WUPHF by Nex.ai
WUPHF da Nex.ai é um “escritório de IA” local gratuito, licenciado pelo MIT, que orquestra agentes baseados em função (por exemplo, CEO/ENG/CMO) para colaborar autonomamente, manter contexto persistente via notebooks por agente e uma wiki compartilhada com suporte a git, e entregar trabalho sem que você atue como a camada de roteamento.
https://wuphf.team/?ref=producthunt&utm_source=aipure
Informações do Produto
Atualizado:May 19, 2026
O que é WUPHF by Nex.ai
WUPHF da Nex.ai é uma plataforma de orquestração multiagente de código aberto que roda na sua máquina e se parece com o Slack para funcionários de IA com um cérebro compartilhado. Em vez de gerenciar uma única sessão de chatbot, você insere um objetivo em um canal e uma equipe de agentes especializados decompõe a tarefa, delega o trabalho e continua executando mesmo depois de você fechar a interface do usuário. Ele suporta múltiplos tempos de execução de agentes (incluindo Claude Code, Codex, OpenClaw e LLMs locais via OpenCode), e armazena o contexto localmente—histórico do canal em estado local mais conhecimento durável em notebooks por agente e uma wiki de equipe compartilhada que você pode ler como arquivos e versionar com git.
Principais Recursos do WUPHF by Nex.ai
WUPHF by Nex.ai é um "escritório de IA" multiagente de código aberto e local-first que permite que você insira um objetivo em um canal de bate-papo e tenha agentes de IA baseados em função (por exemplo, CEO/ENG/CMO/PM/Design) decompondo, coordenando e executando o trabalho de forma autônoma. Ele mantém um contexto durável através de notebooks por agente, além de um wiki de markdown compartilhado e com suporte a git que os agentes podem ler/escrever e promover conclusões validadas, para que o conhecimento se acumule entre as sessões sem a necessidade de colar o contexto repetidamente. Ele suporta múltiplos tempos de execução (Claude Code, Codex, OpenClaw e LLMs locais via OpenCode), funciona sem contas ou preços por assento e fornece rastros transparentes ("recibos") de uso e ações de ferramentas.
Escritório multiagente com funções reais: Os agentes são configurados como JSON editável (prompt do sistema + lista de ferramentas) e colaboram em canais compartilhados usando responsabilidades de função (CEO roteia, ENG constrói/abre PRs, CMO escreve textos, PM escreve especificações, etc.), enfatizando a coordenação em vez de cadeias de prompt único.
Memória persistente: notebooks + wiki compartilhado: Cada agente mantém um notebook privado para observações brutas, enquanto a equipe compartilha um wiki de markdown armazenado localmente (clonável via git) onde conclusões duráveis podem ser promovidas para reutilização a longo prazo e contexto entre agentes.
Tempo de execução local-first e auto-hospedado: Executa em sua máquina com estado local (por exemplo, histórico de canais no armazenamento local) e sem conta na nuvem necessária; as chamadas de rede são principalmente para o provedor de LLM escolhido, a menos que você o aponte para um modelo local.
Tempos de execução LLM mistos: Diferentes agentes podem ser executados em diferentes backends (Claude Code, Codex, OpenClaw ou modelos locais via OpenCode) enquanto ainda colaboram no mesmo espaço de trabalho com semânticas @mention e de canal consistentes.
Ferramentas e integrações com auditabilidade: Suporta ações reais (por exemplo, operações GitHub via CLI) e pontes opcionais (por exemplo, Telegram, provedores de ações externas), com um rastro de recibos/chamadas de ferramentas para que você possa verificar o que os agentes realmente fizeram.
Execução autônoma com salvaguardas: Os agentes continuam trabalhando depois que você fecha a interface do usuário, mas as execuções são limitadas por tempos limite e orçamentos de etapas; quando travados, os agentes escalam de volta para você com contexto e rastros.
Casos de Uso do WUPHF by Nex.ai
Entrega de software e automação de PR: Equipes de engenharia podem definir metas como "enviar integração até sexta-feira", permitindo que os agentes dividam tarefas, identifiquem bloqueadores, modifiquem o código, executem testes e abram PRs enquanto documentam as decisões no wiki compartilhado.
Gerenciamento de produtos e síntese de requisitos: Os fluxos de trabalho de PM podem converter feedback disperso em especificações, critérios de aceitação e post-mortems, e então promover aprendizados estáveis para o wiki, para que projetos futuros comecem com conhecimento institucional.
