Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

missy

Missy es un asistente de IA local para Linux con enfoque en seguridad por defecto. Ejecuta agentes autónomos con políticas estrictas de red, archivos y shell, soportando múltiples proveedores de modelos (Anthropic, OpenAI, Ollama) y canales como voz o Discord.

Ficha actualizada 24 sept 2026, 17:42 · upstream 24 sept 2026, 17:19 · release sin release detectada

00

Qué es missy

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

Missy es una plataforma de IA local para Linux diseñada bajo el principio de seguridad primero. A diferencia de otros asistentes que confían en la red por defecto, Missy implementa un modelo de denegación total (default-deny), requiriendo explícitamente whitelisting para tráfico de red, acceso al sistema de archivos y ejecución de comandos. La arquitectura incluye un motor de políticas multicapa que combina Landlock LSM a nivel del kernel con controles de usuariospace, encriptación ChaCha20-Poly1305 para el almacén de secretos y firmas Ed25519 para la identidad del agente, garantizando una trazabilidad completa mediante logs JSONL auditados.

La plataforma soporta un ecosistema extensible que incluye múltiples proveedores de modelos (Anthropic, OpenAI, Ollama) con conmutación en caliente, canales de comunicación como Discord y voz, y capacidades de visión y automatización de escritorio. Incluye sistemas avanzados de memoria unificada, consolidación de contexto (sleep mode) y sub-agentes especializados para tareas complejas, todo ello gestionado mediante una interfaz CLI interactiva o API REST con control estricto de costos y presupuestos por sesión.

CASOS DE USO
  • Automatización segura de tareas domésticas en Linux sin exponer datos a la nube
  • Auditoría continua de acciones de IA con trazabilidad completa y firma criptográfica
  • Asistente de voz local para control del hogar o interacción natural sin enviar audio fuera
  • Integración con Discord para soporte técnico automatizado con aprobación humana en pasos críticos
  • Análisis de imágenes y visión por computadora ejecutado localmente con privacidad garantizada
PUNTOS DESTACADOS
  • Seguridad por defecto: Denegación total de red, archivos y shell sin whitelist explícita
  • Landlock LSM: Enforcement de sistema de archivos a nivel del kernel Linux
  • Identidad Ed25519: Firma criptográfica de todos los eventos de auditoría para integridad
  • Multi-proveedor nativo: Soporte automático para Anthropic, OpenAI y Ollama con fallback
  • Auditoría completa: Logs JSONL estructurados con trazabilidad de línea de tiempo
PRECAUCIONES
  • Requiere Python 3.11+ y gestión manual de dependencias (no Docker por defecto)
  • Configuración inicial compleja para usuarios no técnicos (whitelisting de red, claves API)
  • Dependencia de librerías externas opcionales (FAISS, OpenCV, Playwright) para funcionalidades avanzadas
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU4 vCPUrecomendación inicial
MEMORIA8 GBRAM estimada
DISCO10 GBalmacenamiento base
COMPLEJIDADlownivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Despliegue manual

Instalar mediante script install.sh o pip en entorno virtual local. Configurar variables de entorno para claves API y definir políticas de red manualmente antes del primer uso. Requiere al menos 4 núcleos CPU y 8GB RAM según especificaciones técnicas. No es compatible con contenedores Docker nativos sin configuración adicional.

—Dockerfile
—Compose
—One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Node.jsPython
SERVICIOS
No detectados
BASES DE DATOS
No detectadas
PUERTOS
114348765
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.