GitHub-радар
🏆 Топ-5 GitHub за неделю
На этой неделе заметил чёткое разделение: половина трендов про то, как загнать AI на самое дешёвое железо, другая — про переосмысление TypeScript-тулчейна с нуля. Пять репозиториев, ни одного мусора.
Наткнулся на это и сразу же заказал ESP32-S3 — идея запустить языковую модель на 28.9 млн параметров на чипе за $8 со скоростью 9.5 токена в секунду звучит почти неправдоподобно. Проверил код — всё чисто, не обёртка. Трюк в 4-битной квантизации с Per-Layer Embeddings из Google Gemma: 25 млн параметров живут прямо во флеш-памяти при 512KB SRAM на устройстве. Генерирует короткие связные истории без сервера и Wi-Fi — и мне понравилось, что автор объяснил всю архитектуру с цифрами, без лишнего хайпа.
Зачем это вайб-кодеру
Если вы строите edge AI продукты — IoT-устройства, офлайн-ассистенты, hardware-демо — это самый убедительный proof-of-concept того, что реальный инференс на краю сети больше не теория.
Я поставил это локально буквально за две минуты: npm install thinking-orbs — и шесть состояний анимации готовы: Working, Searching, Solving, Listening, Composing, Shaping. Каждое продуманное, не просто вариант спиннера. Особо понравилось, что реализовано на чистом 2D canvas без ctx.filter, без SVG-фильтров, без WebGL — автор явно сам этим пользуется и следил за производительностью. Поддерживает prefers-reduced-motion, паузится когда вкладка скрыта, ARIA-метки из коробки.
Зачем это вайб-кодеру
Если вы строите AI-агента или чат-интерфейс и у вас всё ещё крутится дефолтный спиннер — это подключается за минуту и делает UI похожим на настоящий продукт.
Честно говоря, открыл в ожидании очередной vibe-coding игрушки. Но там 55 000 строк кода в 11 реальных подсистемах: HDR pipeline с каскадными shadow maps, свой физический движок на BVH, AI-солдаты с navmesh, Web Audio синтез без единого звукового файла. Самое интересное в README — наблюдение mshumer что параллельный fanout агентов оказался хуже последовательных проходов: честный нетривиальный вывод про агентную разработку. FPS подняли с 12-17 до 28-30 за три итерации.
Зачем это вайб-кодеру
Помимо самой игры — один из самых честных разборов того, как выглядит мультиагентная разработка на практике, включая что не сработало и почему последовательность бьёт параллельность.
Наткнулся на это и сразу прикинул, сколько ручной работы оно заменяет. Подаёшь текст истории или последовательность рисунков — получаешь вертикальное 3:4 видео с рукописными подписями, reveal-анимацией от чёрно-белого к цветному и page-flip переходами. Всё через Remotion, чистый TypeScript + FFmpeg. Что удивило — это упаковано как skill для Claude Code, Codex и Kimi Code: описываешь сцену на естественном языке и получаешь анимацию. Выход — тихий H.264 MP4 1080×1440, готовый под озвучку.
Зачем это вайб-кодеру
Для тех, кто строит AI-контент-пайплайны или анимированные объяснения — наглядный пример того, как skill агента превращает текст в реальный видеовыход с минимумом связующего кода.
Сразу видно, что это не очередной игрушечный «compile TS to exe» — Vercel Labs подошли серьёзно. scriptc компилирует TypeScript в нативный бинарник через LLVM или C, без Node.js и V8 внутри. Запуск за 2.4ms против 47ms у Node, бинарник 170-200KB, память 1-4MB против 67-116MB. Уже поддерживает async/await через stackful fibers, generics, JSON с runtime-валидацией, fetch, http/https — и differential testing для паритета с Node.js. Это уже рабочий инструмент, не концепт.
Зачем это вайб-кодеру
Для CLI-инструментов, serverless-функций или edge-деплоя, где латентность Node и потребление памяти — реальная проблема, это заслуживает серьёзного внимания — особенно с Vercel Labs за спиной.
▌ Ещё находки