AI-Workspace
Plataforma self-hosted de IA local-first con chat multi-modelo, sub-agentes, memoria a largo plazo (pgvector), RAG y canales WhatsApp/Telegram/Discord. Arquitectura monorepo FastAPI + Next.js + Tauri.
Ficha actualizada 24 sept 2026, 19:12 · upstream 24 sept 2026, 18:43 · release v0.7.0
Qué es AI-Workspace
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
AI-Workspace es una plataforma completa de inteligencia artificial auto-alojada diseñada para ser local-first, permitiendo interactuar con múltiples modelos mediante OpenRouter o Ollama local sin que los datos salgan del equipo salvo la llamada al proveedor. La arquitectura se basa en FastAPI como backend asíncrono, Next.js 16 con App Router para el frontend y Tauri para la aplicación de escritorio en Windows. Utiliza PostgreSQL 16 con pgvector para memoria a largo plazo y búsqueda RAG.
El sistema incluye un orquestador de 'turnos' que gestiona llamadas a herramientas (SIFT), agentes sub-agentes delegables, memoria compartible por alcance (global/modelo/chat) y una API pública compatible con OpenAI. La aplicación soporta integración con canales de mensajería como WhatsApp, Telegram y Discord, permitiendo que cada conversación aparezca en el sidebar del chat.
La plataforma destaca por su enfoque en la seguridad con cifrado de secretos en reposo, observabilidad end-to-end con trazas de latencia y tiempo de base de datos, y herramientas integradas como navegador headless controlado por IA, transcripción video/audio y ejecución sandbox de Python.
- Asistente personal local para tareas complejas con sub-agentes delegables (planificación de viajes, análisis de código).
- Sistema de automatización empresarial con monitores de precios/alertas y notificaciones vía WhatsApp/Telegram.
- Plataforma RAG interna para consultar documentación técnica almacenada en pgvector con citas verificables.
- API compatible OpenAI para exponer capacidades de IA a aplicaciones externas con control de cuotas y costes.
- Arquitectura local-first con cifrado de secretos en reposo (APP_SECRET) y egress limitado solo al proveedor del modelo.
- Sub-agentes autónomos que pueden ejecutarse en paralelo o en segundo plano con visibilidad de pasos individuales.
- Herramientas SIFT integradas: búsqueda web, navegador headless controlado por IA, transcripción video/audio y ejecución sandbox de Python.
- Observabilidad end-to-end con trazas de latencia, tiempo de base de datos y llamadas LLM en panel waterfall.
- Memoria persistente con scopes compartibles y conocimiento RAG con pgvector para búsqueda semántica con citas.
- Dependencia de Docker Compose para despliegue estándar (no tiene Dockerfile nativo, requiere infraestructura containerizada).
- La app desktop Windows requiere instalación manual del instalador desde releases, sin soporte automático de actualizaciones en vivo.
- El navegador headless es un servicio opcional que debe activarse mediante perfil de Compose (--profile browser).
- Requiere configuración manual de APP_SECRET y migraciones Alembic automáticas al inicio del servidor.
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.
Requiere Docker Compose con PostgreSQL 16 + pgvector. Generar APP_SECRET fuerte antes de iniciar (48 caracteres). Para producción, habilitar HTTPS con certificado propio o Let's Encrypt. Backup regular de base de datos y rotación de secretos. Actualizar con ./update.sh después de pull. Para Windows desktop, descargar instalador desde releases sin Docker.
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.