znyx-runtime
Znyx Runtime es un servidor de evaluación de guardrails local-first para aplicaciones LLM. Escanea entradas, salidas y llamadas a herramientas contra una política YAML y devuelve decisiones permitir/bloquear/reducir. Se ejecuta completamente en tu máquina sin base de datos.
Ficha actualizada 23 sept 2026, 11:03 · upstream 23 sept 2026, 10:58 · release sin release detectada
Qué es znyx-runtime
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Znyx evalúa prompts, modelos de lenguaje y llamadas a herramientas contra una política definida en YAML, retornando decisiones de permitir (allow), advertir (warn) o bloquear (block). Los datos nunca salen de tu infraestructura. El repositorio contiene tres paquetes: znyx-core (motor de detección), znyx-runtime (servicio HTTP ligero que encapsula el motor) y znyx-inference (opcional, sidecar para modelos ML). No requiere base de datos ni librerías ML pesadas.
- Evaluación de prompts en tiempo real antes de enviar a un LLM
- Validación de llamadas a herramientas externas contra políticas de seguridad
- Control de agentes autónomos con decisiones de acción permitidas o bloqueadas
- Protección de APIs contra inyecciones de prompt maliciosas
- Auditoría de comportamiento del modelo en producción
- Seguridad en pipelines de desarrollo (CI/CD) para modelos LLM
- Evaluación local-first: la lógica de detección se ejecuta en tu máquina, sin necesidad de base de datos ni infraestructura externa
- Sin ML pesado: el motor de detección por defecto es determinista y no requiere librerías como PyTorch o TensorFlow
- API HTTP ligera: znyx-runtime es un servicio ligero que encapsula la lógica del motor en un endpoint REST
- Certificación de modelos: los modelos ML deben ser validados con datos etiquetados antes de poder bloquear contenido
- Configuración por políticas YAML: las reglas se definen en archivos YAML sin necesidad de scripts complejos
- Telemetría opcional: el runtime envía un heartbeat diario de instalación, pero no recopila datos sensibles
- No tiene persistencia de estado entre ejecuciones (no hay base de datos)
- La validación por defecto es determinista y puede fallar si los modelos ML son inaceptables
- El modelo ML debe ser certificado con un dataset etiquetado antes de poder bloquear contenido
- No tiene autenticación nativa: se requiere una API key separada para el endpoint evaluate
- La validación por defecto es determinista y puede fallar si los modelos ML son inaceptables
- No tiene persistencia de estado entre ejecuciones (no hay base de datos)
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Recomendado desplegar znyx-runtime como un servicio HTTP en producción. Configurar una API key separada para el endpoint evaluate. Para modelos ML, iniciar el sidecar znyx-inference con `ZNYX_INFERENCE_URL=http://tu-sidecar:9000` y configurar la URL del modelo en el archivo de política YAML. El runtime no requiere base de datos ni librerías ML pesadas; solo necesita un endpoint HTTP para consultar modelos ML si están disponibles.
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.