В AI-инструментах появился странный быстрый фильтр: открываешь GitHub, видишь 50k или 100k stars и почти автоматически думаешь, что проект серьезный. ⠀ Я бы осторожнее. ⠀ Stars показывают внимание. Иногда доверие. Иногда просто удачный момент в ленте. ⠀ Но они не показывают главное: выдержит ли инструмент вашу рабочую задачу. ⠀ Что я бы смотрел рядом со stars: ⠀ 1. Есть ли воспроизводимый пример, который можно запустить за вечер? 2. Понятно ли, какие права получает агент? 3. Есть ли свежие releases, а не только commits? 4. Видно ли, как проект обрабатывает ошибки? 5. Есть ли открытые failure modes? 6. Что остается после красивого примера: artifact, лог, проверка, тест? 7. Сколько human review нужно до принятия результата? ⠀ Тут не надо обвинять популярные repos. Популярность сама по себе нормальный сигнал. ⠀ Проблема начинается, когда ее повышают до proof. ⠀ Ограничение ⠀ Такой фильтр не решает весь выбор инструмента. Все равно остаются security review, чтение docs, локальный запуск и ответственность человека за то, куда агент получает доступ. ⠀ Для себя хочу протестировать формат: брать заметные AI repos/tools и разбирать не в логике классный или плохой, а какой promise там заявлен, что можно проверить быстро и где нужна осторожность. ⠀ Какие repo или tools вы бы принесли в такой краш-тест? Напишите в комментариях.