Github Trends®
42 findingsmedian surprise 0.00016window 30 days
UNIT / TREND-MONITOR · REV 2.6
[ 30 days window ]
SOURCE: gharchive
FINDING #01 · UNIT ID 1053118194
bojieli/ai-agent-book
《深入理解 AI Agent:设计原理与工程实践》(李博杰 著)开源主仓库:全书正文、编译版 PDF 与按章配套代码
[ PYTHON ]ЗАРАБОТОК D · 38/100[ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.000621
ENGAGEMENT2.38
FRESHNESS1.50
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
0% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
3.03
ACCEL
+0.12
RETENTION
26.0%
PEAK 2026-07-22 · FORK-RETENTION 60.0% · 91 STARS / WINDOW

Author Audience

AUDIENCE
4,843
FOLLOWERS
1,557
OWNER ★
32,857

Engagement Signals

FORKS
3,472
ISSUE AUTH
1
PR AUTH
2
UNIQUE STARGAZERS 91 / 91 (DIVERSITY 1.00)

Потенциал заработка

D38/100
СПРОС82
Деньги в теме есть: AI Agents market оценивается исследовательскими источниками в десятки миллиардов долларов к 2030, а компании платят за platforms, observability, memory, RAG и workflow automation.
ЗАХВАТ18
Репозиторий не удерживает ценность как продукт: это книга и разнородные демо без package, releases, managed service, API, UI и enterprise controls. Рынок уже занят сильными OSS и cloud-игроками.
ДОСТУП72
Apache-2.0 даёт коммерческую свободу и patent grant. Практически мешают bus-factor автора, около 5 контрибьюторов, отсутствие релизного процесса и зависимости части экспериментов от внешних репозиториев/API.
«Коммерциализацию топит capture: репозиторий даёт доверие и внимание, но не защищаемый продукт.»

Рыночный анализ · Обзор

bojieli/ai-agent-book — это открытая книга и набор учебных Python-демо о проектировании и инженерной сборке AI Agent.
AI Agent education / engineering playbook / reference demos.ЗРЕЛОСТЬ · РАСТЁТ
ЯЗЫК
Python
ЛИЦЕНЗИЯ
Apache-2.0
РЕЕСТР
none
КОНТРИБЬЮТОРЫ
5
Что делает

Проект объясняет Agent как «LLM + контекст + инструменты» и показывает практику на главах про context engineering, memory/RAG, MCP tools, coding agents, evaluation, post-training, multimodal и multi-agent. Репозиторий содержит текст книги, PDF и примеры к главам. Часть демо можно запускать самостоятельно после настройки API key, часть является guide к внешним репозиториям.

Какую боль решает

Решает боль инженеров и техлидов, которым нужно перейти от разрозненных агентных демо к системному пониманию harness, памяти, инструментов, evals, безопасности и продакшен-ограничений.

Сценарии использования
  • Обучение команды AI-agent engineering.
  • Быстрые прототипы MCP tool servers, RAG, memory и coding agent.
  • Внутренний курс или reading group.
  • Reference-архитектуры для evaluation, prompt-injection, async-agent и coding-agent.
  • База для консалтинга или воркшопов по AI agents.
Целевой пользователь

AI/LLM engineers, tech leads, applied researchers, стартап-команды и китайскоязычные разработчики.

Open-source аналоги

langchain-ai/langchainСИЛЬНЕЕ142,017
Production framework и agent engineering platform, а не учебник с демо.
FoundationAgents/MetaGPTСИЛЬНЕЕ68,800
Multi-agent framework в стиле «AI software company», уже более узкий фокус на multi-agent software workflows.
microsoft/autogenСИЛЬНЕЕ59,799
Microsoft framework для agentic AI с сильным брендом и зрелой экосистемой.
crewaiinc/crewaiСИЛЬНЕЕ53,600
Orchestration framework для role-playing agents и коммерческий open-core игрок.
run-llama/llama_indexСИЛЬНЕЕ50,900
RAG/data/document-agent framework; смежный проект, больше про data/RAG layer.
openai/openai-agents-pythonСИЛЬНЕЕ27,100
Lightweight SDK для multi-agent workflows с брендом OpenAI; это уже библиотека.
huggingface/smolagentsСИЛЬНЕЕ27,500
Минималистичная библиотека agents-that-think-in-code, проще использовать как SDK.
pydantic/pydantic-aiСИЛЬНЕЕ18,600
Typed Python agent framework для production-применения; смежный SDK.
Позиционирование

Нишевый образовательный актив, не лидер среди agent frameworks. По GitHub-масштабу проект догоняющий, по формату — не клон, а open-source book + lab.

