WFXM
WFXM (Butler v5) es un sistema de IA personal autoalojado que integra WeChat iLink, ejecución de herramientas, delegación de agentes y memoria persistente en PostgreSQL. Diseñado para una sola entidad propietaria con control total sobre el ciclo cognitivo.
Ficha actualizada 22 sept 2026, 14:41 · upstream 22 sept 2026, 14:11 · release sin release detectada
Qué es WFXM
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
WFXM es una plataforma de automatización inteligente autoalojada que actúa como un 'butler' personal gestionando flujos de trabajo complejos a través de WeChat iLink, CLI y APIs. El sistema utiliza AgentKernel para orquestar bucles de agentes impulsados por LLM, con capacidad de ejecución de herramientas estructuradas, delegación a subagentes y gestión de memoria mediante compresión extractiva o basada en LLM.
La arquitectura se basa en Node.js 20 y Python 3.11+, con persistencia de eventos en PostgreSQL (Event Store/Outbox) y soporte para pruebas aisladas con PGlite. El sistema implementa un modelo de seguridad basado en políticas, concesiones de alcance (ScopedGrant) y sandboxing, evitando por defecto la ejecución de shell sin restricciones o control total del escritorio.
El proyecto ha migrado desde Butler v4 a una arquitectura monolítica modular en butler-v5, eliminando la dependencia de Hermes AIAgent. Ofrece canales de entrada/salida estables para texto, imágenes y archivos, con soporte para eventos asíncronos vía WebSocket y un sistema de salud verificado mediante endpoints /healthz.
- Automatización de respuestas en WeChat iLink con contexto persistente y resumen de conversaciones largas.
- Ejecución de comandos limitados y lectura/escritura de archivos locales dentro de un sandbox controlado.
- Delegación de tareas complejas a subagentes especializados mediante transacciones de salida (outbox).
- Integración con sistemas externos vía API REST o WebSocket para recibir resultados asíncronos.
- Gestión de memoria distribuida con snapshots y proyecciones en PostgreSQL para recuperación de estado.
- Arquitectura modular separando apps/api, runtime (AgentKernel) y adaptadores externos (WeChat/LLM).
- Persistencia robusta mediante PostgreSQL Event Store y Outbox Pattern para garantizar entrega de mensajes.
- Seguridad por defecto con políticas de acceso estrictas, sandboxing y aprobación requerida para acciones de alto riesgo.
- Soporte nativo para WeChat iLink como canal principal de entrada/salida multimedia y texto.
- Capacidad de compresión de memoria conversacional mediante LLM o métodos extractivos para mantener contexto.
- Independencia de plataformas externas como Hermes AIAgent, manteniendo el control local del ciclo cognitivo.
- Requiere configuración manual de variables de entorno y claves API; no incluye despliegue con un clic.
- No soporta Kubernetes por defecto ni despliegues multi-tenant SaaS sin adaptación adicional.
- La ejecución de comandos está restringida a herramientas específicas y sandbox, sin shell libre.
- Dependencia de Node.js 20 y Python 3.11+, lo que limita entornos con versiones antiguas.
- No incluye marketplace público de plugins; las extensiones deben implementarse siguiendo políticas definidas.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Recomendado para despliegue en servidores Linux con Node.js 20 y Python 3.11+. Instalar dependencias vía pnpm, copiar .env.example y configurar al menos una clave API de LLM. Para WeChat iLink, habilitar BUTLER_V5_ILINK_ENABLED=1 y WECHAT_TOKEN. Verificar servicios systemd si se usa en producción. Evitar despliegues sin supervisión de seguridad o sin políticas de acceso definidas.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.