/newliver666/apk-reverse" srcset="https://agents.juil.dev/apk-reverse_12400294890855225076_hu_816515217526579f.png 800w, https://opengraph.githubassets.com/5f7305377ae21e709cc421ace076915940c82f7d7c1c3f357edc23d1fa3a5bbe/newliver666/apk-reverse 1200w" width="1200"></a><br> <a class="link" href="https://github.com/newliver666/apk-reverse" target="_blank" rel="noopener" >🔗 GitHub</a></p> <hr> <h3 id="음성멀티미디어">음성·멀티미디어 </h3><p><strong>17. debpalash/VoiceStudio</strong> — (Python, ★ 약 4.0만)</p> <p>완전 로컬 ElevenLabs 대안을 표방하는 오픈소스 음성 스튜디오입니다.<br> 음성 클로닝·보이스 디자인·영상 더빙·받아쓰기·전사·오디오북 제작을 646개 언어로 지원합니다.<br> 로컬 API와 MCP를 에이전트에 제공하고, 기본 엔진 외에 다른 음성 엔진으로 교체할 수 있습니다.</p> <p><a class="link" href="https://github.com/debpalash/VoiceStudio" target="_blank" rel="noopener" ><img alt="debpalash/VoiceStudio 미리보기" class="gallery-image" data-flex-basis="384px" data-flex-grow="160" height="1000" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/1206390571/fd6851a0-4e36-4541-a76c-2ad84935d0bc" srcset="https://agents.juil.dev/fd6851a0-4e36-4541-a76c-2ad84935d0bc_13052175009440960459_hu_23a1eb1602b141a9.png 800w, https://repository-images.githubusercontent.com/1206390571/fd6851a0-4e36-4541-a76c-2ad84935d0bc 1600w" width="1600"></a><br> <a class="link" href="https://github.com/debpalash/VoiceStudio" target="_blank" rel="noopener" >🔗 GitHub</a></p> <hr> <h3 id="금융도메인-에이전트">금융·도메인 에이전트 </h3><p><strong>21. shengjidaguai-china/goutoujunshi</strong> — (Python, ★ 약 5.6천)</p> <p>관계를 분석하고 다음 행동을 결정하도록 도와주는 &lsquo;연애 군사&rsquo; Codex 스킬입니다.<br> &ldquo;용기를 내거나 바로 헤어져라&rdquo; 같은 두 가지 답 대신, 감정을 먼저 받아주고 사실·추측·미지를 구분한 뒤 현실 조건·상호성·위험·기회비용·장기 선택지를 고려해 실행 가능한 다음 단계를 제시합니다.<br> 채팅 스크린샷·내보낸 텍스트·사용자 설명을 읽고 발신자와 사실 경계를 구분하며, 동의 후에만 저장하는 장기 기억으로 지속적으로 맥락을 유지합니다.</p> <p><a class="link" href="https://github.com/shengjidaguai-china/goutoujunshi" target="_blank" rel="noopener" ><img alt="shengjidaguai-china/goutoujunshi 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/5142324b26756c1180d65cdd28e5493cec8e7a8e4017b9074a5aded90fa06894/shengjidaguai-china/goutoujunshi" srcset="https://agents.juil.dev/goutoujunshi_939259613891314989_hu_832a344a3bd0c3ee.png 800w, https://opengraph.githubassets.com/5142324b26756c1180d65cdd28e5493cec8e7a8e4017b9074a5aded90fa06894/shengjidaguai-china/goutoujunshi 1200w" width="1200"></a><br> <a class="link" href="https://github.com/shengjidaguai-china/goutoujunshi" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>22. anthropics/financial-services</strong> — (Python, ★ 약 3.8만)</p> <p>Claude를 금융 서비스 워크플로에 적용하기 위한 레퍼런스 에이전트·스킬·데이터 커넥터 모음입니다.<br> 투자은행·주식리서치·사모펀드·자산관리에서 자주 쓰는 업무용으로, Claude Cowork 플러그인 또는 매니지드 에이전트 API로 배포할 수 있습니다.<br> 생성 결과물은 모델·메모·리서치 노트·정산 등 사람이 검토할 초안으로, 투자 권고·거래 실행·원장 기록은 하지 않는다고 명시합니다.</p> <p><a class="link" href="https://github.com/anthropics/financial-services" target="_blank" rel="noopener" ><img alt="anthropics/financial-services 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/1b9f9b0eabcd0895f841c87d77ccbacba7fb735b1290c700fce819eb5f82b018/anthropics/financial-services" srcset="https://agents.juil.dev/financial-services_851295903574631608_hu_60c1df17964e3c4d.png 800w, https://opengraph.githubassets.com/1b9f9b0eabcd0895f841c87d77ccbacba7fb735b1290c700fce819eb5f82b018/anthropics/financial-services 1200w" width="1200"></a><br> <a class="link" href="https://github.com/anthropics/financial-services" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>24. Albert-Weasker/niubigeo</strong> — (TypeScript, ★ 약 4.9천)</p> <p>AI 응답에서 내 브랜드가 노출되는지 추적하는 셀프호스팅 GEO(생성형 엔진 최적화) 도구입니다.<br> 도메인을 입력하면 모델들이 제품을 어떻게 설명하고 어떤 경쟁사를 추천하는지 비교할 수 있습니다.<br> 키워드를 테스트해 AI 추천에 얼마나 노출되는지 확인하고, 모델이 인용하는 출처까지 검증할 수 있게 해줍니다.</p> <p><a class="link" href="https://github.com/Albert-Weasker/niubigeo" target="_blank" rel="noopener" ><img alt="Albert-Weasker/niubigeo 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/ab0d290cd59d912997f9676f84552735952519005599bec8a0cf74a61fcb2b96/Albert-Weasker/niubigeo" srcset="https://agents.juil.dev/niubigeo_6617768449074362353_hu_4ab3895bedb129ed.png 800w, https://opengraph.githubassets.com/ab0d290cd59d912997f9676f84552735952519005599bec8a0cf74a61fcb2b96/Albert-Weasker/niubigeo 1200w" width="1200"></a><br> <a class="link" href="https://github.com/Albert-Weasker/niubigeo" target="_blank" rel="noopener" >🔗 GitHub</a></p> <hr> <h2 id="출처">출처 </h2><p><a class="link" href="https://trendshift.io/weekly/2026/39" target="_blank" rel="noopener" >Trendshift 주간 차트</a></p>https://agents.juil.dev/trendshift/2026-09-14-weekly-open-source-trends/Mon, 21 Sep 2026 10:00:00 +0900https://agents.juil.dev/trendshift/2026-09-14-weekly-open-source-trends/<h1 id="trendshift-주간-오픈소스-트렌드--2026-w38-09-14--09-20">Trendshift 주간 오픈소스 트렌드 — 2026-W38 (09-14 ~ 09-20) </h1> <blockquote> <p><strong>기준 주차: 2026-09-14(월) ~ 2026-09-20(일)</strong> — Trendshift 주간 차트 1~25위를 각 저장소의 README를 바탕으로 요약한 글입니다.<br> 각 항목의 설명은 해당 저장소 README에 근거하며, 추정이나 창작을 포함하지 않습니다.</p> </blockquote> <p>이번 주 Trendshift 주간 차트는 <strong>코딩 에이전트의 운용을 시스템적으로 바꾸는 도구</strong>가 주를 이뤘습니다.<br> 서버급 초대형 모델을 개인용 PC에서 직접 돌리는 실행 엔진(<code>colibri</code>)과, 에이전트가 보안 감사를 수행하게 만드는 스킬(<code>security-audit-skill</code>), 그리고 여러 에이전트를 병렬로 운용하는 오케스트레이터(<code>orca</code>)가 동시에 등장했습니다.<br> 또한 브라우저 자동화를 로그인 상태 그대로 재사용하는 흐름(<code>BrowserSkill</code>, <code>jev-ultrafast</code>)과, AI 인프라를 다루는 공개 교재(<code>ai-infra-book</code>)가 함께 주목받았습니다.</p> <p>아래는 카테고리별로 묶어 정리한 요약입니다.</p> <hr> <h3 id="ai-에이전트스킬">AI 에이전트·스킬 </h3><p><strong>1. alibaba/open-code-review</strong> — (Go, ★ 약 3.8만)</p> <p>하이브리드 아키텍처 기반의 코드 리뷰 도구로, 결정적 파이프라인과 LLM 에이전트를 함께 사용합니다.<br> 라인 단위 정확한 코멘트를 만들어내며, NPE·스레드 안전성·XSS·SQL 인젝션 등을 다루는 다국어 규칙셋이 내장돼 있습니다.<br> OpenAI·Anthropic API와 호환되고, 알리바바 규모에서 검증된 도구라고 소개합니다.</p> <p><a class="link" href="https://github.com/alibaba/open-code-review" target="_blank" rel="noopener" ><img alt="alibaba/open-code-review 미리보기" class="gallery-image" data-flex-basis="240px" data-flex-grow="100" height="640" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/1241960226/27bf01cb-17df-44d5-9b7b-bcf17c970c6d" width="640"></a><br> <a class="link" href="https://github.com/alibaba/open-code-review" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>2. cloudflare/security-audit-skill</strong> — (JavaScript, ★ 약 1.8만)</p> <p>코딩 에이전트를 보안 감사자로 만들어주는 스킬입니다.<br> 정찰 → 커버리지 기반 헌팅 → 후보 검증 → 구조화 출력 → 독립 기록 검증 → 대상 중립 보고의 6단계로 감사를 진행합니다.<br> 이 스킬은 Cloudflare의 취약점 발견 하네스의 출발점이 된 코드로, 에이전트를 고립시켜 겹치는 체크 없이 감사를 수행합니다.</p> <p><a class="link" href="https://github.com/cloudflare/security-audit-skill" target="_blank" rel="noopener" ><img alt="cloudflare/security-audit-skill 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/b8ba3c0fb3739b269724b8fbab450cd8ccb72e7af0532f42fbd6543578ff98c3/cloudflare/security-audit-skill" srcset="https://agents.juil.dev/security-audit-skill_2727907470626463724_hu_16c76e5943a3956f.png 800w, https://opengraph.githubassets.com/b8ba3c0fb3739b269724b8fbab450cd8ccb72e7af0532f42fbd6543578ff98c3/cloudflare/security-audit-skill 1200w" width="1200"></a><br> <a class="link" href="https://github.com/cloudflare/security-audit-skill" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>8. latent-spaces/brag</strong> — (Python, ★ 약 6.2천)</p> <p>방금 만든 프로젝트를 짧은 공유용 런치 비디오로 만들어주는 Claude Code 스킬입니다.<br> 음악, 모션, 공유 문구까지 포함해 한 명령으로 생성하며, 이 저장소의 런치 사이트에 있는 반복 영상도 <code>/brag</code>로 만들어진 것입니다.<br> 다른 에이전트에서는 skills CLI로 설치해 사용할 수 있습니다.</p> <p><a class="link" href="https://github.com/latent-spaces/brag" target="_blank" rel="noopener" ><img alt="latent-spaces/brag 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/2b0c67f2b33d37b1ec0d75f8a64db51286924906fdee219da0aaa780d43851ce/latent-spaces/brag" srcset="https://agents.juil.dev/brag_3677079159344829623_hu_ca350a3857b291af.png 800w, https://opengraph.githubassets.com/2b0c67f2b33d37b1ec0d75f8a64db51286924906fdee219da0aaa780d43851ce/latent-spaces/brag 1200w" width="1200"></a><br> <a class="link" href="https://github.com/latent-spaces/brag" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>9. deepseek-ai/deepseek-harness</strong> — (TypeScript, ★ 약 23만)</p> <p>DeepSeek AI가 만든 오픈소스 에이전트 하네스로, 모든 것이 플러그인인 아키텍처를 기반으로 합니다.<br> 현재 개발자 프리뷰 단계이며, <code>npx @deepseek-ai/dsh web</code> 한 줄로 로컬 Web UI를 실행할 수 있습니다.<br> 호환성을 깨는 변경이 잦다고 공지할 만큼 빠르게 반복 개발 중입니다.</p> <p><a class="link" href="https://github.com/deepseek-ai/deepseek-harness" target="_blank" rel="noopener" ><img alt="deepseek-ai/deepseek-harness 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="640" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/1333065091/05ca062c-0277-415c-90b5-f43277f73436" srcset="https://agents.juil.dev/05ca062c-0277-415c-90b5-f43277f73436_1097308138403696434_hu_38d586da3e14ecd4.png 800w, https://repository-images.githubusercontent.com/1333065091/05ca062c-0277-415c-90b5-f43277f73436 1280w" width="1280"></a><br> <a class="link" href="https://github.com/deepseek-ai/deepseek-harness" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>14. tt-a1i/archify</strong> — (JavaScript, ★ 약 6.8만)</p> <p>어디서든 이해·계획·공유하려는 것을 인터랙티브 비주얼로 바꿔주는 에이전트 스킬입니다.<br> 여행 일정이나 학습 지도부터 복잡한 시스템 아키텍처·워크플로·순서도·데이터 흐름 다이어그램까지, 자체 포함 HTML로 만들어냅니다.<br> 모션과 선명한 내보내기를 제공하고, 결과물을 탐색·수정·공유할 수 있습니다.</p> <p><a class="link" href="https://github.com/tt-a1i/archify" target="_blank" rel="noopener" ><img alt="tt-a1i/archify 미리보기" class="gallery-image" data-flex-basis="457px" data-flex-grow="190" height="630" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/1211139949/484a27cf-6888-472b-9f58-46615a4429b1" srcset="https://agents.juil.dev/484a27cf-6888-472b-9f58-46615a4429b1_839164623049067345_hu_370c41fe6e935bc8.png 800w, https://repository-images.githubusercontent.com/1211139949/484a27cf-6888-472b-9f58-46615a4429b1 1200w" width="1200"></a><br> <a class="link" href="https://github.com/tt-a1i/archify" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>16. addyosmani/agent-skills</strong> — (JavaScript, ★ 약 9.8만)</p> <p>프로덕션 수준 엔지니어링 스킬들을 AI 코딩 에이전트용으로 패키징한 저장소입니다.