Ariadne
Ariadne es una herramienta open source para analizar la relación entre tu experiencia profesional y objetivos laborales mediante IA. Separa estrictamente las fuentes originales de las inferencias del modelo, permitiendo revisión humana antes de guardar cambios.
Ficha actualizada 24 sept 2026, 9:04 · upstream 24 sept 2026, 9:00 · release skill-20260924-live-feedback
Qué es Ariadne
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Ariadne es un espacio de trabajo open source diseñado para explorar la relación entre tu experiencia y los objetivos laborales, priorizando la protección del juicio humano sobre el texto optimizado por IA. La herramienta mantiene cinco distinciones clave: material fuente, información confirmada por el usuario, inferencias del modelo, propuestas de trabajo y desconocidos. Esto evita que la IA decida automáticamente tu carrera o invente evidencias para cubrir lagunas.
Ofrece dos caminos de producto: una aplicación web que utiliza tus claves API y almacenamiento en navegador, y un Skill local para macOS que ejecuta el análisis directamente en tu máquina con herramientas locales como Codex. La arquitectura separa el inicio, la ejecución del modelo y el almacenamiento, permitiendo trabajar sin sincronización automática entre entornos.
El flujo de trabajo implica importar currículums o portafolios, añadir descripciones de puestos y discutir qué requisitos se apoyan en tus materiales. Los cambios sugeridos deben ser revisados explícitamente por el usuario antes de aceptarlos como versiones confirmadas, preservando siempre los documentos originales sin modificaciones silenciosas.
- Preparar un perfil profesional alineado a una descripción de puesto específica
- Identificar brechas entre la experiencia actual y los requisitos del rol objetivo
- Revisar sugerencias de redacción o inferencias antes de aceptar cambios en el documento
- Analizar portafolios localmente sin enviar datos sensibles a servicios externos
- Comparar versiones de documentos manteniendo un historial explícito de modificaciones
- Separación estricta entre fuentes originales, inferencias del modelo y datos confirmados por el usuario
- Soporte para modelos propios mediante claves API o ejecución local con Codex
- Interfaz de revisión explícita que requiere intervención humana para guardar cambios
- Arquitectura modular que mantiene Web y macOS independientes sin sincronización automática
- Protección de datos al permitir análisis local sin dependencia de servicios en la nube
- No sincroniza datos automáticamente entre la versión web y la aplicación local Skill
- Requiere instalación manual de dependencias específicas como Python 3.9+ y Codex CLI en macOS
- El modelo no actúa automáticamente; requiere revisión humana explícita para confirmar cualquier cambio
- La aplicación nativa de macOS depende del entorno de compilación local y herramientas Poppler
- Soporte limitado actualmente a macOS para la funcionalidad de Skill con ventana independiente
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 usar la versión web, proporciona tu propia clave API y utiliza el almacenamiento en navegador. Para la versión local (Skill), requiere macOS 14+, Python 3.9+, Codex CLI y Poppler instalados previamente. No existe sincronización automática entre entornos; los datos pertenecen a un workspace independiente. El Skill se invoca desde una terminal o agente local, mientras que la web usa claves API verificadas. Verifica siempre las dependencias antes de ejecutar el análisis para evitar fallos en la ejecución del modelo.
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.