Marketing e execução de lançamento: As equipes podem gerar e iterar em READMEs, anúncios, listas de verificação de lançamento e posicionamento, coordenando entre agentes no estilo "CMO" e "PM" e retendo decisões de mensagens no wiki.
Coordenação de entrega de design para desenvolvimento: Agentes de design e engenharia podem coordenar exportações de ativos, atualizações de tokens de design e detalhes de implementação (por exemplo, fallbacks SVG/PNG), reduzindo a sobrecarga de roteamento humano e preservando as convenções de entrega.
Playbooks de operações internas: Equipes de Ops ou RevOps podem construir procedimentos repetíveis (listas de verificação de incidentes, etapas de integração, runbooks específicos do cliente) em um wiki com suporte a git que os agentes refinam e reutilizam continuamente.
Pesquisa e gestão do conhecimento: Indivíduos ou equipes podem acumular notas de pesquisa em notebooks de agentes e, em seguida, promover resumos validados para um wiki compartilhado e pesquisável que permanece legível como markdown simples e versionado no git.
Vantagens
Local-first e código aberto (MIT): sem conta necessária, sem preço por assento e os dados permanecem em sua máquina, exceto para chamadas de inferência escolhidas.
Contexto durável e composto via notebooks + wiki de markdown com suporte a git que é portátil, legível e com controle de versão.
A coordenação multiagente reduz o trabalho de "roteamento" humano e suporta backends LLM heterogêneos em um único espaço de trabalho.
A auditabilidade através de recibos/rastros de ferramentas e execuções limitadas (tempos limite/orçamentos de etapas) melhora a depuração e a segurança.
Desvantagens
A qualidade e a confiabilidade dependem dos prompts/configuração do agente e dos backends do modelo escolhidos; os agentes ainda podem ficar presos ou em loop e exigir escalonamento.
Algumas integrações podem ser opcionais, incompletas ou exigir fiação do usuário (por exemplo, ferramentas de terceiros podem ser placeholders até serem conectadas).
A operação local implica que você gerencia a configuração do ambiente, permissões e computação; cargas de trabalho mais pesadas podem exigir hardware local mais potente ou seleção cuidadosa do modelo.
Ações autônomas (por exemplo, GitHub via CLI) podem ser poderosas, mas podem exigir controle de acesso e práticas de revisão cuidadosos.
Como Usar o WUPHF by Nex.ai
1) Instalar WUPHF: Em um terminal, execute: `npx wuphf@latest` (isso inicia o WUPHF e abre a interface web em `http://localhost:7891`).
2) (Opcional) Construir a partir do código-fonte em vez de npx: Execute: `git clone https://github.com/nex-crm/wuphf.git && cd wuphf` e depois `go build -o wuphf ./cmd/wuphf`.
3) Iniciar um escritório e escolher um pacote de equipe: Se você construiu a partir do código-fonte, inicie-o com um pacote, por exemplo, `./wuphf --pack founding-team` (o navegador abre em `localhost:7891`).
4) Inserir um objetivo em um canal: Na interface web, vá para `#general` e digite uma frase descrevendo o resultado que você deseja (exemplo da documentação: “Entregar o fluxo de integração até sexta-feira.”).
5) Deixar os agentes decomporem e delegarem: O agente CEO roteia o trabalho para outros agentes de função (por exemplo, ENG, DSG, CMO, PM). Eles coordenam em threads, identificam bloqueadores e atribuem dependências sem que você precise entregar o contexto manualmente.
6) Fechar a aba (opcional) e voltar mais tarde: O WUPHF é projetado para que você possa se afastar; os agentes continuam trabalhando. Quando você retornar, deverá ver o progresso, como bloqueadores resolvidos, ativos atualizados e trabalho entregue.
7) Entender onde o contexto é armazenado (persistência): O histórico do canal persiste localmente em `~/.wuphf/state` (por projeto). A wiki compartilhada reside localmente em `~/.wuphf/wiki/` e é legível como arquivos e clonável via git.
8) Usar o modelo de memória: notebooks + wiki compartilhada: Cada agente tem seu próprio notebook (memória de trabalho privada) e a equipe compartilha uma wiki. Quando as conclusões se mantêm, elas podem ser promovidas de notebooks para a wiki compartilhada para que o trabalho futuro se acumule.
