Co się teraz buduje
Kategorie dzielą katalog według dziedziny. Tematy przecinają go w poprzek — każdy zbiera przeanalizowane projekty stojące za trendem, który realnie napędza pracę w 2026 roku, wraz z sygnałem popytu podanym wprost.
Frameworki agentów AI i orkiestracja — projekty open source
Framework agentowy daje gotową pętlę — planowanie, wywołania narzędzi, pamięć, ponowienia — więc budujesz zadanie, a nie hydraulikę. To najgłębsza kategoria w katalogu, więc trudniejszy jest wybór niż znalezienie.
Agenci kodujący open source oraz narzędzia do Claude Code, Cursora i Codeksa
Agenci kodujący piszą, refaktoryzują i testują kod na podstawie promptu. Największa realna dźwignia leży dziś w otwartej warstwie wokół nich — umiejętnościach, obudowach, hookach do przeglądu kodu i narzędziach sesyjnych — a tam konkurencja jest dużo mniejsza niż wśród samych asystentów.
Serwery i narzędzia MCP open source, na których warto budować
Model Context Protocol to sposób, w jaki asystent sięga po twoje dane i narzędzia bez pisania integracji od zera za każdym razem. Rejestry indeksują dziś dziesiątki tysięcy serwerów, więc trudność przeniosła się z napisania własnego na wybór tych, którym warto zaufać.
RAG, wyszukiwanie wektorowe i pamięć agentów — projekty open source
Wyszukiwanie to mechanizm, który powstrzymuje model przed zmyślaniem odpowiedzi o twoich danych. Te projekty pokrywają całą ścieżkę: dzielenie na fragmenty, embeddingi, przechowywanie, ranking i pamięć, którą agent zachowuje między uruchomieniami.
Lokalne i self-hosted AI, które uruchomisz na własnym sprzęcie
Modele o otwartych wagach są już na tyle dobre, że trzymanie inferencji u siebie to praktyczny wybór, a nie kompromis. Te projekty obejmują lokalne silniki modeli, prywatnych asystentów i otaczającą je infrastrukturę self-hosted.
Inferencja LLM, serwowanie i optymalizacja — projekty open source
Warstwa inferencji decyduje o tym, ile kosztuje uruchomienie modelu i jak szybko odpowiada. Te projekty obejmują silniki serwujące, batching, kwantyzację i sztuczki pamięciowe, dzięki którym model mieści się na sprzęcie, który już masz.
Narzędzia bezpieczeństwa i przeglądu kodu pisanego przez AI
AI pisze kod szybciej, niż zespoły są w stanie go przejrzeć, a mierzalna część tego kodu trafia na produkcję z lukami do wykorzystania. Te projekty zamykają tę lukę: skanery, bramki przeglądu i analiza uruchamiane przed scaleniem, a nie po incydencie.
Automatyzacja przeglądarki, scraping i agenci przeglądający — open source
Automatyzacja przeglądarki przeniosła się z testowania do infrastruktury agentowej: agent, który ma otworzyć stronę, przeczytać ją i zadziałać, potrzebuje przeglądarki dającej się sterować niezawodnie i tanio.
Narzędzia terminalowe i CLI open source, z których warto czerpać
Terminal stał się głównym interfejsem pracy wspomaganej przez AI, a narzędzia poszły za tym. Te projekty obejmują zarówno pełne aplikacje TUI, jak i jednozadaniowe narzędzia na tyle małe, że przeczytasz je w jeden wieczór.
Projekty open source w Rust, na których warto budować
Rust przejął warstwę narzędzi deweloperskich, w której liczy się wydajność: terminale, parsery, menedżery pakietów i silniki inferencji. Te projekty mają w środku coś, co da się wykorzystać ponownie.
Projekty open source o największym potencjale komercyjnym
To rekordy ocenione na 5 z 5 pod względem potencjału komercyjnego — projekty, w których spotykają się realny problem, ktoś gotów zapłacić i sensowny produkt, a nie tylko wysoka liczba gwiazdek.
Projekty open source dla początkujących, na których nadal warto budować
Projekty ocenione jako łatwe we wdrożeniu, ale wciąż z oceną 4 lub 5 za potencjał — część wspólna tego, co uruchomisz w tydzień, i tego, co naprawdę warto uruchamiać.