<br> 시니어 엔지니어가 소프트웨어 개발 전 단계에서 쓰는 워크플로·품질 게이트·모범 사례를 스킬로 구현했습니다.<br> /spec, /plan, /build, /test, /review, /ship 등 개발 수명주기에 대응하는 9개의 슬래시 명령을 제공합니다.</p> <p><a class="link" href="https://github.com/addyosmani/agent-skills" target="_blank" rel="noopener" ><img alt="addyosmani/agent-skills 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/67044ebf53625dacb2e60fc732f3d66f6db9431da52920b65a93eadc60112f30/addyosmani/agent-skills" srcset="https://agents.juil.dev/agent-skills_8084581806925260740_hu_dc7135ecc100a8f5.png 800w, https://opengraph.githubassets.com/67044ebf53625dacb2e60fc732f3d66f6db9431da52920b65a93eadc60112f30/addyosmani/agent-skills 1200w" width="1200"></a><br> <a class="link" href="https://github.com/addyosmani/agent-skills" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>21. affaan-m/ECC</strong> — (JavaScript, ★ 약 26만)</p> <p>에이전트 하네스 성능 최적화 시스템으로, 스킬·본능·메모리·보안·연구 우선 개발을 다룹니다.<br> Claude Code, Codex, Opencode, Cursor 등 여러 에이전트에서 사용할 수 있도록 설계됐습니다.<br> 이번 주 차트 항목 중 가장 많은 스타를 보유한 프로젝트입니다.</p> <p><a class="link" href="https://github.com/affaan-m/ECC" target="_blank" rel="noopener" ><img alt="affaan-m/ECC 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/3177a48689fb3a067a7373598fb51402278c6c39c0200a3be7075de3a334c040/affaan-m/ECC" srcset="https://agents.juil.dev/ECC_13322033057020126135_hu_2e7772fc0b585b9f.png 800w, https://opengraph.githubassets.com/3177a48689fb3a067a7373598fb51402278c6c39c0200a3be7075de3a334c040/affaan-m/ECC 1200w" width="1200"></a><br> <a class="link" href="https://github.com/affaan-m/ECC" target="_blank" rel="noopener" >🔗 GitHub</a></p> <hr> <h3 id="모델-실행인프라">모델 실행·인프라 </h3><p><strong>6. JustVugg/colibri</strong> — (C, ★ 약 3.7만)</p> <p>744B에서 2.8T 파라미터까지의 프론티어 MoE 모델을 일반 소비자 하드웨어에서 실행하는 순수 C 추론 엔진입니다.<br> 스토리지·RAM·VRAM을 하나의 추론 계층으로 취급하는 AI 메모리 멀티티어링으로, 의존성 없이 동작합니다.<br> GLM-5.2/5.3, Kiмi K3, DeepSeek V4 Flash 등 아홉 모델군을 지원하며 오픈 리서치 플랫폼을 표방합니다.</p> <p><a class="link" href="https://github.com/JustVugg/colibri" target="_blank" rel="noopener" ><img alt="JustVugg/colibri 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/468bbac943166aa5e4e123dc0bf534c4ade76ba431ffa146b51963a09bf765d3/JustVugg/colibri" srcset="https://agents.juil.dev/colibri_11132692592310574351_hu_8fec48bab69f5659.png 800w, https://opengraph.githubassets.com/468bbac943166aa5e4e123dc0bf534c4ade76ba431ffa146b51963a09bf765d3/JustVugg/colibri 1200w" width="1200"></a><br> <a class="link" href="https://github.com/JustVugg/colibri" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>13. debpalash/VoiceStudio</strong> — (Python, ★ 약 3.4만)</p> <p>완전 로컬에서 동작하는 ElevenLabs 대안으로, 음성 복제·음성 디자인·영상 더빙·받아쓰기·전사·오디오북 제작을 제공합니다.<br> 646개 언어를 지원하며 오픈소스로 공개돼 있습니다.</p> <p><a class="link" href="https://github.com/debpalash/VoiceStudio" target="_blank" rel="noopener" ><img alt="debpalash/VoiceStudio 미리보기" class="gallery-image" data-flex-basis="384px" data-flex-grow="160" height="1000" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/1206390571/fd6851a0-4e36-4541-a76c-2ad84935d0bc" srcset="https://agents.juil.dev/fd6851a0-4e36-4541-a76c-2ad84935d0bc_13052175009440960459_hu_23a1eb1602b141a9.png 800w, https://repository-images.githubusercontent.com/1206390571/fd6851a0-4e36-4541-a76c-2ad84935d0bc 1600w" width="1600"></a><br> <a class="link" href="https://github.com/debpalash/VoiceStudio" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>7. Tencent/WeKnora</strong> — (Go, ★ 약 2.8만)</p> <p>원시 문서를 조회 가능한 RAG, 자율 추론 에이전트, 자체 유지되는 위키로 바꿔주는 오픈소스 LLM 지식 플랫폼입니다.<br> 챗봇 오픈 플랫폼, Chrome 확장, ClawHub 스킬 등 다양한 진입점을 제공합니다.<br> 문서를 지식으로 변환해 질문 가능한 상태로 유지하는 것이 핵심입니다.</p> <p><a class="link" href="https://github.com/Tencent/WeKnora" target="_blank" rel="noopener" ><img alt="Tencent/WeKnora 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/3b665b6bce930c0ee6ae28605676d7c3192ec61143ccea79e47925d8184e1aae/Tencent/WeKnora" srcset="https://agents.juil.dev/WeKnora_9407347006510228475_hu_49bc513fd9ff8d25.png 800w, https://opengraph.githubassets.com/3b665b6bce930c0ee6ae28605676d7c3192ec61143ccea79e47925d8184e1aae/Tencent/WeKnora 1200w" width="1200"></a><br> <a class="link" href="https://github.com/Tencent/WeKnora" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>15. bojieli/ai-infra-book</strong> — (Python, ★ 약 4.7천)</p> <p>《深入理解 AI Infra：量化分析与系统设计》의 오픈소스 원고로, 하드웨어 제약과 모델 아키텍처에서 출발해 LLM 추론·학습 시스템 설계를 정량적으로 전개합니다.<br> 전체 본문, PDF, 계산 도구와 실험을 포함합니다.<br> GitHub에서 45k+ 스타를 받은 &lsquo;AI Agent 심층 이해&rsquo; 책의 자매편입니다.</p> <p><a class="link" href="https://github.com/bojieli/ai-infra-book" target="_blank" rel="noopener" ><img alt="bojieli/ai-infra-book 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/a74c3bafdc2579177acb0cc013643a1a1bb67ca7098759c1aae720e8981d0f1a/bojieli/ai-infra-book" srcset="https://agents.juil.dev/ai-infra-book_17649016227243210404_hu_2813dfa938e7c445.png 800w, https://opengraph.githubassets.com/a74c3bafdc2579177acb0cc013643a1a1bb67ca7098759c1aae720e8981d0f1a/bojieli/ai-infra-book 1200w" width="1200"></a><br> <a class="link" href="https://github.com/bojieli/ai-infra-book" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>19. alphaXiv/OpenResearch</strong> — (Rust, ★ 약 5.5천)</p> <p>리서치 에이전트와 자동 연구를 위한 로컬 우선 워크스페이스입니다.<br> Claude Code, Codex, OpenCode, Cursor, Google Antigravity를 리서치 에이전트로 바꿔 문헌 검토, 가설 개발, 실험 실행, 연구 산출물 생성을 수행하게 합니다.<br> macOS 전용 다운로드와 Windows CLI 버전을 제공합니다.</p> <p><a class="link" href="https://github.com/alphaXiv/OpenResearch" target="_blank" rel="noopener" ><img alt="alphaXiv/OpenResearch 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/adf2992b721fbf1f87c9a41c773db8a688f5820e68af8fce51a3bf64fafb7ca0/alphaXiv/OpenResearch" srcset="https://agents.juil.dev/OpenResearch_9754649270364478416_hu_b507904fc3a92122.png 800w, https://opengraph.githubassets.com/adf2992b721fbf1f87c9a41c773db8a688f5820e68af8fce51a3bf64fafb7ca0/alphaXiv/OpenResearch 1200w" width="1200"></a><br> <a class="link" href="https://github.com/alphaXiv/OpenResearch" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>24. Human-Agent-Society/reef</strong> — (Python, ★ 약 3.8천)</p> <p>자기 개선 에이전트를 위한 지속 학습 인프라로, 에이전트 추론·피드백·학습·버전화된 배포를 연결합니다.<br> Slime·SGLang으로 모델 가중치를 학습하거나, 프롬프트·규칙·스킬 같은 하네스를 개선할 수 있습니다.<br> 자기 개선 에이전트를 위한 첫 오픈소스 인프라라고 소개합니다.</p> <p><a class="link" href="https://github.com/Human-Agent-Society/reef" target="_blank" rel="noopener" ><img alt="Human-Agent-Society/reef 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="640" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/1351879111/7ea8e76f-1bd7-4f1b-aaba-cdfcdc86a018" srcset="https://agents.juil.dev/7ea8e76f-1bd7-4f1b-aaba-cdfcdc86a018_2604829988624376471_hu_2e5d45c0ad3f31ce.png 800w, https://repository-images.githubusercontent.com/1351879111/7ea8e76f-1bd7-4f1b-aaba-cdfcdc86a018 1280w" width="1280"></a><br> <a class="link" href="https://github.com/Human-Agent-Society/reef" target="_blank" rel="noopener" >🔗 GitHub</a></p> <hr> <h3 id="브라우저자동화">브라우저·자동화 </h3><p><strong>5. browser-use/jev-ultrafast</strong> — (Python, ★ 약 1.2만)</p> <p>동적이고 인덱싱된 행동 공간을 가진 브라우저 에이전트로, 자연어 목표 하나를 주면 TypeSafe의 Jev가 작업과 요소를 선택합니다.<br> 작은 LLM은 TYPE_TEXT 작업일 때만 텍스트를 생성합니다.<br> 실제 데모로 취리히→런던 구글 항공편 검색을 7.1초 만에 완수한다고 소개합니다.</p> <p><a class="link" href="https://github.com/browser-use/jev-ultrafast" target="_blank" rel="noopener" ><img alt="browser-use/jev-ultrafast 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/2c31699bea53b26de98c2c39d9021535bc3259b506da42995df5ddfcb8ee3164/browser-use/jev-ultrafast" srcset="https://agents.juil.dev/jev-ultrafast_11448918956458322638_hu_948840ba6a7713ed.png 800w, https://opengraph.githubassets.com/2c31699bea53b26de98c2c39d9021535bc3259b506da42995df5ddfcb8ee3164/browser-use/jev-ultrafast 1200w" width="1200"></a><br> <a class="link" href="https://github.com/browser-use/jev-ultrafast" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>11. Tencent/BrowserSkill</strong> — (Rust, ★ 약 6.1천)</p> <p>AI 에이전트가 이미 로그인된 실제 브라우저를 방해 없이 사용하게 하는 CLI + 확장 도구입니다.<br> 에이전트가 탭을 빌려 쓰고 작업 완료 후 반환하며, 나머지 브라우저는 건드리지 않습니다.<br> 캡차·로그인·확인 대화에서 에이전트가 인간에게 인계를 요청할 수 있는 휴먼인루프도 내장돼 있습니다.</p> <p><a class="link" href="https://github.com/Tencent/BrowserSkill" target="_blank" rel="noopener" ><img alt="Tencent/BrowserSkill 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/f32253d579302ef53530f90bedb4d27e8608df2a28e6c192da99e3a8a3293fe6/Tencent/BrowserSkill" srcset="https://agents.juil.dev/BrowserSkill_7380397321517750024_hu_8bd612fa950c9be8.png 800w, https://opengraph.githubassets.com/f32253d579302ef53530f90bedb4d27e8608df2a28e6c192da99e3a8a3293fe6/Tencent/BrowserSkill 1200w" width="1200"></a><br> <a class="link" href="https://github.com/Tencent/BrowserSkill" target="_blank" rel="noopener" >🔗 GitHub</a></p> <hr> <h3 id="개발-생산성도구">개발 생산성·도구 </h3><p><strong>10. NationalSecurityAgency/ghidra</strong> — (Java, ★ 약 7.9만)</p> <p>NSA가 만들고 유지하는 소프트웨어 역공학(SRE) 프레임워크로, 컴파일된 코드 분석 도구 모음입니다.<br> 디스어셈블리·어셈블리·디컴파일·그래핑·스크립팅 등 수백 가지 기능을 Windows, macOS, Linux에서 지원합니다.<br> 사용자 상호작용 및 자동화 모드로 실행할 수 있고 Java/Python으로 확장 컴포넌트를 개발할 수 있습니다.</p> <p><a class="link" href="https://github.com/NationalSecurityAgency/ghidra" target="_blank" rel="noopener" ><img alt="NationalSecurityAgency/ghidra 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/67fc40248447e33f0c1d6a04ad8743664d491b8889d66c876f4911047045ff3f/NationalSecurityAgency/ghidra" srcset="https://agents.juil.dev/ghidra_414100557797958116_hu_cdf13414faec91b0.png 800w, https://opengraph.githubassets.com/67fc40248447e33f0c1d6a04ad8743664d491b8889d66c876f4911047045ff3f/NationalSecurityAgency/ghidra 1200w" width="1200"></a><br> <a class="link" href="https://github.com/NationalSecurityAgency/ghidra" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>12. abue-ammar/tinycast</strong> — (Swift, ★ 약 6.9천)</p> <p>완전 네이티브 macOS 런처로, 하나의 핫키로 모든 것을 꺼내 쓰며 100MB 미만의 RAM으로 동작합니다.