aibti
Herramienta local para Windows que analiza historial de prompts de asistentes de IA (Claude, Cursor) para inferir estilos de interacción y arquetipos de personalidad sin enviar datos a la nube.
Ficha actualizada 24 sept 2026, 9:40 · upstream 24 sept 2026, 9:09 · release sin release detectada
Qué es aibti
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Aibti es una aplicación diseñada para analizar el historial de interacciones con asistentes de inteligencia artificial como Claude Code, Cursor o Codex. Su objetivo principal es determinar qué tipo de personalidad o arquetipo mejor se ajusta al estilo único de los prompts del usuario. El software revisa las costumbres, la lógica y las necesidades reflejadas en las solicitudes pasadas para ofrecer un perfil detallado.
- Auditoría local del estilo de prompting
- Autoconocimiento en interacción con IA
- Herramienta para usuarios que priorizan privacidad
- Análisis de patrones de trabajo con asistentes de código
- Privacidad total mediante procesamiento local sin envío a la nube
- Bajo consumo de recursos (CPU y RAM)
- Licencia MIT permitiendo uso, modificación y compartición
- Soporte explícito para Claude Code, Cursor y Codex
- Requiere sistema operativo Windows 10 o 11 exclusivamente
- No es una herramienta CLI nativa sino un instalador .exe
- Precisión reducida si no se usa con los modelos soportados
- Necesita conexión a internet para la primera descarga del instalador
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Instalar en Windows 10/11 con al menos 4 GB de RAM y 100 MB libres. No requiere Docker ni contenedores. Descargar el archivo .exe desde la página de releases oficiales. Ejecutar como administrador si Windows lo solicita. Los datos se procesan localmente, por lo que no es necesario configurar bases de datos externas ni servicios remotos.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.