9) Personalizar sua equipe editando as configurações dos agentes: Os agentes são configurações JSON (prompt do sistema + lista de ferramentas). Faça um fork de um pacote (por exemplo, o pacote founding-team), edite prompts/ferramentas e troque seus próprios agentes para corresponder ao seu fluxo de trabalho.
10) Verificar o que aconteceu via recibos/rastros de ferramentas: Use o painel de Recibos da interface do usuário (ou `wuphf log`) para inspecionar quais ferramentas foram chamadas e quais ações foram tomadas, para que você possa confirmar o que foi execução real versus referências apenas de texto.
11) (Opcional) Conectar integrações: O WUPHF suporta pontes/integrações opcionais (por exemplo, Nex, Telegram via `/connect`, OpenClaw via `/connect openclaw`, e ações externas via um provedor de ações). Estas são opcionais no tempo de carregamento; o WUPHF principal é executado localmente sem elas.
12) (Opcional) Escolher/entender o que sai da sua máquina: O tempo de execução e o contexto são locais; as principais chamadas de rede são para o provedor LLM que você configura para inferência. Se você usa um modelo local, nada precisa sair da sua máquina para inferência.
Perguntas Frequentes do WUPHF by Nex.ai
WUPHF é um "escritório de IA" local e de código aberto onde vários agentes baseados em funções (por exemplo, CEO, ENG, CMO, PM, DSG) colaboram em canais compartilhados, mantêm uma base de conhecimento compartilhada e mantêm o contexto ao longo dos dias para que você não precise rotear tarefas manualmente entre agentes separados.
Vídeo do WUPHF by Nex.ai
Artigos Populares
Nano Banana SBTI: O Que É, Como Funciona e Como Usá-lo em 2026
Apr 15, 2026
Análise do Atoms — O Construtor de Produtos de IA Redefinindo a Criação Digital em 2026
Apr 10, 2026
Kilo Claw: Como Implementar e Usar um Verdadeiro Agente de IA "Faça Você Mesmo" (Atualização de 2026)
Apr 3, 2026
OpenAI Encerra o Aplicativo Sora: O Que o Futuro Reserva para a Geração de Vídeo por IA em 2026
Mar 25, 2026
Ferramentas de IA Mais Recentes Semelhantes a WUPHF by Nex.ai
Hapticlabs
O Hapticlabs é um kit de ferramentas sem código que permite que designers, desenvolvedores e pesquisadores projetem, prototipem e implantem facilmente interações táteis imersivas em dispositivos sem codificação.
Deployo.ai
Deployo.ai é uma plataforma abrangente de implantação de IA que permite a implantação, monitoramento e escalonamento sem costura de modelos com estruturas de IA ética integradas e compatibilidade entre nuvens.
CloudSoul
CloudSoul é uma plataforma SaaS impulsionada por IA que permite aos usuários implantar e gerenciar instantaneamente a infraestrutura de nuvem por meio de conversas em linguagem natural, tornando o gerenciamento de recursos da AWS mais acessível e eficiente.
Devozy.ai
Devozy.ai é uma plataforma de autoatendimento para desenvolvedores impulsionada por IA que combina gerenciamento de projetos ágeis, DevSecOps, gerenciamento de infraestrutura multi-nuvem e gerenciamento de serviços de TI em uma solução unificada para acelerar a entrega de software.
Ferramentas de IA Populares Como WUPHF by Nex.ai
A2A Protocol
O Protocolo A2A (Agent2Agent) é um protocolo de interoperabilidade aberto desenvolvido pelo Google que permite comunicação e colaboração perfeitas entre agentes de IA em diferentes estruturas e fornecedores, independentemente de sua arquitetura subjacente.
VoltOps
VoltOps é uma plataforma de observabilidade LLM agnóstica de framework que fornece monitoramento visual em tempo real, depuração e ferramentas de otimização para agentes de IA em qualquer stack de tecnologia.
Chaterm
O Chaterm é um terminal nativo de IA de código aberto e um copiloto SRE que permite que os engenheiros gerenciem infraestruturas complexas por meio de linguagem natural, automatizando a implantação, a solução de problemas e as operações sem memorizar comandos.
Open Browser Use
Open Browser Use é uma camada de automação de navegador de código aberto e neutra em relação ao tempo de execução do agente que combina uma extensão do Chrome com um CLI/SDK/MCP para permitir controle de guias, navegação e ações cientes do DOM e alimentadas por CDP em diferentes ferramentas de agente de IA.