Ogni mese una nuova ondata di repository GitHub esplode dal nulla raggiungendo decine di migliaia di stelle. La maggior parte sono dimenticabili. Questo mese? Tutt’altra storia. La classifica trending di marzo 2026 si legge come un manifesto dell’era degli agenti AI: assistenti personali, motori di intelligenza a sciame, rilevamento umano via WiFi, e strumenti per costruire il tuo clone di Claude Code da zero.
Ho analizzato i 10 progetti GitHub in piu’ rapida crescita del mese, controllato ogni singolo repo, ed ecco cosa merita davvero la vostra attenzione.
1. OpenClaw: L’Assistente AI Personale da 300K Stelle
openclaw/openclaw ha superato le 313.000 stelle questo mese, rendendolo il singolo repo in piu’ rapida crescita sulla piattaforma. Scritto in TypeScript, e’ un assistente AI personale self-hosted che gira 24/7 su qualsiasi sistema operativo. La proposta: possiedi i tuoi dati, possiedi il tuo agente, zero dipendenza dal cloud.
Il branding “lobster way” e’… una scelta. Ma il progetto e’ solido. E’ diventato lo scaffold di riferimento per chi vuole far girare agenti AI persistenti sul proprio hardware. Se stavate pensando di configurare un assistente AI locale che non telefona a OpenAI, questo e’ quello che stanno scegliendo tutti.
2. Superpowers: Skill Agentiche come Moduli Plug-and-Play
obra/superpowers ha raggiunto 83.500 stelle con una premessa ingannevolmente semplice: un framework di skill agentiche che gli agenti AI possono raccogliere e usare. Pensatelo come una cassetta degli attrezzi. Il vostro agente deve cercare sul web? C’e’ una skill. Parsare un PDF? Skill. Scrivere ed eseguire codice? Skill.
L’intera cosa e’ scritta in Shell. Si’, script shell. E funziona. La metodologia dietro e’ interessante quanto il codice: un approccio allo sviluppo software dove definisci cosa il tuo agente puo’ fare, e l’agente capisce quando farlo. Noi stessi stiamo costruendo qualcosa di simile, e l’idea che le skill si accumulino nel tempo e’ reale.
3. RuView: Rilevamento Pose Umane Attraverso Segnali WiFi
ruvnet/RuView e’ l’unico progetto in questa lista che mi ha fatto fermare lo scrolling. 36.600 stelle per un progetto Rust che trasforma normali segnali WiFi in stima della posa umana in tempo reale. Niente telecamere. Niente sensori indossabili. Niente sensori di profondita’. Solo il router WiFi che avete gia’.
Usa tecniche DensePose su segnali RF, gira su microcontrollori ESP32, e puo’ rilevare segni vitali e presenza umana attraverso i muri. Le implicazioni sulla privacy tagliano in entrambe le direzioni: potreste costruire un baby monitor che non registra video, oppure qualcosa di molto piu’ inquietante. La tecnologia e’ genuinamente nuova, e il fatto che sia open source in Rust (non un notebook Python) significa che la gente la sta effettivamente deployando.
4. MiroFish: Intelligenza a Sciame che Predice Qualunque Cosa
666ghj/MiroFish ha raggiunto 24.200 stelle con un tagline che sembra fantascienza: “Predicting Anything.” E’ un motore di intelligenza a sciame costruito in Python che combina simulazione multi-agente, grafi di conoscenza e LLM per previsioni finanziarie, predizione sociale e analisi dell’opinione pubblica.
Il repo e’ ben strutturato e il sito web e’ curato, cosa insolita per un progetto a questo stadio. Se predica davvero “qualunque cosa” e’ un’altra questione, ma l’architettura e’ interessante: gli agenti formano sciami, costruiscono conoscenza condivisa e convergono sulle predizioni. L’AI finanziaria sta avendo il suo momento, e MiroFish sta cavalcando quell’onda alla grande.
5. Airi: La Tua AI Companion Self-Hosted (Sul Serio)
moeru-ai/airi ha raggiunto 33.600 stelle ed e’ esattamente quello che sembra: una companion AI self-hosted con chat vocale in tempo reale, supporto avatar Live2D e VRM, e la capacita’ di giocare a Minecraft e Factorio. L’obiettivo dichiarato e’ raggiungere “l’altitudine di Neuro-sama”, la famosa VTuber AI.
Prendetela in giro se volete. 33.000 stelle dicono che il mercato la pensa diversamente. Il progetto gira su Web, macOS e Windows, e l’angolo “lo possiedi tu” e’ il differenziatore. In un mondo dove ogni companion AI e’ un servizio in abbonamento che possiede la vostra cronologia conversazioni, un’alternativa self-hosted con piena proprieta’ dei dati e’ un prodotto legittimo.