<br> SwiftUI와 AppKit만 사용하고 서드파티 의존성이 없으며, Electron도 텔레메트리도 없습니다.<br> 실제 Raycast 확장을 네이티브 SwiftUI로 렌더링해 실행할 수 있다고 소개합니다.</p> <p><a class="link" href="https://github.com/abue-ammar/tinycast" target="_blank" rel="noopener" ><img alt="abue-ammar/tinycast 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/6b2effd2b51a7e23429d42ac4edcf42a6d9db494ce4c5ae1f27633dc0950717a/abue-ammar/tinycast" srcset="https://agents.juil.dev/tinycast_17350840078264633186_hu_77c37f8f534cc356.png 800w, https://opengraph.githubassets.com/6b2effd2b51a7e23429d42ac4edcf42a6d9db494ce4c5ae1f27633dc0950717a/abue-ammar/tinycast 1200w" width="1200"></a><br> <a class="link" href="https://github.com/abue-ammar/tinycast" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>18. stablyai/orca</strong> — (TypeScript, ★ 약 7.4만)</p> <p>병렬 에이전트 플릿을 운용하기 위한 에이전트 개발 환경(ADE)으로, Codex·Claude Code·OpenCode·Pi를 나란히 실행합니다.<br> 자신의 구독을 그대로 사용할 수 있고 데스크톱·모바일·원격 런타임에서 제공됩니다.<br> 100x 빌더를 위한 AI 오케스트레이터라고 소개합니다.</p> <p><a class="link" href="https://github.com/stablyai/orca" target="_blank" rel="noopener" ><img alt="stablyai/orca 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/36681a9c0b12d27115fa84b4d48f87e4ad84fbe9069c788da50eecb384338c33/stablyai/orca" srcset="https://agents.juil.dev/orca_11950774186657920950_hu_4e53af62763e1994.png 800w, https://opengraph.githubassets.com/36681a9c0b12d27115fa84b4d48f87e4ad84fbe9069c788da50eecb384338c33/stablyai/orca 1200w" width="1200"></a><br> <a class="link" href="https://github.com/stablyai/orca" target="_blank" rel="noopener" >🔗 GitHub</a></p> <hr> <h3 id="콘텐츠창작">콘텐츠·창작 </h3><p><strong>3. hypit-ai/hypit</strong> — (TypeScript, ★ 약 1.2만)</p> <p>AI 에이전트로 바이럴 영상을 클론하는 도구로, 스크립트뿐 아니라 얼굴 교체, 대사, B-roll까지 전체 워크플로를 다룹니다.<br> 한 명령으로 100개 변형을 만들어 1억 뷰를 노린다고 소개합니다.<br> 이번 주 Trendshift 1위 저장소 오브 더 데이로 선정된 프로젝트이기도 합니다.</p> <p><a class="link" href="https://github.com/hypit-ai/hypit" target="_blank" rel="noopener" ><img alt="hypit-ai/hypit 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/8b2f314b6c1f91db9165c3f1bb386be19608cb535f69880b355e34f5ddeb4631/hypit-ai/hypit" srcset="https://agents.juil.dev/hypit_13289253258666548633_hu_c5f1e39f3ee61e83.png 800w, https://opengraph.githubassets.com/8b2f314b6c1f91db9165c3f1bb386be19608cb535f69880b355e34f5ddeb4631/hypit-ai/hypit 1200w" width="1200"></a><br> <a class="link" href="https://github.com/hypit-ai/hypit" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>17. bilawalsidhu/gods-eye-view</strong> — (JavaScript, ★ 약 4.0만)</p> <p>브라우저에서 동작하는 위성 감시 시뮬레이터로, 데이터가 사실 공개 소스에서 오는 것을 알게 되는 프로젝트입니다.<br> 사진실감 3D 지구본 위에 실시간 항공기·선박·위성·지진·교통·공공 카메라를 표시합니다.<br> 음성 제어는 실시간 AI 에이전트가 담당하며, 2026년 8월 GitHub Trending 1위에 오른 바 있습니다.</p> <p><a class="link" href="https://github.com/bilawalsidhu/gods-eye-view" target="_blank" rel="noopener" ><img alt="bilawalsidhu/gods-eye-view 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/28c7e1e11a8ec9b8cd271809bab3389d2d0d803c3b111cafe72bf9202a41ac8b/bilawalsidhu/gods-eye-view" srcset="https://agents.juil.dev/gods-eye-view_12408624078592070429_hu_7df7a943804da129.png 800w, https://opengraph.githubassets.com/28c7e1e11a8ec9b8cd271809bab3389d2d0d803c3b111cafe72bf9202a41ac8b/bilawalsidhu/gods-eye-view 1200w" width="1200"></a><br> <a class="link" href="https://github.com/bilawalsidhu/gods-eye-view" target="_blank" rel="noopener" >🔗 GitHub</a></p> <hr> <h3 id="학습리소스">학습·리소스 </h3><p><strong>4. eternity4719/HowToLiveBetter</strong> — (HTML, ★ 약 8.7천)</p> <p>장수·질병 예방·응급처치·절약·법률·실업·의료보험·연애·육아·유학 등을 다루는 552개 근거 기반 조언 모음입니다.<br> 각 항목에 비용·효과·증거 등급·원출처를 명시하고, 논문과 공식 문서만 인용합니다.<br> 모두 할 필요 없이 효과 대비 비용이 좋은 것만 골라 쓰라고 안내합니다.</p> <p><a class="link" href="https://github.com/eternity4719/HowToLiveBetter" target="_blank" rel="noopener" ><img alt="eternity4719/HowToLiveBetter 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/07c36f77a61190a06cedf4afdcaca5866f1b9548361d4b1734db2c5991806691/eternity4719/HowToLiveBetter" srcset="https://agents.juil.dev/HowToLiveBetter_18295604348920687140_hu_e751be0eb5b5ee8f.png 800w, https://opengraph.githubassets.com/07c36f77a61190a06cedf4afdcaca5866f1b9548361d4b1734db2c5991806691/eternity4719/HowToLiveBetter 1200w" width="1200"></a><br> <a class="link" href="https://github.com/eternity4719/HowToLiveBetter" target="_blank" rel="noopener" >🔗 GitHub</a></p> <hr> <h3 id="기타">기타 </h3><p><strong>20. arnegiacomo/fugleramme</strong> — (Python, ★ 약 3.2천)</p> <p>라즈베리파이용 전자잉크 새 관찰 액자로, 실시간 음성 기반 새 감지를 완전 로컬 AI로 수행합니다.<br> 감지된 새는 1800년대 손으로 그린 새 삽화로 렌더링되어 액자에 표시됩니다.<br> 부엌 창턱에 둔 실물 데모 사진이 README에 공개돼 있습니다.</p> <p><a class="link" href="https://github.com/arnegiacomo/fugleramme" target="_blank" rel="noopener" ><img alt="arnegiacomo/fugleramme 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/adf2992b721fbf1f87c9a41c773db8a688f5820e68af8fce51a3bf64fafb7ca0/arnegiacomo/fugleramme" srcset="https://agents.juil.dev/fugleramme_12927499603362403681_hu_92cd7b688c97103e.png 800w, https://opengraph.githubassets.com/adf2992b721fbf1f87c9a41c773db8a688f5820e68af8fce51a3bf64fafb7ca0/arnegiacomo/fugleramme 1200w" width="1200"></a><br> <a class="link" href="https://github.com/arnegiacomo/fugleramme" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>22. ever-co/ever-gauzy</strong> — (TypeScript, ★ 약 7.8천)</p> <p>ERP/CRM/HRM/ATS/PM을 아우르는 오픈 비즈니스 관리 플랫폼으로, 기업의 여러 관리 기능을 한 곳에 모읍니다.<br> 같은 저자의 에버티노계 프로젝트가 다수 존재하며, 관련 에이전틱 런타임 프로젝트도 소개됩니다.<br> 풀리퀘스트 워크플로와 채용·프로젝트 관리 기능을 함께 제공합니다.</p> <p><a class="link" href="https://github.com/ever-co/ever-gauzy" target="_blank" rel="noopener" ><img alt="ever-co/ever-gauzy 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="640" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/189829392/7a1e420b-43dd-4690-ae69-a167a2b571d7" srcset="https://agents.juil.dev/7a1e420b-43dd-4690-ae69-a167a2b571d7_11390668339683647609_hu_9f5a44b711e49acb.png 800w, https://repository-images.githubusercontent.com/189829392/7a1e420b-43dd-4690-ae69-a167a2b571d7 1280w" width="1280"></a><br> <a class="link" href="https://github.com/ever-co/ever-gauzy" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>23. TencentCloud/Octop</strong> — (Python, ★ 약 4.4천)</p> <p>셀프호스팅 AI 어시스턴트로, 다중 사용자·다중 에이전트를 지원합니다.<br> OpenAI API와 호환되며, Python 3.12 이상에서 실행됩니다.<br> 가볍고 스마트한 로컬 AI 어시스턴트를 표방합니다.</p> <p><a class="link" href="https://github.com/TencentCloud/Octop" target="_blank" rel="noopener" ><img alt="TencentCloud/Octop 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/50842285f6f8d202c8d42743852d1631759b5ac5403c45cc40efa23644246cde/TencentCloud/Octop" srcset="https://agents.juil.dev/Octop_4878873447875990505_hu_3a215762b3706086.png 800w, https://opengraph.githubassets.com/50842285f6f8d202c8d42743852d1631759b5ac5403c45cc40efa23644246cde/TencentCloud/Octop 1200w" width="1200"></a><br> <a class="link" href="https://github.com/TencentCloud/Octop" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>25. Open-Dev-Society/OpenStock</strong> — (TypeScript, ★ 약 1.7만)</p> <p>비싼 마켓플랫폼의 오픈소스 대안으로, 실시간 가격 추적과 맞춤 알림, 기업 상세 분석을 제공합니다.<br> 무료로 모두에게 공개되는 것을 목표로 합니다.<br> 같은 팀에서 만든 코드 탐색 도구도 함께 소개하고 있습니다.</p> <p><a class="link" href="https://github.com/Open-Dev-Society/OpenStock" target="_blank" rel="noopener" ><img alt="Open-Dev-Society/OpenStock 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/cad19873ce0b9b984ba6e57a30c4de892978d99a0bbb8a1943f1e7a3c8df82a7/Open-Dev-Society/OpenStock" srcset="https://agents.juil.dev/OpenStock_12773037569974280530_hu_b1ededb37c39e558.png 800w, https://opengraph.githubassets.com/cad19873ce0b9b984ba6e57a30c4de892978d99a0bbb8a1943f1e7a3c8df82a7/Open-Dev-Society/OpenStock 1200w" width="1200"></a><br> <a class="link" href="https://github.com/Open-Dev-Society/OpenStock" target="_blank" rel="noopener" >🔗 GitHub</a></p> <hr> <h2 id="출처">출처 </h2><p><a class="link" href="https://trendshift.io/weekly/2026/38" target="_blank" rel="noopener" >Trendshift 주간 차트</a></p>https://agents.juil.dev/trendshift/2026-09-07-weekly-open-source-trends/Mon, 14 Sep 2026 10:00:00 +0900https://agents.juil.dev/trendshift/2026-09-07-weekly-open-source-trends/<h1 id="trendshift-주간-오픈소스-트렌드--2026-w37-09-07--09-13">Trendshift 주간 오픈소스 트렌드 — 2026-W37 (09-07 ~ 09-13) </h1> <blockquote> <p><strong>기준 주차: 2026-09-07(월) ~ 2026-09-13(일)</strong> — Trendshift 주간 차트 1~25위를 각 저장소의 README를 바탕으로 요약한 글입니다.<br> 각 항목의 설명은 해당 저장소 README에 근거하며, 추정이나 창작을 포함하지 않습니다.</p> </blockquote> <p>이번 주 Trendshift 주간 차트는 <strong>코딩 에이전트를 더 짧고 안전하게, 그리고 더 조직적으로 운용하기 위한 도구</strong>가 압도적으로 주도했습니다.<br> 특히 에이전트가 불필요한 코드를 덜 쓰게 만드는 스킬(<code>ponytail</code>), 답을 묻어두지 않고 바로 행동하게 하는 스킬(<code>i-have-adhd</code>), 그리고 여러 에이전트를 한 곳에서 오케스트레이션하는 하네스·데스크톱(<code>teamai-cli</code>, <code>PI-Desktop</code>, <code>orca</code>)이 대거 등장했습니다.<br> 한편으로 HTML 기반 영상 제작(<code>hyperframes</code>), 편집 다이어그램(<code>diagram-design</code>, <code>archify</code>)처럼 &lsquo;에이전트가 결과물을 직접 만드는&rsquo; 도구와, 음성·로컬 대규모 모델 자체 실행(<code>VoiceStudio</code>, <code>OmniVoice</code>, <code>colibri</code>) 흐름도 함께 포진했습니다.</p> <p>아래는 카테고리별로 묶어 정리한 요약입니다.</p> <hr> <h3 id="ai-에이전트스킬">AI 에이전트·스킬 </h3><p><strong>1. ayghri/i-have-adhd</strong> — (Python, ★ 약 4.4만)</p> <p>코딩 에이전트가 답을 묻어두지 않게 만드는 스킬입니다.<br> &lsquo;다음 행동부터 시작하기&rsquo;, &lsquo;다단계 작업 번호 매기기&rsquo;, &lsquo;각 턴마다 상태 재진술&rsquo; 같은 10가지 규칙으로, 길게 서두를 늘어놓는 대신 곧바로 실행할 명령을 제시하게 합니다.<br> ADHD 진단과 무관하게 적용되며, The Adult ADHD Tool Kit을 바탕으로 LLM의 응답 방식에 맞게 각색됐습니다.