hivekeep
Plataforma auto-alojada para una flota de agentes IA persistentes que colaboran, recuerdan y operan en un único contenedor con SQLite. Soporta múltiples canales (Telegram, WhatsApp, Slack) y permite a los agentes construir herramientas propias.
Ficha actualizada 25 sept 2026, 13:30 · upstream 25 sept 2026, 11:48 · release v1.10.0
Qué es hivekeep
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Hivekeep es una plataforma de software open source diseñada para ejecutar equipos de agentes de inteligencia artificial persistentes en tu propia infraestructura. A diferencia de las soluciones estándar que reinician el contexto tras cada sesión, Hivekeep mantiene una memoria híbrida continua (SQLite-vec + FTS5) que permite a los agentes recordar conversaciones pasadas y acumular conocimiento a largo plazo sin resetear la identidad.
- Asistente personal de hogar: Agentes como 'Nest' gestionan automatización doméstica, energía y dispositivos inteligentes mediante integración con Home Assistant.
- Copiloto DevOps e Infraestructura: El agente 'Atlas' supervisa CI/CD, observabilidad y responde a incidentes en el servidor local.
- Gestión de finanzas personales: El agente 'Ledger' rastrea gastos, gestiona presupuestos y planifica inversiones conectando cuentas bancarias seguras.
- Investigación y análisis de datos: El agente 'Prism' genera informes de inteligencia de negocio, SQL y dashboards para análisis de datos complejos.
- Asistente de comunicación unificado: Centraliza Telegram, WhatsApp, Slack y Discord en una interfaz única con capacidad de transferencia de canales entre agentes.
- Memoria persistente híbrida: Combina búsqueda vectorial (KNN) y texto completo (FTS5) para recuperar contexto histórico sin perder datos originales.
- Auto-mejora del ecosistema: Los agentes pueden construir herramientas personalizadas, mini-apps en iframe y plugins TypeScript nativos sin intervención manual.
- Seguridad de secretos robusta: Uso de cifrado AES-256-GCM para el almacén de claves (vault), asegurando que los tokens nunca se expongan a los modelos LLM.
- Arquitectura simplificada: Funciona con un único contenedor y una base de datos SQLite local, eliminando la necesidad de provisionar PostgreSQL o Redis externos.
- Transparencia total de costes: Dashboard detallado que desglosa el uso de tokens por agente, modelo y día, evitando sorpresas en la facturación.
- Dependencia de claves API externas: Aunque es auto-alojado, requiere configuración manual de claves para proveedores como OpenAI o Anthropic (o integración con Ollama).
- Gestión de actualizaciones no automatizada: Las actualizaciones se realizan mediante 'git pull' o re-pull de la imagen Docker, sin un script de migración automático integrado.
- Base de datos SQLite: Aunque simplifica el despliegue, puede ser un cuello de botella para instancias con volúmenes masivos de memoria a largo plazo comparado con PostgreSQL.
- Requisitos de hardware específicos: La documentación sugiere un mínimo de 4 núcleos CPU y 8GB de RAM para un funcionamiento óptimo con múltiples agentes activos.
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.
Despliega usando la imagen oficial en ghcr.io o instalando desde el repositorio Git. Asegúrate de tener al menos 30GB de espacio en disco y 4 núcleos CPU disponibles. La configuración inicial se realiza conversacionalmente con 'Queenie', el agente configurador, evitando archivos YAML complejos. Utiliza una clave API única para LLMs (OpenAI, Anthropic, etc.) que la plataforma detectará automáticamente para habilitar capacidades como generación de texto, imágenes o búsqueda web.
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.