AIStore
AIStore es un repositorio open source que proporciona cuentas, créditos y workspaces para DeepSeek Harness. Permite ejecutarlo como producto alojado o auto-alojarlo en 5 minutos.
Ficha actualizada 23 sept 2026, 4:28 · upstream 23 sept 2026, 4:12 · release v0.4.0
Qué es AIStore
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
AI Store es una plataforma de orquestación de agentes de inteligencia artificial que conecta múltiples productos Open Source bajo un único modelo de suscripción. La arquitectura centraliza el acceso a modelos, créditos y workspaces, eliminando la necesidad de claves API por producto individual. Se puede ejecutar en dos modos: como servicio alojado (DeepSeek Harness) o auto-alojado con un solo comando. Los workspaces se ejecutan en contenedores separados que comparten una capa de gateway centralizado, manteniendo el modelo upstream siempre accesible desde la nube sin necesidad de claves propias del usuario.
- Automatización de tareas repetitivas mediante agentes generativos
- Creación y ejecución de workflows complejos con múltiples modelos en paralelo
- Desarrollo de aplicaciones web con integración de LLMs vía FastAPI
- Monitoreo y gestión de créditos de inteligencia artificial para equipos
- Procesamiento de documentos con RAG (Retrieval-Augmented Generation)
- Creación de interfaces gráficas para agentes de IA mediante ComfyUI
- Automatización de tareas repetitivas con modelos preentrenados
- Conversaciones en tiempo real con agentes digitales humanos
- Modelo centralizado: el gateway de modelos siempre se ejecuta desde la nube, sin necesidad de claves API por producto individual ni acceso directo al modelo upstream del usuario.
- Multi-tenant: cada workspace tiene su propio contenedor con sus propios datos pero comparten la capa de orquestación y billing.
- Auto-alojamiento rápido: el modo local se ejecuta en 5 minutos mediante un solo comando, sin necesidad de instalar Docker o Node.js.
- Modelos abiertos: todos los productos son open source, permitiendo personalización y contribución por parte del usuario.
- Escalabilidad horizontal: múltiples workspaces pueden correr simultáneamente en la misma infraestructura con recursos compartidos.
- Monitoreo integrado: el sistema de créditos y billing se gestiona centralmente desde la plataforma.
- Requisito de Docker para ejecutar el modo local, lo que puede ser un obstáculo para entornos sin contenedores.
- Los workspaces locales corren en Linux/amd64, por lo que no son compatibles con hardware x86 (como la placa 5090) sin emulación.
- La arquitectura centralizada implica una dependencia de la infraestructura del proveedor DeepSeek Harness para el modelo upstream.
- El modo local requiere un servidor Python con uvx o pip, lo que añade dependencias adicionales a los sistemas operativos.
- No todos los workspaces están disponibles en cada despliegue: algunos requieren configuración manual y otros se activan dinámicamente.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Para desplegar la Community Edition localmente, use Docker Compose con el archivo .env.example como referencia. Configure el modelo upstream en ./dsh-cloud/.env (variable UPSTREAM_API_KEY). Ejecute 'npx --yes @agentsdanceai/dsh-cloud start' para iniciar el servidor en localhost:8787. Para producción, considere un contenedorizado completo con Kubernetes o Docker Swarm. Asegúrese de habilitar la red del contenedor principal y configure los permisos de seguridad adecuados.
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.