Коммерческие аналоги

Observability, evals и deployment для agents.
Users/revenue не раскрыты.
Developer$0/seat/mo + 5k traces
Plus$39/seat/mo + 10k traces
Enterprisecustom
LlamaParse / LlamaCloudB2BПОДПИСКА
Parsing, extraction, indexing и RAG/document agents.
Pricing page заявляет «10,000+ happy teams».
Free$0, 10K credits
Starter$50/mo, 40K credits
Pro$500/mo, 400K credits
Enterprisecustom
Build/deploy/manage enterprise agents.
Заявляет «used by 63% of Fortune 500».
BasicFree, 50 workflow executions/month
EnterpriseCustom, 50 hours development/month included
Dify CloudB2BПОДПИСКА
Low-code platform для AI apps, agents, workflows и RAG.
Scale не раскрыт.
Professional$59/workspace/mo
Team$159/workspace/mo
Enterprisecustom
Professional annual$590/year
Team annual$1590/year
Flowise CloudB2BFREEMIUM
Visual builder для AI agents, chatflows и RAG.
Trusted logos включают AWS, Priceline, Accenture, Deloitte и др.
Free$0
Starter$35/mo
Pro$65/mo + $15/user/mo after 5 users
BotpressB2BFREEMIUM
AI chatbot/agent platform с visual builder, knowledge и analytics.
Заявляет «trusted by thousands of companies».
PAYG$0 + AI spend
Plus$89/mo
Team$495/mo
Managed$1,245/mo
Enterprisecustom
Microsoft Copilot StudioB2BПОДПИСКА
Enterprise low-code agent builder.
Microsoft-scale, точные пользователи продукта не раскрыты.
Copilot Studio messages$200/month за 25,000 messages, paid yearly
PAYGusage-based
Microsoft 365 Copilot$30/user/mo для части возможностей
Managed Gemini, grounding, tools и enterprise agent platform.
Google Cloud-scale, agent users не раскрыты.
Gemini 3.1 Flash-Lite input$0.125/1M tokens
Gemini 3.1 Flash-Lite output$0.75/1M tokens
Grounding with your data$2.50/1,000 prompts
Search overage$14/1,000 queries
Mem0 PlatformB2BFREEMIUM
Memory layer для AI agents.
OSS repo 56.9k stars на org page; platform scale не раскрыт.
HobbyFree
Starter$19/mo
Growth$79/mo
Pro$249/mo или $250/mo, страница inconsistent
Enterprisecustom
Langfuse CloudB2BFREEMIUM
LLM/agent tracing, prompt management и evals.
40,000+ builders, 31.4k GitHub stars.
HobbyFree
Core$29/mo
Pro$199/mo
Teams add-on$300/mo
Enterprise$2,499/mo
Pydantic LogfireB2BFREEMIUM
Observability + Pydantic AI Gateway.
Около 5,000 orgs sent data in last month, по статье.
PersonalFree
Team$49/mo
Growth$249/mo
Extra usage$2/M records
Enterprisecustom
Текущая монетизация проекта

Явной монетизации именно ai-agent-book не видно: в README нет cloud, paid support, open-core, registry package или paid edition. GitHub Sponsors для bojieli редиректит на профиль, а не на sponsor checkout. Автор ведёт личный сайт и выступает как эксперт/фаундер в agent-тематике; это скорее brand funnel/контент-маркетинг, не продуктовая монетизация репозитория.

Коммерческий потенциал

ПОТЕНЦИАЛ · СРЕДНИЙ

Заработать можно, но не как на standalone библиотеке; оптимальный путь — образовательный и консалтинговый продукт вокруг репозитория.