</p> <p><a class="link" href="https://github.com/ayghri/i-have-adhd" target="_blank" rel="noopener" ><img alt="ayghri/i-have-adhd 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/c4e69e26276cb87900c78ad97c37de2edf52912f35e9b8dc852a42687d8056b1/ayghri/i-have-adhd" srcset="https://agents.juil.dev/i-have-adhd_17389215707925091084_hu_9379c2568a4a23a6.png 800w, https://opengraph.githubassets.com/c4e69e26276cb87900c78ad97c37de2edf52912f35e9b8dc852a42687d8056b1/ayghri/i-have-adhd 1200w" width="1200"></a><br> <a class="link" href="https://github.com/ayghri/i-have-adhd" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>7. google/artemis</strong> — (Python, ★ 약 4.6천)</p> <p>자연어 지시를 안정적인 Android 자동화로 바꿔주는 도구입니다.<br> 엔드투엔드 워크플로를 자동화하고 디버깅·분석용 로그를 수집하며, Antigravity·Codex·Claude Code 같은 AI 코딩 어시스턴트와 연동됩니다.<br> Google Research의 AndroidWorld 벤치마크에서 99% 이상의 태스크 완수율을 기록한다고 소개합니다.</p> <p><a class="link" href="https://github.com/google/artemis" target="_blank" rel="noopener" ><img alt="google/artemis 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/02698bc22c22614cd012f60ee339a41b74d26ff887af1b6ed57f5179c49aabb9/google/artemis" srcset="https://agents.juil.dev/artemis_17720637027478545612_hu_97c3b1520305450a.png 800w, https://opengraph.githubassets.com/02698bc22c22614cd012f60ee339a41b74d26ff887af1b6ed57f5179c49aabb9/google/artemis 1200w" width="1200"></a><br> <a class="link" href="https://github.com/google/artemis" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>8. deepseek-ai/deepseek-harness</strong> — (TypeScript, ★ 약 22.3만)</p> <p>DeepSeek AI가 개발한 오픈소스 에이전트 하네스(<code>dsh</code>)입니다.<br> &lsquo;모든 것이 플러그인&rsquo; 아키텍처 위에 Cordis 프레임워크로 구축됐으며, 현재 개발자 프리뷰 단계라 호환성 파괴 변경이 있을 수 있다고 경고합니다.<br> <code>npx @deepseek-ai/dsh web</code>으로 웹 UI(기본 127.0.0.1:3080)를 띄워 실행할 수 있고, 소스에서 실행하려면 <code>pnpm install</code> 후 <code>pnpm run build</code>, <code>pnpm dsh web</code>을 실행합니다.</p> <p><a class="link" href="https://github.com/deepseek-ai/deepseek-harness" target="_blank" rel="noopener" ><img alt="deepseek-ai/deepseek-harness 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="640" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/1333065091/05ca062c-0277-415c-90b5-f43277f73436" srcset="https://agents.juil.dev/05ca062c-0277-415c-90b5-f43277f73436_1097308138403696434_hu_38d586da3e14ecd4.png 800w, https://repository-images.githubusercontent.com/1333065091/05ca062c-0277-415c-90b5-f43277f73436 1280w" width="1280"></a><br> <a class="link" href="https://github.com/deepseek-ai/deepseek-harness" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>12. DietrichGebert/ponytail</strong> — (JavaScript, ★ 약 13.7만)</p> <p>AI 에이전트를 &lsquo;방 안에서 제일 게으른 시니어 개발자&rsquo;처럼 생각하게 만드는 스킬입니다.<br> README 벤치마크에 따르면 실제 Claude Code 세션에서 약 54%(최대 94%) 적은 코드, 약 20% 저렴, 약 27% 빠른 결과를 보였다고 소개합니다.<br> 안전 가드는 유지하면서 불필요한 과잉 구현을 막는 것이 핵심이며, 약 20개 에이전트와 호환됩니다.</p> <p><a class="link" href="https://github.com/DietrichGebert/ponytail" target="_blank" rel="noopener" ><img alt="DietrichGebert/ponytail 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="640" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/1266797999/b20d9cb8-11f0-4db8-965a-7e22ab2b6bb6" srcset="https://agents.juil.dev/b20d9cb8-11f0-4db8-965a-7e22ab2b6bb6_16121982586589650177_hu_ddfce718b7cb670b.png 800w, https://repository-images.githubusercontent.com/1266797999/b20d9cb8-11f0-4db8-965a-7e22ab2b6bb6 1280w" width="1280"></a><br> <a class="link" href="https://github.com/DietrichGebert/ponytail" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>14. affaan-m/ECC</strong> — (JavaScript, ★ 약 25.8만)</p> <p>&lsquo;에이전트 하네스 성능 최적화 시스템&rsquo;으로, Claude Code·Codex·Opencode·Cursor 등을 위한 스킬·본능·메모리·보안·리서치 우선 개발 체계입니다.<br> README에는 10개 이상 언어 번역본이 제공되며 한국어도 포함됩니다.</p> <p><a class="link" href="https://github.com/affaan-m/ECC" target="_blank" rel="noopener" ><img alt="affaan-m/ECC 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/632380c1c51655c4b90b61de4128b3845f9d6b7c4e5dd62363165cc78d08aee0/affaan-m/ECC" srcset="https://agents.juil.dev/ECC_15598389833344745279_hu_2e7772fc0b585b9f.png 800w, https://opengraph.githubassets.com/632380c1c51655c4b90b61de4128b3845f9d6b7c4e5dd62363165cc78d08aee0/affaan-m/ECC 1200w" width="1200"></a><br> <a class="link" href="https://github.com/affaan-m/ECC" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>21. mattpocock/skills</strong> — (Shell, ★ 약 26.1만)</p> <p>&lsquo;진짜 엔지니어를 위한 스킬&rsquo;이라는 콘셉트로, 매트 포콕이 매일 쓰는 에이전트 스킬 모음입니다.<br> GSD·BMAD·Spec-Kit처럼 프로세스를 소유해 제어권을 뺏는 방식 대신, 작고 쉽게 뜯어고칠 수 있으며 조립 가능한 스킬을 지향합니다.<br> 어떤 모델과도 동작하며 Claude Code 플러그인 또는 skills.sh 설치 경로를 제공합니다.</p> <p><a class="link" href="https://github.com/mattpocock/skills" target="_blank" rel="noopener" ><img alt="mattpocock/skills 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/7844c56ad23f3772651b486753e13e84cd5f0f1673316f530809d131f2f3a9ae/mattpocock/skills" srcset="https://agents.juil.dev/skills_2536994150052144143_hu_85417b6a50b2982c.png 800w, https://opengraph.githubassets.com/7844c56ad23f3772651b486753e13e84cd5f0f1673316f530809d131f2f3a9ae/mattpocock/skills 1200w" width="1200"></a><br> <a class="link" href="https://github.com/mattpocock/skills" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>24. stablyai/orca</strong> — (TypeScript, ★ 약 6.8만)</p> <p>일련의 병렬 에이전트를 다루기 위한 &lsquo;AI 오케스트레이터&rsquo; 애플리케이션입니다.<br> Codex·Claude Code·OpenCode·Pi 등을 각각 자체 워크트리에서 나란히 실행하고 한 곳에서 추적하며, 데스크톱·모바일·원격 런타임에서 사용할 수 있습니다.<br> 모바일 컴패니언 앱으로 에이전트 완료 알림을 받고 후속 지시를 보낼 수 있습니다.</p> <p><a class="link" href="https://github.com/stablyai/orca" target="_blank" rel="noopener" ><img alt="stablyai/orca 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/f26a5d171a2ece09c0ebc9830cd29ce506e933b3b3c57cea04a187fd9cae842d/stablyai/orca" srcset="https://agents.juil.dev/orca_13392278076394590929_hu_4e53af62763e1994.png 800w, https://opengraph.githubassets.com/f26a5d171a2ece09c0ebc9830cd29ce506e933b3b3c57cea04a187fd9cae842d/stablyai/orca 1200w" width="1200"></a><br> <a class="link" href="https://github.com/stablyai/orca" target="_blank" rel="noopener" >🔗 GitHub</a></p> <h3 id="미디어디자인시각화">미디어·디자인·시각화 </h3><p><strong>2. bilawalsidhu/gods-eye-view</strong> — (★ 약 3.2만)</p> <p>브라우저에서 도는 스파이 위성 시뮬레이터로, 데이터 소스는 모두 공개·실시간입니다.<br> 실시간 항공기·선박·위성·지진·교통·공공 카메라를 합성한 3D 지구본으로 보여주며, 실시간 AI 에이전트를 통한 음성 제어를 제공합니다.<br> Vanilla JavaScript와 CesiumJS, Vite로 구성돼 있고 MIT 라이선스로 공개됐습니다.</p> <p><a class="link" href="https://github.com/bilawalsidhu/gods-eye-view" target="_blank" rel="noopener" ><img alt="bilawalsidhu/gods-eye-view 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/44f1072c2655d3bdef013acc3cf7aa8e81829299b065beb21e85281d4f7cdfd9/bilawalsidhu/gods-eye-view" srcset="https://agents.juil.dev/gods-eye-view_1147234197342600350_hu_7df7a943804da129.png 800w, https://opengraph.githubassets.com/44f1072c2655d3bdef013acc3cf7aa8e81829299b065beb21e85281d4f7cdfd9/bilawalsidhu/gods-eye-view 1200w" width="1200"></a><br> <a class="link" href="https://github.com/bilawalsidhu/gods-eye-view" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>3. heygen-com/hyperframes</strong> — (TypeScript, ★ 약 5.0만)</p> <p>HTML·CSS·미디어·재생 가능한 애니메이션을 결정론적 MP4 영상으로 바꿔주는 오픈소스 프레임워크입니다.<br> CLI로 로컬에서 쓰거나, AI 코딩 에이전트용 스킬로, 호스팅 저작 워크플로의 렌더링 코어로 활용할 수 있습니다.<br> 에이전트에게 영상을 설명하면 제작 계획을 세우고 작업흐름을 분배하는 20개 스킬을 제공하며, Node.js 22 이상과 FFmpeg가 필요합니다.</p> <p><a class="link" href="https://github.com/heygen-com/hyperframes" target="_blank" rel="noopener" ><img alt="heygen-com/hyperframes 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/f977fa330c64b78c12692fbc6ecca48722d975fadae2959a4049403ff3db9062/heygen-com/hyperframes" srcset="https://agents.juil.dev/hyperframes_16004649148408350944_hu_686ee05c51f5a92a.png 800w, https://opengraph.githubassets.com/f977fa330c64b78c12692fbc6ecca48722d975fadae2959a4049403ff3db9062/heygen-com/hyperframes 1200w" width="1200"></a><br> <a class="link" href="https://github.com/heygen-com/hyperframes" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>4. cathrynlavery/diagram-design</strong> — (HTML, ★ 약 3.9만)</p> <p>Claude Code·Codex·Factory Droid·Pi 등을 위한 편집(editorial) 품질 다이어그램 스킬입니다.<br> 39가지 시각 유형을 자체 포함된 HTML+SVG로 제공하며, Mermaid식 난잡함과 그림자를 배제하고 아키텍처·흐름도·데이터 모델 등을 그립니다.<br> 웹사이트를 읽고 60초 안에 브랜드에 맞추며, draw.io·Mermaid·Excalidraw 소스를 다시 그릴 수도 있습니다.</p> <p><a class="link" href="https://github.com/cathrynlavery/diagram-design" target="_blank" rel="noopener" ><img alt="cathrynlavery/diagram-design 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/81764aff36f5161c90d964ec5365d047d18a54fed9373c109b607c67b8dadbe8/cathrynlavery/diagram-design" srcset="https://agents.juil.dev/diagram-design_7149640723179746472_hu_9942b65e5689275b.png 800w, https://opengraph.githubassets.com/81764aff36f5161c90d964ec5365d047d18a54fed9373c109b607c67b8dadbe8/cathrynlavery/diagram-design 1200w" width="1200"></a><br> <a class="link" href="https://github.com/cathrynlavery/diagram-design" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>6. webadderallorg/Recordly</strong> — (TypeScript, ★ 약 2.8만)</p> <p>워크스루·데모·제품 영상을 만들기 위한 오픈소스 화면 녹화·편집 앱입니다.<br> 자동 줌·커서 다듬기·스타일 프레임, 동적 웹캠 버블 오버레이, 데모용 타임라인 편집을 제공하고 커뮤니티 확장 마켓플레이스를 운영합니다.<br> macOS·Windows·Linux를 지원하며 AGPL-3.0 라이선스로 공개됐습니다.</p> <p><a class="link" href="https://github.com/webadderallorg/Recordly" target="_blank" rel="noopener" ><img alt="webadderallorg/Recordly 미리보기" class="gallery-image" data-flex-basis="457px" data-flex-grow="190" height="630" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/1180325220/00d63fd3-5ed7-4882-acca-2e53c47de2c8" srcset="https://agents.juil.dev/00d63fd3-5ed7-4882-acca-2e53c47de2c8_4232147789685935752_hu_ead7bbb5dacb3ccf.png 800w, https://repository-images.githubusercontent.com/1180325220/00d63fd3-5ed7-4882-acca-2e53c47de2c8 1200w" width="1200"></a><br> <a class="link" href="https://github.com/webadderallorg/Recordly" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>10. tt-a1i/archify</strong> — (JavaScript, ★ 약 6.1만)</p> <p>코드베이스나 시스템 설명을 채팅에서 바로 정교한 인터랙티브 시스템 맵으로 바꿔주는 에이전트 스킬입니다.<br> Node.js 기반 렌더링·검증 시스템으로, 에이전트가 생성한 타입드 JSON IR을 결정론적으로 HTML/SVG로 컴파일합니다.<br> 다섯 종 다이어그램, 다크/라이트 테마, 검증된 스냅샷의 Before/Delta/After 비교, 노드 검색·리비전 추적을 지원하며 결과물은 단일 HTML 외에 PNG·SVG·WebM·셰어카드로 내보냅니다.