openjarvis

OpenJarvis est un framework Python 3.10+ et une plateforme de recherche pour des agents IA personnels qui s'exécutent localement par défaut. Sa conception privilégie les modèles et le matériel locaux, avec des API cloud utilisées uniquement en cas de besoin. Il traite également la consommation d'énergie, les FLOPs, la latence et le coût monétaire comme des contraintes d'évaluation, en plus de la précision, et fournit une boucle pour améliorer les modèles à partir de données de traces locales. Des installateurs sont fournis pour macOS, Linux, WSL2 et Windows natif, configurant uv, un environnement virtuel, Ollama et un modèle de démarrage. Des versions de bureau .exe, .dmg, .deb, .rpm et .AppImage sont également proposées. La commande jarvis démarre le système, tandis que jarvis doctor signale l'état des extensions et des modèles en arrière-plan. Cinq préréglages de démarrage couvrent la conversation légère, les briefings quotidiens vocaux issus de services connectés, la recherche multi-sauts avec citations, un agent de codage avec exécution et accès aux fichiers ou au shell, et la surveillance planifiée avec état. Huit agents intégrés fonctionnent à la demande, selon un calendrier ou en continu, notamment le chat simple, le raisonnement ReAct, l'orchestration multi-tours, l'exécution de code, le fonctionnement persistant, la surveillance à long terme, la recherche approfondie et les briefings matinaux avec synthèse vocale. Les compétences suivent la norme agentskills.io et peuvent être installées à partir de catalogues publics ou de dépôts GitHub. Les agents les découvrent et les invoquent à la demande ; l'historique des traces peut être utilisé pour optimiser les compétences, et leur impact peut être évalué. Le préréglage morning-digest utilise OAuth pour des services tels que Gmail, Calendar et Tasks et peut combiner des données de messagerie, de calendrier, de santé et d'actualités. La documentation comprend l'installation, le démarrage rapide, les guides de préréglages, les tutoriels de compétences, le déploiement Docker, les moteurs cloud, la configuration de développement, la feuille de route et les liens communautaires. Le projet est sous licence Apache 2.0 et développé dans le cadre des initiatives Stanford's Hazy Research et Scaling Intelligence Lab.