6. Claude Code Best Practices: Il Meta-Repo
shanraisshan/claude-code-best-practice ha raccolto 16.100 stelle per un repo che contiene… documentazione. Nessun codice runtime. Solo una guida completa a pattern di ingegneria agentica e tecniche di vibe coding per lo sviluppo assistito da AI.
Il fatto che una guida alle best practice per un coding agent possa accumulare 16K stelle vi dice tutto su dove si trova il settore adesso. La gente non sta solo usando l’AI per programmare. Sta costruendo intere metodologie su come lavorare con gli agenti di codifica AI, e ha fame di pattern che funzionino davvero.
7. Pi-Mono: Il Toolkit Agente All-in-One
badlogic/pi-mono di Mario Zechner (si’, il creatore di libGDX) ha raggiunto 23.800 stelle. E’ un monorepo TypeScript che impacchetta una CLI per coding agent, un’API LLM unificata, librerie TUI e web UI, un bot Slack e gestione pod vLLM in un unico pacchetto.
L’appeal e’ ovvio: invece di cucire insieme cinque strumenti diversi per far girare un agente AI su interfacce diverse, ottieni un toolkit coeso. Il fatto che venga da uno sviluppatore con un track record di framework che la gente usa davvero (libGDX alimenta migliaia di giochi) aggiunge credibilita’ che la maggior parte dei repo AI non ha.
8. DeerFlow: Il SuperAgent Open-Source di ByteDance
bytedance/deer-flow e’ a 30.600 stelle ed e’ la risposta di ByteDance alla domanda “come costruiamo agenti che fanno lavoro vero?” Costruito su LangChain e LangGraph, e’ un harness SuperAgent che puo’ ricercare, programmare e creare autonomamente usando sandbox, memoria, strumenti, skill e sub-agenti.
Precedentemente noto come LangManus, il rebrand a DeerFlow e’ arrivato con un sito web dedicato e un ambito piu’ ambizioso. Gestisce task che durano da minuti a ore, il che lo mette in una categoria diversa dagli assistenti di codifica mordi-e-fuggi. Quando ByteDance rende qualcosa open source, vale la pena prestare attenzione, perche’ hanno il bench di ingegneria per renderlo production-grade.
9. Learn Claude Code: Costruisci un Coding Agent da Zero
shareAI-lab/learn-claude-code ha raggiunto 27.000 stelle con il pitch “bash is all you need.” E’ un progetto educativo che ti guida nella costruzione di un clone di Claude Code da zero. L’idea che si possa costruire un coding agent AI funzionale con script shell e qualche chiamata API a un LLM e’ allo stesso tempo umiliante e terrificante.
Il sito companion e’ ben fatto, e il repo copre implementazioni sia Python che TypeScript. Se volete capire come funzionano davvero gli strumenti di codifica agentica sotto il cofano (invece di limitarvi a usarli), questo e’ il miglior punto di partenza che abbia visto. Abbiamo trattato la costruzione di agenti da zero di recente, e questo repo va oltre.
10. Heretic: Rimozione Automatica dei Guardrail per LLM
p-e-w/heretic e’ a 13.800 stelle e fa esattamente quello che il nome implica: rimuove automaticamente i guardrail di sicurezza da qualsiasi modello linguistico. La tecnica si chiama abliteration, e funziona identificando e rimuovendo i pesi specifici del transformer responsabili del comportamento di rifiuto.
Controverso? Ovviamente. Ma il conteggio delle stelle parla da solo. La domanda di LLM senza censura e’ enorme, e questo progetto automatizza quello che prima richiedeva chirurgia manuale sul modello. Se questo sia un bene o un male per il mondo dipende dalla vostra prospettiva, ma e’ innegabilmente uno dei repo AI piu’ osservati del mese.
Cosa Ci Dice Davvero Questa Lista
Sette repo su dieci sono strumenti per agenti AI. Non chatbot. Non framework di training. Non script di fine-tuning. Infrastruttura per agenti. Il settore ha superato la fase “l’AI sa scrivere codice?” ed e’ entrato in “come faccio a far girare 50 agenti che lavorano mentre dormo?”
Le eccezioni sono altrettanto rivelatrici. RuView dimostra che l’AI non e’ solo una storia software; sta raggiungendo hardware e signal processing in modi che sembrano fantascienza. Heretic mostra che la tensione tra sicurezza e liberta’ nell’AI sta solo accelerando. E MiroFish suggerisce che la predizione finanziaria e’ la prossima frontiera dove i sistemi multi-agente saranno testati in produzione.
Se state costruendo qualcosa nello spazio AI in questo momento, il messaggio da GitHub e’ chiaro: gli agenti sono la piattaforma, le skill sono la moneta, e tutti vogliono possedere il proprio stack.
La lista del mese prossimo sara’ completamente diversa. E’ questo che rende la cosa interessante.