</p> <p><a class="link" href="https://github.com/tt-a1i/archify" target="_blank" rel="noopener" ><img alt="tt-a1i/archify 미리보기" class="gallery-image" data-flex-basis="457px" data-flex-grow="190" height="630" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/1211139949/484a27cf-6888-472b-9f58-46615a4429b1" srcset="https://agents.juil.dev/484a27cf-6888-472b-9f58-46615a4429b1_839164623049067345_hu_370c41fe6e935bc8.png 800w, https://repository-images.githubusercontent.com/1211139949/484a27cf-6888-472b-9f58-46615a4429b1 1200w" width="1200"></a><br> <a class="link" href="https://github.com/tt-a1i/archify" target="_blank" rel="noopener" >🔗 GitHub</a></p> <h3 id="개발-생산성데이터">개발 생산성·데이터 </h3><p><strong>5. microsoft/markitdown</strong> — (Python, ★ 약 18.4만)</p> <p>다양한 파일을 LLM 및 텍스트 분석 파이프라인용 Markdown으로 변환하는 경량 Python 유틸리티입니다.<br> PDF·PowerPoint·Word·Excel, 이미지(EXIF 및 OCR), 오디오(전사), HTML, CSV/JSON/XML, ZIP, YouTube URL, ePub 등을 지원합니다.<br> 제목·목록·표·링크 같은 문서 구조를 보존하는 데 초점을 둡니다.</p> <p><a class="link" href="https://github.com/microsoft/markitdown" target="_blank" rel="noopener" ><img alt="microsoft/markitdown 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/1245f603807907c99604b8ab8d139c38915de201c9f28eab24683807901cf73b/microsoft/markitdown" srcset="https://agents.juil.dev/markitdown_5899765701614930357_hu_eea1b12542042814.png 800w, https://opengraph.githubassets.com/1245f603807907c99604b8ab8d139c38915de201c9f28eab24683807901cf73b/microsoft/markitdown 1200w" width="1200"></a><br> <a class="link" href="https://github.com/microsoft/markitdown" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>9. liquidslr/system-design-notes</strong> — (★ 약 2.0만)</p> <p>시스템 설계 면접 저서 &lsquo;System Design Interview&rsquo;(Vol 1·2)를 바탕으로 정리한 학습 노트입니다.<br> 확장(스케일링)부터 요율 제한기, 일관 해싱, 키-값 저장소, 뉴스피드, YouTube, 결제 시스템, 증권 거래소까지 28개 챕터를 다룹니다.<br> 저자는 작업 중(work in progress) 상태라고 밝힙니다.</p> <p><a class="link" href="https://github.com/liquidslr/system-design-notes" target="_blank" rel="noopener" ><img alt="liquidslr/system-design-notes 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/50bf38da21fe358597529327e00208197a9944c379fd6690b7234350dafae005/liquidslr/system-design-notes" srcset="https://agents.juil.dev/system-design-notes_10236816264380312700_hu_b3b4da461afd7b92.png 800w, https://opengraph.githubassets.com/50bf38da21fe358597529327e00208197a9944c379fd6690b7234350dafae005/liquidslr/system-design-notes 1200w" width="1200"></a><br> <a class="link" href="https://github.com/liquidslr/system-design-notes" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>17. microsoft/tgrep</strong> — (Rust, ★ 약 2.9천)</p> <p>대규모 코드베이스의 정규식 검색을 빠르게 하기 위한 트라이그램 인덱스 grep 도구입니다.<br> 서버를 한 번 띄우고 인덱스를 미리 구축해, 매번 전체 파일을 훑는 grep·ripgrep과 달리 매칭 가능한 일부 파일만 검색합니다.<br> README 벤치마크에 따르면 대형 저장소에서 ripgrep 대비 최대 약 52배 빠르며, GitHub Copilot CLI에 통합돼 있습니다.</p> <p><a class="link" href="https://github.com/microsoft/tgrep" target="_blank" rel="noopener" ><img alt="microsoft/tgrep 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/2831e4c15795ee05a73043e5aaa6f2646e1ac29683b2798403efa0c1a1ebae63/microsoft/tgrep" srcset="https://agents.juil.dev/tgrep_16909106862784685150_hu_ae4ede5acebfa44c.png 800w, https://opengraph.githubassets.com/2831e4c15795ee05a73043e5aaa6f2646e1ac29683b2798403efa0c1a1ebae63/microsoft/tgrep 1200w" width="1200"></a><br> <a class="link" href="https://github.com/microsoft/tgrep" target="_blank" rel="noopener" >🔗 GitHub</a></p> <h3 id="에이전트-운영인프라">에이전트 운영·인프라 </h3><p><strong>11. Tencent/teamai-cli</strong> — (TypeScript, ★ 약 4.4천)</p> <p>팀의 스킬·규칙·MCP·지식을 Claude Code, Codex, CodeBuddy, WorkBuddy, OpenCode, Cursor 등 여러 AI 에이전트에 걸쳐 관리하는 팀 하네스입니다.<br> 공유 저장소를 <code>teamai init</code>으로 초기화하면 관리자가 게시한 최신 스킬·규칙을 모든 AI 세션이 자동으로 가져옵니다.<br> &lsquo;팀 실행 × 팀 컨텍스트(베타) × 팀 개선(베타)&rsquo; 3계층 구조로, 팀의 실행 방식·이해·개선을 함께 다룹니다.</p> <p><a class="link" href="https://github.com/Tencent/teamai-cli" target="_blank" rel="noopener" ><img alt="Tencent/teamai-cli 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/a22abbfd5f68996e44b1d2ba86562aa7ca043a09e0ebf36390c986738cfe12a7/Tencent/teamai-cli" srcset="https://agents.juil.dev/teamai-cli_9485187005541639556_hu_8e214d4a8d22dc3b.png 800w, https://opengraph.githubassets.com/a22abbfd5f68996e44b1d2ba86562aa7ca043a09e0ebf36390c986738cfe12a7/Tencent/teamai-cli 1200w" width="1200"></a><br> <a class="link" href="https://github.com/Tencent/teamai-cli" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>15. vastsa/PI-Desktop</strong> — (TypeScript, ★ 약 3.3천)</p> <p>AI 코딩 에이전트를 위한 데스크톱 워크스페이스입니다.<br> OpenAI·Anthropic·로컬 모델 등 여러 공급자를 설정해 모델을 자유롭게 바꿀 수 있고, 프로젝트·세션·리뷰·미리보기·권한·확장을 한 곳에서 관리합니다.<br> Early Preview 단계이며 macOS·Windows·Linux를 지원합니다.</p> <p><a class="link" href="https://github.com/vastsa/PI-Desktop" target="_blank" rel="noopener" ><img alt="vastsa/PI-Desktop 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/85aa8b4bed89e50b3a8cb419c0f94ccdcee2ef9be9b39ba6825c113d9a83f69e/vastsa/PI-Desktop" srcset="https://agents.juil.dev/PI-Desktop_17261124239087552623_hu_ed724c08c7b36648.png 800w, https://opengraph.githubassets.com/85aa8b4bed89e50b3a8cb419c0f94ccdcee2ef9be9b39ba6825c113d9a83f69e/vastsa/PI-Desktop 1200w" width="1200"></a><br> <a class="link" href="https://github.com/vastsa/PI-Desktop" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>22. headroomlabs-ai/headroom</strong> — (Python, ★ 약 7.2만)</p> <p>AI 에이전트가 읽는 모든 것(도구 출력·로그·RAG 청크·파일·대화 이력)을 LLM에 들어가기 전에 압축하는 레이어입니다.<br> 코딩 에이전트에 대해 약 20%, JSON에 대해 60~95% 더 적은 토큰으로 같은 답을 얻을 수 있다고 소개하며, 라이브러리·프록시·MCP 서버로 제공됩니다.<br> 압축은 내 컴퓨터에서 실행돼 프롬프트나 파일 내용이 외부로 전송되지 않습니다.</p> <p><a class="link" href="https://github.com/headroomlabs-ai/headroom" target="_blank" rel="noopener" ><img alt="headroomlabs-ai/headroom 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/938ee0c1b000bbecd86e914c08bb27042da65de060243965235fdebbcdf56132/headroomlabs-ai/headroom" srcset="https://agents.juil.dev/headroom_17089444719485495577_hu_28d42dff84f13547.png 800w, https://opengraph.githubassets.com/938ee0c1b000bbecd86e914c08bb27042da65de060243965235fdebbcdf56132/headroomlabs-ai/headroom 1200w" width="1200"></a><br> <a class="link" href="https://github.com/headroomlabs-ai/headroom" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>25. experientiallabs/experiential</strong> — (Python, ★ 약 4.8천)</p> <p>에이전트 워크플로를 위한 오픈소스 게이트웨이·라우터입니다.<br> 호스팅·BYOK·로컬 모델을 하나의 OpenAI 호환 API를 통해 사용하고, 어떤 사용자·에이전트가 어떤 모델을 어떤 용도로 얼마나 쓸 수 있는지 제어합니다.<br> 프로덕션 트래픽을 품질·속도·비용에 맞춘 커스텀 라우터나 모델로 변환하는 것을 지향합니다.</p> <p><a class="link" href="https://github.com/experientiallabs/experiential" target="_blank" rel="noopener" ><img alt="experientiallabs/experiential 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/7937b2cd688ad92e85489f1d23e46997aa214527b178c37c8d52a8fad28bc5e8/experientiallabs/experiential" srcset="https://agents.juil.dev/experiential_10924959814983138311_hu_a26cd6fbc6a72b59.png 800w, https://opengraph.githubassets.com/7937b2cd688ad92e85489f1d23e46997aa214527b178c37c8d52a8fad28bc5e8/experientiallabs/experiential 1200w" width="1200"></a><br> <a class="link" href="https://github.com/experientiallabs/experiential" target="_blank" rel="noopener" >🔗 GitHub</a></p> <h3 id="음성로컬-ai">음성·로컬 AI </h3><p><strong>13. debpalash/VoiceStudio</strong> — (Python, ★ 약 2.7만)</p> <p>오픈소스·완전 로컬 ElevenLabs 대안으로, 보이스 클로닝·보이스 디자인·비디오 더빙·받아쓰기·전사·오디오북 제작을 646개 언어로 지원합니다.<br> 16개 TTS 엔진과 11개 ASR 엔진을 갖췄으며, 로컬 워크플로에는 계정·API 키·구독·사용량 미터가 필요 없습니다.<br> macOS·Windows·Linux·Docker를 지원하며, 이전 이름은 OmniVoice-Studio입니다.</p> <p><a class="link" href="https://github.com/debpalash/VoiceStudio" target="_blank" rel="noopener" ><img alt="debpalash/VoiceStudio 미리보기" class="gallery-image" data-flex-basis="384px" data-flex-grow="160" height="1000" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/1206390571/fd6851a0-4e36-4541-a76c-2ad84935d0bc" srcset="https://agents.juil.dev/fd6851a0-4e36-4541-a76c-2ad84935d0bc_13052175009440960459_hu_23a1eb1602b141a9.png 800w, https://repository-images.githubusercontent.com/1206390571/fd6851a0-4e36-4541-a76c-2ad84935d0bc 1600w" width="1600"></a><br> <a class="link" href="https://github.com/debpalash/VoiceStudio" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>16. k2-fsa/OmniVoice</strong> — (Python, ★ 약 1.3만)</p> <p>600개 이상 언어를 지원하는 대규모 다언어 zero-shot 음성합성(TTS) 모델입니다.<br> 새로운 확산 언어모델(diffusion language model) 방식 아키텍처로 고품질 음성을 빠르게 생성하며, 보이스 클로닝과 보이스 디자인을 지원합니다.<br> 실시간보다 약 40배 빠른 RTF 0.025의 추론 속도를 소개합니다.</p> <p><a class="link" href="https://github.com/k2-fsa/OmniVoice" target="_blank" rel="noopener" ><img alt="k2-fsa/OmniVoice 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/32d1341d80000073209691824008db945128f8ff29b6d4bdd3890e33953c9785/k2-fsa/OmniVoice" srcset="https://agents.juil.dev/OmniVoice_12824325078755271457_hu_26ec744f5eaa790.png 800w, https://opengraph.githubassets.com/32d1341d80000073209691824008db945128f8ff29b6d4bdd3890e33953c9785/k2-fsa/OmniVoice 1200w" width="1200"></a><br> <a class="link" href="https://github.com/k2-fsa/OmniVoice" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>18. JustVugg/colibri</strong> — (C, ★ 약 3.0만)</p> <p>744B~2.8T 파라미터의 최전선 MoE 모델을 컨슈머 하드웨어에서 실행하는 순수 C 추론 엔진입니다.<br> 저장소·RAM·VRAM을 단일 계층으로 취급하는 &lsquo;AI 메모리 멀티티어링&rsquo;으로, 엔진 의존성 없이 GLM-5.2/5.3, Kimi K3, DeepSeek 등 여러 모델군을 구동합니다.<br> 동일한 <code>coli chat</code>/<code>coli serve</code>/<code>coli web</code> 프런트엔드로 실행됩니다.