Спрос и рынок

Спрос высокий: рынок AI agents растёт с CAGR более 40% по нескольким market-research оценкам. Деньги уходят в платформы, observability, memory, deployment и workflow automation, а не в бесплатные книги.

Ров / защищённость

Ров слабый. Сейчас он держится на личной экспертизе автора, китайскоязычном контенте и широте практических примеров; технического рва нет.

Модели монетизации
  • Paid cohort/course на китайском и английском.
  • Enterprise workshops «AI Agent Engineering in Practice».
  • Paid implementation consulting: RAG, memory, evals, MCP, coding-agent.
  • Сертификация или корпоративный bootcamp.
  • Hosted lab environment с готовыми notebooks, API keys и eval dashboards.
  • Платные шаблоны production harness: logging, prompt-injection defense, async agent, tool approval.
Что нужно, чтобы сделать продукт
  • Installable package или CLI.
  • Стабильные releases.
  • Документация «quickstart → production».
  • SaaS/managed playground.
  • Eval dashboard.
  • Security model для tool execution.
  • Англоязычная версия.
  • Лицензированные datasets/assets для коммерческих воркшопов.
⚖ ЛИЦЕНЗИЯ · МОЖНО ЛИ КОММЕРЦИАЛИЗИРОВАТЬ
Apache-2.0 разрешает коммерческое использование, включая закрытые продукты и SaaS, при сохранении notice/license. Legal-risk низкий, но внешние зависимости, данные и ассеты нужно проверять отдельно.
Риски и подводные камни
ВЫСОКИЙПРОЧЕЕ
Productization risk: это книга, не SDK/SaaS; без упаковки нельзя продавать как инфраструктуру.
ВЫСОКИЙКОНКУРЕНЦИЯ
Сильные OSS и коммерческие игроки уже имеют cloud, enterprise, observability и integrations.
ВЫСОКИЙСЛАБЫЙ РОВ
Capture risk: пользователь может прочитать книгу и уйти строить на LangChain, LlamaIndex или CrewAI.
СРЕДНИЙЗАВИСИМОСТЬ ОТ АВТОРА
Владелец один, контрибьюторов около 5, релизов нет.
СРЕДНИЙМАЛЫЙ РЫНОК
Localization risk: основной контент на китайском; global B2B-монетизация требует английской версии.
СРЕДНИЙЮР. СЕРАЯ ЗОНА
Security/liability risk: Agent demos с shell, tools, web, memory и prompt-injection требуют production-grade guardrails.
НИЗКИЙЛИЦЕНЗИЯ
Apache-2.0 благоприятна; отдельно нужно проверять лицензии внешних репозиториев, данных, PDF и изображений при включении в коммерческий пакет.

Достоверность разбора

УВЕРЕННОСТЬ · СРЕДНЯЯgpt-5.5 · 2026-07-18 · ОКНО 1D
Оговорки / что не проверено
  • Коммерческие цены и scale взяты из собранного разбора и не перепроверялись заново.
  • Для большинства коммерческих аналогов pricing/scale подтверждены одним URL, а не двумя независимыми источниками.
  • GitHub stars OSS-аналогов взяты из собранного разбора; точность зависит от момента сбора.
  • Оценки market size взяты из двух market-research публикаций, но это прогнозы, а не фактическая выручка рынка.
  • Вывод о монетизации автора основан на README, GitHub Sponsors redirect и личном сайте из собранного разбора; скрытые paid channels не проверялись.
  • Лицензии внешних репозиториев, датасетов, PDF, изображений и bundled assets не проверялись.
  • Оценки demand/capture/access являются аналитическим суждением, а не измеренной метрикой.
ИСТОЧНИКИ (26)

Why This Is A Finding

bojieli/ai-agent-book собрал 91 звёзд за окно, тогда как у автора всего 1,557 подписчиков — эффективная аудитория ≈ 4,843. Это даёт surprise-индекс 0.000621 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 60.0% и 3 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 42 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00+0.00ABOVE 98%
VELOCITY3.032.07+0.97ABOVE 81%
RETENTION26.0%19.8%+6.2 PPABOVE 69%
FORKS3,4725,522-2,050ABOVE 29%
SURPRISE0.000.00+0.00ABOVE 81%