bike4mind
Plataforma open-core de IA con workspace multi-modelo, agentes autónomos ReAct, RAG sobre documentos y generación de artefactos. Soporta LLMs locales (Ollama) y cloud (OpenAI, Anthropic). Arquitectura Next.js + MongoDB + MinIO.
Ficha actualizada 22 sept 2026, 14:47 · upstream 22 sept 2026, 14:44 · release v2026.09.22.2
Qué es bike4mind
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Bike4Mind es una plataforma de conocimiento impulsada por IA que integra un conjunto amplio de tecnologías detrás de un único espacio de trabajo. Permite conectar notebooks interactivos, agentes autónomos y un motor RAG para potenciar tareas cognitivas complejas. La arquitectura está diseñada para ser multi-modelo desde el inicio, permitiendo intercambiar libremente entre proveedores como Anthropic, OpenAI, Google Gemini o ejecutar modelos localmente vía Ollama/vLLM sin cambiar de entorno.
- Creación de notebooks interactivos que combinan chat, documentos y contexto unificados para cualquier modelo LLM.
- Despliegue de agentes autónomos ReAct-style que planifican tareas multi-paso (búsqueda web, generación de código, revisión visual) con intervención humana opcional.
- Implementación de motores RAG sobre documentos propios mediante segmentación inteligente, búsqueda vectorial y colecciones etiquetadas para razonamiento contextual.
- Generación y publicación de artefactos reutilizables como snippets, documentos o visualizaciones producidos por los agentes.
- Evaluación de modelos locales (Ollama) frente a servicios cloud en el mismo entorno sin migrar datos ni código.
- Arquitectura open-core con núcleo público y servicios multi-tenant comerciales claramente delimitados.
- Soporte nativo para múltiples proveedores de LLMs (OpenAI, Anthropic, Google, xAI) y modelos locales vía Ollama/vLLM.
- Motor RAG integrado con segmentación inteligente, búsqueda vectorial y gestión de colecciones de conocimiento.
- Agentes autónomos ReAct-style capaces de planificar tareas complejas con intervención humana en el bucle.
- Generación de artefactos reutilizables con capa integrada de publicación y compartición.
- Licencia BUSL-1.1 que se convierte automáticamente a Apache-2.0 dos años después del lanzamiento público.
- Licencia BUSL-1.1 restringe ofrecer el software como servicio multi-tenant competitivo (Bike4Mind Service).
- Requiere configuración manual de secretos (JWT_SECRET, SESSION_SECRET) y claves de API para modelos externos.
- Dependencia de servicios externos como Mailpit para capturar correos en despliegues self-hosted.
- Complejidad media con requisitos de recursos específicos (4 núcleos CPU, 8GB RAM, 20GB disco).
- El motor de fansout WebSocket se distribuye como imagen separada (@bike4mind/subscriber-fanout).
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Despliegue self-hosted vía Docker Compose (compose.selfhost.yaml) con MongoDB y MinIO. Requiere copiar .env.selfhost.example, generar secretos de sesión y añadir claves de API para modelos externos. El servicio corre en localhost:3000; Mailpit en 8025. Imagen publicada en ghcr.io/bike4mind/bike4mind-selfhost.
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.