</p> <p><a class="link" href="https://github.com/JustVugg/colibri" target="_blank" rel="noopener" ><img alt="JustVugg/colibri 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/87c8a8397161573e4c95ed5ef064806bd7e45139e0885a0906a9c844d8ca08f6/JustVugg/colibri" srcset="https://agents.juil.dev/colibri_9045040413356497817_hu_8fec48bab69f5659.png 800w, https://opengraph.githubassets.com/87c8a8397161573e4c95ed5ef064806bd7e45139e0885a0906a9c844d8ca08f6/JustVugg/colibri 1200w" width="1200"></a><br> <a class="link" href="https://github.com/JustVugg/colibri" target="_blank" rel="noopener" >🔗 GitHub</a></p> <h3 id="금융연구기타">금융·연구·기타 </h3><p><strong>19. EvoMap/AutoResearch</strong> — (Python, ★ 약 4.3천)</p> <p>AI·ML 연구를 위한 오픈소스 에이전트 워크플로로, &lsquo;아이디어에서 논문에 바로 쓸 수 있는 근거까지&rsquo;를 목표로 합니다.<br> 연구 아이디어를 주거나 최근 논문·개발자 커뮤니티·오픈소스 트렌드에서 방향을 찾은 뒤, 실험 계획·구현·리뷰·실행·결과 분석·독립 평가까지 이어갑니다.<br> 상태가 저장되고 복구 가능해 연구 계획·코드·실행 기록·리뷰 결과를 디스크에 남겨 연구자가 검토·중단할 수 있습니다.</p> <p><a class="link" href="https://github.com/EvoMap/AutoResearch" target="_blank" rel="noopener" ><img alt="EvoMap/AutoResearch 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/4aac82e9a10e1a0f664cdbc7b2769081fa77dfd0168bcaa52aa036b85445caa5/EvoMap/AutoResearch" srcset="https://agents.juil.dev/AutoResearch_6625879331931432660_hu_18a0b33f24721d3d.png 800w, https://opengraph.githubassets.com/4aac82e9a10e1a0f664cdbc7b2769081fa77dfd0168bcaa52aa036b85445caa5/EvoMap/AutoResearch 1200w" width="1200"></a><br> <a class="link" href="https://github.com/EvoMap/AutoResearch" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>20. TauricResearch/TradingAgents</strong> — (Python, ★ 약 10.5만)</p> <p>실제 트레이딩 펌의 구조를 본뜬 멀티 에이전트 LLM 금융 트레이딩 프레임워크입니다.<br> 기본 분석·감성·뉴스·기술 분석 애널리스트와 트레이더, 리스크 관리 팀을 배치해 시장 상황을 평가하고, 에이전트들이 동적 토론을 통해 최적 전략을 찾습니다.<br> 연구용으로 설계됐으며 v0.4.0에서 포인트인타임(Point-in-Time) 데이터 정합성과 모델 지원을 개선했습니다.</p> <p><a class="link" href="https://github.com/TauricResearch/TradingAgents" target="_blank" rel="noopener" ><img alt="TauricResearch/TradingAgents 미리보기" class="gallery-image" data-flex-basis="375px" data-flex-grow="156" height="995" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/909213664/8cfc671d-b54b-400e-beab-8ef0bbf39aa1" srcset="https://agents.juil.dev/8cfc671d-b54b-400e-beab-8ef0bbf39aa1_4155799430064021860_hu_7021ecd1ac681708.png 800w, https://repository-images.githubusercontent.com/909213664/8cfc671d-b54b-400e-beab-8ef0bbf39aa1 1555w" width="1555"></a><br> <a class="link" href="https://github.com/TauricResearch/TradingAgents" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>23. ghoulformpray/Monero-Miner</strong> — (★ 없음, 언어 없음)</p> <p>크립토 트레이딩 관련 모네로 마이닝 도구로, 트렌드시프트 키워드가 &lsquo;Crypto trading&rsquo;으로 분류됐습니다.<br> 이번 주 차트 등장 당시엔 관심을 받았으나, 현재(수집 시점) GitHub 저장소가 404로 내려가 있어 README·og:image를 확보하지 못해 차트 정보(키워드·생성일)만으로 요약합니다.</p> <p><a class="link" href="https://github.com/ghoulformpray/Monero-Miner" target="_blank" rel="noopener" >🔗 GitHub</a></p> <hr> <p>이번 주 차트는 <strong>&lsquo;에이전트를 더 잘 쓰는 법&rsquo;에서 한 걸음 나아가, &lsquo;에이전트를 실제로 운영·실행하는 인프라&rsquo;로 무게가 옮겨간 한 주</strong>로 읽힙니다.<br> 코드를 덜 쓰고(<code>ponytail</code>) 답을 명확히 하게 만드는(<code>i-have-adhd</code>) 스킬과, 이를 팀 단위·데스크톱·게이트웨이에서 실행하는 하네스(<code>teamai-cli</code>, <code>PI-Desktop</code>, <code>experiential</code>, <code>headroom</code>)가 상위권에 함께 올라왔습니다.<br> 한편으로 HTML 기반 영상 제작(<code>hyperframes</code>)과 편집 다이어그램(<code>diagram-design</code>, <code>archify</code>), 그리고 음성·로컬 모델 자체 실행(<code>VoiceStudio</code>, <code>OmniVoice</code>, <code>colibri</code>)이 나란히 포진해, &lsquo;에이전트가 결과물을 만들고 로컬에서 도는 흐름&rsquo;도 함께 강화된 주였습니다.</p> <h2 id="출처">출처 </h2><p><a class="link" href="https://trendshift.io/weekly/2026/37" target="_blank" rel="noopener" >Trendshift 주간 차트</a></p>https://agents.juil.dev/trendshift/2026-08-31-weekly-open-source-trends/Wed, 09 Sep 2026 10:00:00 +0900https://agents.juil.dev/trendshift/2026-08-31-weekly-open-source-trends/<h1 id="trendshift-주간-오픈소스-트렌드--2026-w36-08-31--09-06">Trendshift 주간 오픈소스 트렌드 — 2026-W36 (08-31 ~ 09-06) </h1> <blockquote> <p><strong>기준 주차: 2026-08-31(월) ~ 2026-09-06(일)</strong> — Trendshift 주간 차트 1~25위를 각 저장소의 README를 바탕으로 요약한 글입니다.<br> 각 항목의 설명은 해당 저장소 README에 근거하며, 추정이나 창작을 포함하지 않습니다.</p> </blockquote> <p>이번 주 Trendshift 주간 차트는 <strong>AI 에이전트와 &lsquo;스킬(Skills)&lsquo;이 압도적으로 주도</strong>했습니다.<br> 상위권 다수가 Claude Code·Codex 같은 코딩 에이전트에 장착하는 스킬 모음이거나, 에이전트를 실제로 운영·서빙하는 도구였습니다.<br> 특히 1위 <code>mattpocock/skills</code>와 25위 <code>academic-research-skills</code>처럼 &lsquo;에이전트가 더 잘 일하게 만드는 방법론&rsquo;을 코드로 패키징한 프로젝트가 대거 등장했습니다.</p> <p>아래는 카테고리별로 묶어 정리한 요약입니다.</p> <hr> <h3 id="ai에이전트">AI/에이전트 </h3><p><strong>1. mattpocock/skills</strong> — (Shell, ★ 약 25.8만)</p> <p>&lsquo;진짜 엔지니어를 위한 스킬&rsquo;이라는 콘셉트로, 매트 포콕이 매일 쓰는 에이전트 스킬 모음입니다.<br> GSD·BMAD·Spec-Kit처럼 프로세스를 소유해 제어권을 뺏는 방식 대신, 작고 쉽게 뜯어고칠 수 있으며 조립 가능한 스킬을 지향합니다.<br> 어떤 모델과도 동작하며 <code>/grill-me</code>(요구사항 정렬), <code>/tdd</code>(레드-그린-리팩터), <code>/diagnosing-bugs</code>(디버깅 루프), <code>/improve-codebase-architecture</code>(아키텍처 개선 후보 탐색) 등을 제공합니다.</p> <p><a class="link" href="https://github.com/mattpocock/skills" target="_blank" rel="noopener" ><img alt="mattpocock/skills 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/f72e096df5c083ee57e89c9088eba9614330fc957ccb912263b1c3c48926f42d/mattpocock/skills" srcset="https://agents.juil.dev/skills_11001224051196640269_hu_85417b6a50b2982c.png 800w, https://opengraph.githubassets.com/f72e096df5c083ee57e89c9088eba9614330fc957ccb912263b1c3c48926f42d/mattpocock/skills 1200w" width="1200"></a><br> <a class="link" href="https://github.com/mattpocock/skills" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>4. tt-a1i/archify</strong> — (JavaScript, ★ 약 5.6만)</p> <p>코드베이스나 시스템 설명을 채팅에서 바로 정교한 인터랙티브 시스템 맵으로 바꿔주는 에이전트 스킬입니다.<br> Node.js 기반 렌더링·검증 시스템으로, 에이전트가 생성한 타입드 JSON IR을 결정론적으로 HTML/SVG로 컴파일합니다.<br> 다섯 종 다이어그램, 다크/라이트 테마, 검증된 스냅샷의 Before/Delta/After 비교, 노드 검색·리비전 추적을 지원하며 결과물은 단일 HTML 외에 PNG·SVG·WebM·셰어카드로 내보냅니다.</p> <p><a class="link" href="https://github.com/tt-a1i/archify" target="_blank" rel="noopener" ><img alt="tt-a1i/archify 미리보기" class="gallery-image" data-flex-basis="457px" data-flex-grow="190" height="630" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/1211139949/484a27cf-6888-472b-9f58-46615a4429b1" srcset="https://agents.juil.dev/484a27cf-6888-472b-9f58-46615a4429b1_839164623049067345_hu_370c41fe6e935bc8.png 800w, https://repository-images.githubusercontent.com/1211139949/484a27cf-6888-472b-9f58-46615a4429b1 1200w" width="1200"></a><br> <a class="link" href="https://github.com/tt-a1i/archify" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>5. DietrichGebert/ponytail</strong> — (JavaScript, ★ 약 13.3만)</p> <p>AI 에이전트를 &lsquo;방 안에서 제일 게으른 시니어 개발자&rsquo;처럼 생각하게 만드는 스킬입니다.<br> README의 벤치마크에 따르면 실제 Claude Code 세션에서 약 54%(최대 94%) 적은 코드, 약 20% 저렴, 약 27% 빠른 결과를 보였다고 소개합니다.<br> 안전 가드는 유지하면서 불필요한 과잉 구현을 막는 것이 핵심이며, 약 20개 에이전트와 호환됩니다.</p> <p><a class="link" href="https://github.com/DietrichGebert/ponytail" target="_blank" rel="noopener" ><img alt="DietrichGebert/ponytail 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="640" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/1266797999/b20d9cb8-11f0-4db8-965a-7e22ab2b6bb6" srcset="https://agents.juil.dev/b20d9cb8-11f0-4db8-965a-7e22ab2b6bb6_16121982586589650177_hu_ddfce718b7cb670b.png 800w, https://repository-images.githubusercontent.com/1266797999/b20d9cb8-11f0-4db8-965a-7e22ab2b6bb6 1280w" width="1280"></a><br> <a class="link" href="https://github.com/DietrichGebert/ponytail" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>6. affaan-m/ECC</strong> — (JavaScript, ★ 약 25.5만)</p> <p>&lsquo;에이전트 하네스 성능 최적화 시스템&rsquo;으로, Claude Code·Codex·Opencode·Cursor 등을 위한 스킬·본능·메모리·보안·리서치 우선 개발 체계입니다.<br> README에는 10개 이상 언어 번역본이 제공되며 한국어도 포함됩니다.</p> <p><a class="link" href="https://github.com/affaan-m/ECC" target="_blank" rel="noopener" ><img alt="affaan-m/ECC 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/601771cd065f621887a28bc778330005f11fdfa62e563e173b750dad8ef10d61/affaan-m/ECC" srcset="https://agents.juil.dev/ECC_13759295340155777754_hu_2e7772fc0b585b9f.png 800w, https://opengraph.githubassets.com/601771cd065f621887a28bc778330005f11fdfa62e563e173b750dad8ef10d61/affaan-m/ECC 1200w" width="1200"></a><br> <a class="link" href="https://github.com/affaan-m/ECC" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>7. blader/humanizer</strong> — (Python, ★ 약 4.6만)</p> <p>AI가 쓴 듯한 문장을, 의미를 바꾸지 않고 사람이 쓴 것처럼 다시 써주는 에이전트 스킬입니다.<br> 마크다운 형태라 스킬을 지원하는 어떤 에이전트와도 동작하며, <code>/humanizer</code> 명령으로 호출합니다.<br> <code>npx skills add blader/humanizer --global</code>로 설치하거나 Claude Code 플러그인으로 설치할 수 있습니다.</p> <p><a class="link" href="https://github.com/blader/humanizer" target="_blank" rel="noopener" ><img alt="blader/humanizer 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/9acf52f1ac7333725a520935d119bf4a794a23444ce7e8dc994125e24719fd3f/blader/humanizer" srcset="https://agents.juil.dev/humanizer_3965388537255462296_hu_c2132d0f5ab270cc.png 800w, https://opengraph.githubassets.com/9acf52f1ac7333725a520935d119bf4a794a23444ce7e8dc994125e24719fd3f/blader/humanizer 1200w" width="1200"></a><br> <a class="link" href="https://github.com/blader/humanizer" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>11. deepseek-ai/deepseek-harness</strong> — (TypeScript, ★ 약 21.7만)</p> <p>DeepSeek AI가 개발한 오픈소스 에이전트 하네스(<code>dsh</code>)입니다.<br> &lsquo;모든 것이 플러그인&rsquo; 아키텍처 위에 Cordis 프레임워크로 구축됐으며, 현재 개발자 프리뷰 단계라 호환성 파괴 변경이 있을 수 있다고 경고합니다.<br> <code>npx @deepseek-ai/dsh web</code>으로 웹 UI(로컬 127.0.0.1:3080)를 띄워 실행할 수 있고, 소스에서 실행하려면 <code>pnpm install</code> 후 <code>pnpm run build</code>, <code>pnpm dsh web</code>을 실행합니다.</p> <p><a class="link" href="https://github.com/deepseek-ai/deepseek-harness" target="_blank" rel="noopener" ><img alt="deepseek-ai/deepseek-harness 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="640" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/1333065091/05ca062c-0277-415c-90b5-f43277f73436" srcset="https://agents.juil.dev/05ca062c-0277-415c-90b5-f43277f73436_1097308138403696434_hu_38d586da3e14ecd4.png 800w, https://repository-images.githubusercontent.com/1333065091/05ca062c-0277-415c-90b5-f43277f73436 1280w" width="1280"></a><br> <a class="link" href="https://github.com/deepseek-ai/deepseek-harness" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>17. stablyai/orca</strong> — (TypeScript, ★ 약 6.5만)</p> <p>다중 병렬 에이전트를 운영하기 위한 &lsquo;AI 오케스트레이터&rsquo; 애플리케이션입니다.