ai.diy
ai.diy es un entorno de trabajo de IA local-first y autohospedable que combina un frontend React con un servidor Node para relayer peticiones a modelos externos. Destaca por ejecutar Python, un entorno Linux (CheerpX) y RAG completamente en el navegador del cliente.
Ficha actualizada 28 sept 2026, 11:16 · upstream 28 sept 2026, 11:01 · release sin release detectada
Qué es ai.diy
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
ai.diy es una plataforma de código abierto diseñada para ser 'local-first', donde el estado del usuario, las claves API y los datos persisten principalmente en el navegador mediante localStorage e IndexedDB. La arquitectura separa la interfaz y la lógica de negocio (Node.js) del procesamiento pesado, que ocurre tanto en el cliente como en proveedores externos seleccionados por el usuario.
El sistema integra capacidades avanzadas como un entorno Linux completo en el navegador utilizando CheerpX/WebVM, permitiendo ejecutar bash, Python3 y compiladores sin necesidad de una máquina virtual remota. Además, soporta la creación y ejecución de proyectos Node.js nativos dentro del navegador usando WebContainers, facilitando el desarrollo de aplicaciones directamente en el cliente.
En términos de seguridad, adopta un modelo 'Bring Your Own Key' (BYOK), donde las claves de los proveedores no se almacenan persistentemente en el servidor. Las configuraciones sensibles pueden cifrarse con AES-GCM si el navegador lo soporta, aunque el tráfico de peticiones sigue pasando por el servidor relay, lo que implica que un administrador del servidor podría observar la comunicación.
- Desarrollo de aplicaciones en el navegador: Creación y ejecución de proyectos Node.js con WebContainers sin necesidad de instalar nada localmente.
- Investigación y análisis de datos: Uso de herramientas de búsqueda web, RAG local para documentos privados y entornos Linux para procesamiento de scripts complejos.
- Automatización de tareas repetitivas: Empleo de agentes y subagentes para orquestar flujos de trabajo mediante habilidades portables (skills) instalables.
- Gestión privada de modelos: Prueba y comparación de múltiples proveedores de IA (OpenAI, Ollama, Groq, etc.) desde una única interfaz sin exponer claves permanentemente.
- Ejecución de Python y Linux en el navegador mediante Pyodide y CheerpX, permitiendo scripts complejos sin servidor backend.
- Modelo BYOK (Bring Your Own Key): Las credenciales de los proveedores se manejan en el cliente y no persisten en la configuración del servidor.
- RAG local: El conocimiento base y los índices vectoriales se mantienen en el dispositivo del usuario, protegiendo la privacidad de los documentos.
- Soporte para múltiples proveedores: Integración nativa con más de 20 modelos (OpenAI, Anthropic, Ollama, Groq, etc.) a través de un único punto de entrada.
- Habilidades portables: Catálogo de skills instalables desde la interfaz que extienden las capacidades del agente sin modificar el núcleo.
- El servidor relay puede observar el tráfico de peticiones; no es adecuado para entornos donde la confidencialidad absoluta del contenido es crítica.
- La seguridad avanzada (cifrado AES-GCM) depende de la disponibilidad de Web Crypto y IndexedDB en el navegador del cliente.
- El entorno Linux CheerpX requiere una licencia comercial de Leaning Technologies para uso no FOSS o autohospedaje del runtime.
- Algunas funcionalidades avanzadas como los adaptadores directos a GitHub/PostgreSQL están marcadas como 'coming soon' y pueden no estar disponibles inicialmente.
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Para despliegue rápido, use Docker Compose con el comando `docker compose up --build`. Para producción, construya la imagen con `npm run build && npm start` o utilice Vercel. Configure las variables de entorno en `.env`, especialmente `VITE_SITE_URL` para dominios personalizados y límites de tasa RPM si es necesario. Asegúrese de que el servidor tenga al menos 4 núcleos CPU y 8GB de RAM para un rendimiento óptimo con múltiples modelos.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.