kaguya
Kaguya es un Chief of Staff de IA auto-alojado que procesa voz en tiempo real, delegando tareas complejas a agentes externos mientras mantiene una conversación fluida localmente.
Ficha actualizada 24 sept 2026, 12:07 · upstream 24 sept 2026, 11:59 · release sin release detectada
Qué es kaguya
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Kaguya se posiciona como un asistente personal ejecutado localmente, diseñado para superar las limitaciones de los asistentes basados en la nube (privacidad) y los LLMs locales tradicionales (velocidad). Su arquitectura de dos niveles combina una ruta rápida para conversaciones con un modelo local de 8B parámetros (<700ms) y una ruta lenta que delega tareas complejas a agentes especializados como OpenClaw o Claude Code.
El sistema se estructura en componentes modulares: el Gateway (Rust) actúa como orquestador determinista, el Talker (Python) maneja la entrada/salida de voz con modelos locales de STT y TTS, y el Reasoner (TypeScript) gestiona la delegación de tareas. Utiliza una arquitectura multi-proceso que permite mantener la interactividad durante procesos largos en segundo plano.
La gestión del conocimiento se basa en un almacén híbrido que combina búsqueda full-text BM25 sobre SQLite con embeddings vectoriales opcionales, permitiendo recuperación semántica y factual precisa sin depender de servicios externos.
- Asistente personal de voz para tareas administrativas y recordatorios inmediatos
- Análisis de código local delegando a agentes especializados sin enviar datos a la nube
- Gestión de memoria contextual híbrida para proyectos de desarrollo a largo plazo
- Prototipado de arquitecturas de IA conversacional con supervisión total del hardware
- Arquitectura determinista con orquestador en Rust que evita la incertidumbre de las rutas basadas en LLM
- Procesamiento de voz local completo (STT/TTS) sin dependencia de APIs externas
- Delegación asíncrona de tareas complejas manteniendo la interactividad del usuario
- Almacén de memoria híbrido con SQLite + FTS5 y soporte para embeddings vectoriales
- Protocolos gRPC con buf para garantizar compatibilidad entre componentes multi-lenguaje
- Requiere GPU NVIDIA moderna con al menos 12GB VRAM para inferencia local eficiente
- Falta de soporte nativo para contenedores Docker o Docker Compose en la configuración actual
- Dependencia de herramientas de desarrollo específicas (Rust, Python 3.11+, Node.js 20+)
- Funcionalidad de ejecución de herramientas parcialmente deshabilitada hasta listas de permitidos
- Adaptadores para agentes externos como OpenClaw y Claude Code aún en fase de desarrollo
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Instalación manual requerida con Rust, Python (uv) y Node.js. Se recomienda GPU NVIDIA con 12+ GB VRAM. Ejecución en terminales separados para Talker, Gateway y Reasoner. Configuración de servidor LLM compatible OpenAI en localhost:1234. No incluye Dockerfile ni compose.yml.
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.