<br> Codex·Claude Code·OpenCode·Pi 등을 각각 자체 워크트리에서 나란히 실행하고 한 곳에서 추적하며, 데스크톱·모바일·원격 런타임에서 사용할 수 있습니다.<br> 모바일 컴패니언 앱으로 에이전트 완료 알림을 받고 후속 지시를 보낼 수 있습니다.</p> <p><a class="link" href="https://github.com/stablyai/orca" target="_blank" rel="noopener" ><img alt="stablyai/orca 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/0424c1dd276950919370081b4ee420af467ec7a4bbb6df35794dd24a7035492d/stablyai/orca" srcset="https://agents.juil.dev/orca_10832640055399664122_hu_4e53af62763e1994.png 800w, https://opengraph.githubassets.com/0424c1dd276950919370081b4ee420af467ec7a4bbb6df35794dd24a7035492d/stablyai/orca 1200w" width="1200"></a><br> <a class="link" href="https://github.com/stablyai/orca" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>23. humanlayer/skills</strong> — (TypeScript, ★ 약 3.7천)</p> <p>HumanLayer가 만든 Claude Code 스킬 모음입니다.<br> <code>improve-claude-md</code>는 <code>&lt;important if&gt;</code> 블록을 이용해 CLAUDE.md를 다시 작성해 지시 준수도를 높이고, <code>narrow-react-prop-types</code>는 Storybook·테스트·목업 전용 상태가 아닌 실제 코드 경로에 맞게 React 컴포넌트 prop 타입을 좁힙니다.<br> <code>npx skills add humanlayer/skills --skill SKILLNAME</code>으로 설치합니다.</p> <p><a class="link" href="https://github.com/humanlayer/skills" target="_blank" rel="noopener" ><img alt="humanlayer/skills 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/8adeb46eb16bc7ae064deab6297f0b5f61c2602bdfdd3375ae2d5783d9f7ded5/humanlayer/skills" srcset="https://agents.juil.dev/skills_17978502611736371545_hu_316c4d158794e9c9.png 800w, https://opengraph.githubassets.com/8adeb46eb16bc7ae064deab6297f0b5f61c2602bdfdd3375ae2d5783d9f7ded5/humanlayer/skills 1200w" width="1200"></a><br> <a class="link" href="https://github.com/humanlayer/skills" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>24. NousResearch/hermes-agent</strong> — (Python, ★ 약 24.4만)</p> <p>Nous Research가 만든 자기개선형 AI 에이전트입니다.<br> 내장 학습 루프를 갖춰 경험에서 스킬을 만들고, 사용 중 개선하며, 지식을 지속하도록 스스로 유도하고, 과거 대화를 검색하고, 세션을 넘어 사용자에 대한 모델을 심화합니다.<br> Telegram·Discord·Slack·WhatsApp·Signal·CLI를 단일 게이트웨이로 지원하고, 여러 터미널 백엔드(로컬·Docker·SSH·Singularity·Modal·Daytona·Vercel Sandbox)에서 거의 비용 없이 실행할 수 있습니다.</p> <p><a class="link" href="https://github.com/NousResearch/hermes-agent" target="_blank" rel="noopener" ><img alt="NousResearch/hermes-agent 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/6bfee25f6f382e3e8dde07fab8a3e0a6de526f0797da83f64a1c364a3521b514/NousResearch/hermes-agent" srcset="https://agents.juil.dev/hermes-agent_9842607511679979812_hu_2a6ac2f49ebe48d4.png 800w, https://opengraph.githubassets.com/6bfee25f6f382e3e8dde07fab8a3e0a6de526f0797da83f64a1c364a3521b514/NousResearch/hermes-agent 1200w" width="1200"></a><br> <a class="link" href="https://github.com/NousResearch/hermes-agent" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>25. Imbad0202/academic-research-skills</strong> — (Python, ★ 약 4.7만)</p> <p>Claude Code용 학술 연구 스킬 모음으로, 연구부터 출판까지 전체 파이프라인을 다룹니다.<br> README는 &ldquo;AI는 조종사가 아니라 부조종사&quot;라며 논문을 대신 써주기보다, 참고문헌 탐색·인용 포맷·데이터 검증·논리 일관성 점검 같은 잡일을 처리한다고 설명합니다.<br> Style Calibration으로 작성자의 문체를 학습하고, Writing Quality Check으로 기계가 쓴 듯한 패턴을 잡아 품질을 높이는 것을 목표로 하며, 인용 거짓말(citation hallucination)을 막기 위한 신뢰체인·검증 게이트(ARS_CLAIM_AUDIT)를 포함합니다.</p> <p><a class="link" href="https://github.com/Imbad0202/academic-research-skills" target="_blank" rel="noopener" ><img alt="Imbad0202/academic-research-skills 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/abb445b46fe2a18b007a2220ac7e8c5e20831274128e9ee266584fa5fa754931/Imbad0202/academic-research-skills" srcset="https://agents.juil.dev/academic-research-skills_9671613176055660847_hu_5096e7e020051c96.png 800w, https://opengraph.githubassets.com/abb445b46fe2a18b007a2220ac7e8c5e20831274128e9ee266584fa5fa754931/Imbad0202/academic-research-skills 1200w" width="1200"></a><br> <a class="link" href="https://github.com/Imbad0202/academic-research-skills" target="_blank" rel="noopener" >🔗 GitHub</a></p> <h3 id="ai-학습데이터">AI 학습·데이터 </h3><p><strong>2. THU-MAIC/OpenMAIC</strong> — (TypeScript, ★ 약 3.4만)</p> <p>오픈 멀티-에이전트 인터랙티브 클래스룸으로, 주제나 문서를 한 번에 몰입형 학습 경험으로 바꿔줍니다.<br> 멀티-에이전트 오케스트레이션으로 슬라이드·퀴즈·인터랙티브 시뮬레이션·프로젝트 기반 학습(PBL)을 생성하고, AI 교사와 AI 동료가 말하고 칠판에 그리며 실시간 토론합니다.<br> 2026-08-27에 출시된 v1.0.0은 에이전트 워크벤치(채팅 기반 커리큘럼 기획·편집), 영속 세션, 20개 내장 스킬, 편집 가능한 <code>.pptx</code>/<code>.html</code> 내보내기를 추가했습니다.</p> <p><a class="link" href="https://github.com/THU-MAIC/OpenMAIC" target="_blank" rel="noopener" ><img alt="THU-MAIC/OpenMAIC 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/22af3447de9ae7d2e3c8c5640a2b9d1d86fc414907fa1eeee304fab199f9b386/THU-MAIC/OpenMAIC" srcset="https://agents.juil.dev/OpenMAIC_9654234477027922710_hu_e5e5f2bc4671bbf1.png 800w, https://opengraph.githubassets.com/22af3447de9ae7d2e3c8c5640a2b9d1d86fc414907fa1eeee304fab199f9b386/THU-MAIC/OpenMAIC 1200w" width="1200"></a><br> <a class="link" href="https://github.com/THU-MAIC/OpenMAIC" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>8. deeplethe/utopia</strong> — (Rust, ★ 약 6.3천)</p> <p>DeepLethe가 만든 엔터프라이즈 세계 모델로, 지식 엔지니어링을 위한 최초의 오픈 기반이라고 소개합니다.<br> 지식 그래프나 벡터 스토어가 &lsquo;현재의 지식&rsquo;을 담는 데 그친다면, Utopia는 시간 인식과 온톨로지를 베이스 레이어에 두어 지식 시스템이 자료가 도착함에 따라 진화하게 합니다.<br> 오프라인 배포가 가능해 기업이 자체 하드웨어에서 지식 기반·의사결정 코어·감사 추적을 세울 수 있습니다.</p> <p><a class="link" href="https://github.com/deeplethe/utopia" target="_blank" rel="noopener" ><img alt="deeplethe/utopia 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/f056cecd28e4e8a1baa943f6486d097ec62a04aa19936ed6d22c206120bbd8a0/deeplethe/utopia" srcset="https://agents.juil.dev/utopia_2038042431888248711_hu_bcc14e7d9cd1409c.png 800w, https://opengraph.githubassets.com/f056cecd28e4e8a1baa943f6486d097ec62a04aa19936ed6d22c206120bbd8a0/deeplethe/utopia 1200w" width="1200"></a><br> <a class="link" href="https://github.com/deeplethe/utopia" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>9. jingyaogong/minimind</strong> — (Python, ★ 약 6.0만)</p> <p>약 64M 파라미터의 초소형 언어 모델 MiniMind를 완전히 처음부터 학습하는 오픈소스 프로젝트입니다.<br> README에 따르면 약 3원(中 3块钱) 비용과 2시간 학습으로 학습 가능하며, 메인 최소 버전은 GPT-3의 약 1/2700 크기라고 소개합니다.<br> MoE·데이터 정제·사전학습·SFT·LoRA·RLHF(DPO)·RLAIF(PPO/GRPO/CISPO)·Tool Use·Agentic RL·모델 증류 전 과정 코드를 PyTorch로 처음부터 구현해 공개하며, LLM 입문·실습 튜토리얼을 겸합니다.</p> <p><a class="link" href="https://github.com/jingyaogong/minimind" target="_blank" rel="noopener" ><img alt="jingyaogong/minimind 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/b3f6d47ec3df27ea4deb903fdc94c43f96a5c3fe257a4d18b9195045641a9746/jingyaogong/minimind" srcset="https://agents.juil.dev/minimind_3649011795111271351_hu_74cbfa0cd696ba48.png 800w, https://opengraph.githubassets.com/b3f6d47ec3df27ea4deb903fdc94c43f96a5c3fe257a4d18b9195045641a9746/jingyaogong/minimind 1200w" width="1200"></a><br> <a class="link" href="https://github.com/jingyaogong/minimind" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>12. google-research/timesfm</strong> — (Python, ★ 약 3.2만)</p> <p>Google Research가 개발한 사전학습 시계열 기반모델 TimesFM입니다.<br> decoder-only 기반모델로 시계열 예측에 사용되며, 2026년 8월 최신 버전 3.0은 네이티브 다변량 시계열 예측을 도입했습니다.<br> BigQuery ML·Google Sheets·Vertex Model Garden 등 구글 1P 제품에 통합돼 있고, 오픈 버전은 구글 공식 지원 제품은 아닙니다.</p> <p><a class="link" href="https://github.com/google-research/timesfm" target="_blank" rel="noopener" ><img alt="google-research/timesfm 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/c4c4f2e18d08b37865d0d419904e9162bd754811ef00c2fdfcd33001a08fbf3b/google-research/timesfm" srcset="https://agents.juil.dev/timesfm_4720000250736100106_hu_f89dec770d42c015.png 800w, https://opengraph.githubassets.com/c4c4f2e18d08b37865d0d419904e9162bd754811ef00c2fdfcd33001a08fbf3b/google-research/timesfm 1200w" width="1200"></a><br> <a class="link" href="https://github.com/google-research/timesfm" target="_blank" rel="noopener" >🔗 GitHub</a></p> <h3 id="로컬-ai미디어">로컬 AI·미디어 </h3><p><strong>3. debpalash/VoiceStudio</strong> — (Python, ★ 약 2.2만)</p> <p>오픈소스·완전 로컬 ElevenLabs 대안입니다.<br> 보이스 클로닝, 보이스 디자인, 비디오 더빙, 받아쓰기, 전사, 오디오북 제작을 646개 언어로 지원하며, 16개 TTS 엔진·11개 ASR 엔진을 갖췄습니다.<br> 로컬 워크플로에는 계정·API 키·구독·사용량 미터가 필요 없으며, macOS·Windows·Linux·Docker를 지원합니다.</p> <p><a class="link" href="https://github.com/debpalash/VoiceStudio" target="_blank" rel="noopener" ><img alt="debpalash/VoiceStudio 미리보기" class="gallery-image" data-flex-basis="384px" data-flex-grow="160" height="1000" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/1206390571/fd6851a0-4e36-4541-a76c-2ad84935d0bc" srcset="https://agents.juil.dev/fd6851a0-4e36-4541-a76c-2ad84935d0bc_13052175009440960459_hu_23a1eb1602b141a9.png 800w, https://repository-images.githubusercontent.com/1206390571/fd6851a0-4e36-4541-a76c-2ad84935d0bc 1600w" width="1600"></a><br> <a class="link" href="https://github.com/debpalash/VoiceStudio" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>14. crmne/fastpotify</strong> — (Rust, ★ 약 3.7천)</p> <p>Rust와 egui로 작성한 네이티브 Spotify 클라이언트입니다.<br> librespot으로 음악을 재생하며, 보통 100<del>250MB RAM을 사용해 600MB</del>1GB를 쓰는 공식 데스크톱 앱보다 가볍고, 브라우저 엔진 없이 1초 이내에 실행됩니다.<br> Linux·macOS·Windows를 지원하며, 재생에는 Spotify Premium이 필요합니다.</p> <p><a class="link" href="https://github.com/crmne/fastpotify" target="_blank" rel="noopener" ><img alt="crmne/fastpotify 미리보기" class="gallery-image" data-flex-basis="384px" data-flex-grow="160" height="1200" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://repository-images.githubusercontent.com/1348483831/375eabcd-7d99-42b7-903d-198a6e7eac4e" srcset="https://agents.juil.dev/375eabcd-7d99-42b7-903d-198a6e7eac4e_4750070601445662346_hu_e0a14f6c33db0691.png 800w, https://agents.juil.dev/375eabcd-7d99-42b7-903d-198a6e7eac4e_4750070601445662346_hu_bb3154a5479028dc.png 1600w, https://repository-images.githubusercontent.com/1348483831/375eabcd-7d99-42b7-903d-198a6e7eac4e 1920w" width="1920"></a><br> <a class="link" href="https://github.com/crmne/fastpotify" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>16. pollen-robotics/microduck</strong> — (Rust, ★ 약 7.9천)</p> <p>강화학습 정책으로 움직이는 초소형 이족 보행 로봇입니다.<br> 약 25cm·800g의 로봇의 &lsquo;뇌&rsquo;에 해당하는 저장소로, Rockchip RK3566 위의 몇몇 데몬이 50Hz 제어 루프로 15개 서보를 신경망 정책으로 구동하고, 라디오·카메라·업데이트 메커니즘을 관리합니다.<br> 학습 정책은 MuJoCo·PPO 기반의 sim2real 레시피와 ONNX 내보내기를 담은 인접 저장소 <code>microduck_rl</code>에서 훈련됩니다.</p> <p><a class="link" href="https://github.com/pollen-robotics/microduck" target="_blank" rel="noopener" ><img alt="pollen-robotics/microduck 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/8319c9897ab875abd4687c5edb8bbbce53fee8cbca6b980cb2d238be6181da59/pollen-robotics/microduck" srcset="https://agents.juil.dev/microduck_10466980282525764968_hu_c6cacbdd4d8be299.png 800w, https://opengraph.githubassets.com/8319c9897ab875abd4687c5edb8bbbce53fee8cbca6b980cb2d238be6181da59/pollen-robotics/microduck 1200w" width="1200"></a><br> <a class="link" href="https://github.com/pollen-robotics/microduck" target="_blank" rel="noopener" >🔗 GitHub</a></p> <h3 id="인프라devops">인프라/DevOps </h3><p><strong>10. h4ckf0r0day/obscura</strong> — (Rust, ★ 약 2.7만)</p> <p>AI 에이전트와 웹 스크래핑을 위한 오픈소스 헤드리스 브라우저로, Rust로 작성됐습니다.<br> V8로 실제 JavaScript를 실행하고 Chrome DevTools Protocol을 지원해 Puppeteer·Playwright를 쓰는 헤드리스 Chrome의 드롭인 대체품을 지향합니다.<br> README 비교표에 따르면 메모리 약 30MB(헤드리스 크롬 200MB+), 바이너리 약 70MB, 페이지 로드 약 85ms로 가볍고, 안티탐지가 내장되어 있습니다.</p> <p><a class="link" href="https://github.com/h4ckf0r0day/obscura" target="_blank" rel="noopener" ><img alt="h4ckf0r0day/obscura 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/1bbb7e9b5cc18b2bb8b30b26339d49ad3dcb5904f2bfe6bb49e2dade4ef308c8/h4ckf0r0day/obscura" srcset="https://agents.juil.dev/obscura_11941372035566766925_hu_9e906fc1fd218a4a.png 800w, https://opengraph.githubassets.com/1bbb7e9b5cc18b2bb8b30b26339d49ad3dcb5904f2bfe6bb49e2dade4ef308c8/h4ckf0r0day/obscura 1200w" width="1200"></a><br> <a class="link" href="https://github.com/h4ckf0r0day/obscura" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>18. sgl-project/sglang</strong> — (Python, ★ 약 3.6만)</p> <p>대형 언어모델·멀티모달 모델을 위한 고성능 서빙 프레임워크입니다.<br> README 뉴스에 따르면 Kimi K3·GLM5.2 등 최신 오픈 모델의 day-0 지원, 추론 가속(speculative decoding), NVIDIA GB300에서 25배 추론 성능, TPU 네이티브 지원 등을 소개합니다.<br> LMSYS가 주도하며 Slack·주간 개발 미팅 등 커뮤니티를 운영합니다.</p> <p><a class="link" href="https://github.com/sgl-project/sglang" target="_blank" rel="noopener" ><img alt="sgl-project/sglang 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/bccdd8a7840d8a68092235171b19e84ceaf1288e60eddef86f5891aff48ffd85/sgl-project/sglang" srcset="https://agents.juil.dev/sglang_9547374644967076355_hu_8be5edac13e20b65.png 800w, https://opengraph.githubassets.com/bccdd8a7840d8a68092235171b19e84ceaf1288e60eddef86f5891aff48ffd85/sgl-project/sglang 1200w" width="1200"></a><br> <a class="link" href="https://github.com/sgl-project/sglang" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>22. arcboxlabs/arcbox</strong> — (Rust, ★ 약 4.2천)</p> <p>macOS용 고속 오픈소스 컨테이너·VM 런타임으로, Rust로 처음부터 작성됐습니다.<br> Docker Desktop·OrbStack의 오픈소스 대안으로, 하나의 데몬·CLI로 컨테이너(드롭인 Docker 엔진 + 네이티브 Kubernetes), AI 에이전트·신뢰할 수 없는 코드용 일회성 마이크로 VM, 자체 커널·디스크·배포판을 가진 전체 Linux VM, throwaway macOS VM을 지원합니다.</p> <p><a class="link" href="https://github.com/arcboxlabs/arcbox" target="_blank" rel="noopener" ><img alt="arcboxlabs/arcbox 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/c65522f05f715d172f596a5ee9ba4bff9c5ab141a6684333a79172993351883d/arcboxlabs/arcbox" srcset="https://agents.juil.dev/arcbox_6415193240955904097_hu_155412b33564e54c.png 800w, https://opengraph.githubassets.com/c65522f05f715d172f596a5ee9ba4bff9c5ab141a6684333a79172993351883d/arcboxlabs/arcbox 1200w" width="1200"></a><br> <a class="link" href="https://github.com/arcboxlabs/arcbox" target="_blank" rel="noopener" >🔗 GitHub</a></p> <h3 id="개발-생산성디자인">개발 생산성·디자인 </h3><p><strong>13. zvec-ai/zvec-grep</strong> — (TypeScript, ★ 약 3.3천)</p> <p>로컬 우선 워크스페이스 검색 레이어로, ripgrep·BM25·벡터 검색을 하나의 로컬 우선 인터페이스 뒤에 통합한 도구입니다.<br> 터미널에서 직접 쓰거나 에이전트가 사용하도록 할 수 있으며, 알리바바의 zvec를 기반으로 합니다.<br> Node.js 22 이상이 필요하고 Apache-2.0 라이선스입니다.</p> <p><a class="link" href="https://github.com/zvec-ai/zvec-grep" target="_blank" rel="noopener" ><img alt="zvec-ai/zvec-grep 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/30f0f64ebedc6f8217c832306fd3829605986e3c5c9ca5b192125e49f04f7fe5/zvec-ai/zvec-grep" srcset="https://agents.juil.dev/zvec-grep_13372880350604951257_hu_ad66c8ed6a5f43b1.png 800w, https://opengraph.githubassets.com/30f0f64ebedc6f8217c832306fd3829605986e3c5c9ca5b192125e49f04f7fe5/zvec-ai/zvec-grep 1200w" width="1200"></a><br> <a class="link" href="https://github.com/zvec-ai/zvec-grep" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>15. larashero3-dotcom/lieflat-charts</strong> — (HTML, ★ 약 5.1천)</p> <p>AI 에이전트를 위한 단색 데이터 시각화 스킬로, 데이터를 정교하고 인터랙티브한 HTML 차트로 빠르게 생성합니다.<br> Agent Skills 형식을 따르며 moxt·Claude Code·Codex 등 <code>SKILL.md</code> 호환 에이전트에서 사용합니다.<br> Lupi(편집 내러티브형), Glance(빠른 판단형), Basics(기초 편집형) 세 가지 시각 스타일을 제공하고, 기본은 Mono(흑백회) 보장안이며 요청 시 보고서·연보·화이트페이서용 12종 전체 페이지 HTML 템플릿을 생성합니다.</p> <p><a class="link" href="https://github.com/larashero3-dotcom/lieflat-charts" target="_blank" rel="noopener" ><img alt="larashero3-dotcom/lieflat-charts 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/2773fd7095135aac7a183e961178b38bcfb37a96b4c480e0d376e9c112d27879/larashero3-dotcom/lieflat-charts" srcset="https://agents.juil.dev/lieflat-charts_17876174088600568372_hu_a2ce826f32a54af6.png 800w, https://opengraph.githubassets.com/2773fd7095135aac7a183e961178b38bcfb37a96b4c480e0d376e9c112d27879/larashero3-dotcom/lieflat-charts 1200w" width="1200"></a><br> <a class="link" href="https://github.com/larashero3-dotcom/lieflat-charts" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>19. yanliudesign/mono-color-skill</strong> — (Python, ★ 약 3.0천)</p> <p>포스터·진(zine)·패키징·시각 필드노트를 위한 &lsquo;원잉크 및 제한적 투잉크&rsquo; 편집 이미지 스킬입니다.<br> 주제·문장·물체·제공된 사진을 편집 이미지로 바꾸며, 기본값은 한 개 지배 플레이트와 한 개 좁게 지정된 액센트 플레이트를 쓰는 제한적 투잉크이며, 명시적 단색 요청 시 순수 원잉크로 처리합니다.<br> 화이트·쿨 그레이·페이 베이지 기판을 이미지·팔레트에서 선택하고, 현대 편집 스타일을 기본으로 하되 빈티지는 요청 시에만 적용합니다.</p> <p><a class="link" href="https://github.com/yanliudesign/mono-color-skill" target="_blank" rel="noopener" ><img alt="yanliudesign/mono-color-skill 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/ecebeaf6839cfdf8e9d1cc0997752ed3f1221d7c399a3dc098c7b10c2aa04f9a/yanliudesign/mono-color-skill" srcset="https://agents.juil.dev/mono-color-skill_7898613407061542479_hu_eb8308b6b106b411.png 800w, https://opengraph.githubassets.com/ecebeaf6839cfdf8e9d1cc0997752ed3f1221d7c399a3dc098c7b10c2aa04f9a/yanliudesign/mono-color-skill 1200w" width="1200"></a><br> <a class="link" href="https://github.com/yanliudesign/mono-color-skill" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>20. browser-use/video-use</strong> — (Python, ★ 약 2.5만)</p> <p>코딩 에이전트로 비디오를 편집하는 도구입니다.<br> 원본 푸티지를 폴더에 넣고 Claude Code와 대화하면 <code>final.mp4</code>를 돌려받습니다.<br> 필러 단어(<code>umm</code>, <code>uh</code>)와 테이크 사이 데드 스페이스 절단, 모든 세그먼트 자동 색보정, 컷마다 30ms 오디오 페이드, 자막 번인, HyperFrames·Remotion·Manim·PIL을 이용한 애니메이션 오버레이 생성 등을 지원합니다.</p> <p><a class="link" href="https://github.com/browser-use/video-use" target="_blank" rel="noopener" ><img alt="browser-use/video-use 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/88998529ff4bb8e7ae19a2036e4ce8e3ae3068979a4321e2b0678af100d8ca84/browser-use/video-use" srcset="https://agents.juil.dev/video-use_14861135643289157103_hu_d46fab338e3ed386.png 800w, https://opengraph.githubassets.com/88998529ff4bb8e7ae19a2036e4ce8e3ae3068979a4321e2b0678af100d8ca84/browser-use/video-use 1200w" width="1200"></a><br> <a class="link" href="https://github.com/browser-use/video-use" target="_blank" rel="noopener" >🔗 GitHub</a></p> <p><strong>21. lnkiai/m3e-canvas</strong> — (TypeScript, ★ 약 5.5천)</p> <p>브라우저에서 Material 3 Expressive 화면을 스케치하고, 이어서 AI 코딩 도구에 붙여넣을 프롬프트를 생성하는 도구입니다.<br> 버튼·FAB·칩·앱바·네비게이션 바·탭·검색바·카드·리스트·대화상자 등 드래그 앤 드롭 파츠를 제공하며, 두 버튼이나 리스트 항목을 가까이 가져가면 자기적으로 연결됩니다.<br> 생성한 프롬프트를 Claude Code·Codex·Gemini CLI·Cursor 등에 붙여넣어 앱을 만들 수 있고, 백엔드 없이 localStorage만 사용하는 MIT 라이선스 프로젝트입니다.</p> <p><a class="link" href="https://github.com/lnkiai/m3e-canvas" target="_blank" rel="noopener" ><img alt="lnkiai/m3e-canvas 미리보기" class="gallery-image" data-flex-basis="480px" data-flex-grow="200" height="600" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://opengraph.githubassets.com/bfe2458e98156d7f8aa8bd5dd1326fc0387328afd97a5b7d095f042752411749/lnkiai/m3e-canvas" srcset="https://agents.juil.dev/m3e-canvas_5461148900454967621_hu_e7d03cf328929e78.png 800w, https://opengraph.githubassets.com/bfe2458e98156d7f8aa8bd5dd1326fc0387328afd97a5b7d095f042752411749/lnkiai/m3e-canvas 1200w" width="1200"></a><br> <a class="link" href="https://github.com/lnkiai/m3e-canvas" target="_blank" rel="noopener" >🔗 GitHub</a></p> <hr> <p>이번 주 차트는 <strong>&lsquo;에이전트를 더 잘 쓰는 법&rsquo;을 코드로 가르쳐주는 프로젝트가 정점을 찍은 한 주</strong>로 읽힙니다.<br> 상위에 스킬 모음(<code>mattpocock/skills</code>, <code>humanizer</code>, <code>archify</code>, <code>academic-research-skills</code>)이 몰렸고, 실제로 그 스킬을 돌리는 기반(코딩 에이전트 <code>deepseek-harness</code>, 멀티에이전트 편집기 <code>orca</code>, 서빙 프레임워크 <code>sglang</code>)이 뒤를 이었습니다.<br> 한편으로 로컬에서 오프라인으로 도는 AI 런타임(<code>VoiceStudio</code>, <code>obscura</code>, <code>arcbox</code>, <code>utopia</code>)과, 학습·예측용 모델(<code>minimind</code>, <code>timesfm</code>)이 함께 포진해, &lsquo;로컬·셀프호스트&rsquo; 흐름도 탄탄하게 유지됐습니다.</p> <h2 id="출처">출처 </h2><p><a class="link" href="https://trendshift.io/weekly/2026/36" target="_blank" rel="noopener" >Trendshift 주간 차트</a></p>