WUPHF by Nex.ai
WUPHF von Nex.ai ist ein kostenloses, MIT-lizenziertes lokales „KI-Büro“, das rollenbasierte Agenten (z.B. CEO/ENG/CMO) orchestriert, um autonom zusammenzuarbeiten, persistenten Kontext über Notizbücher pro Agent und ein gemeinsames Git-gestütztes Wiki zu pflegen und Arbeit zu liefern, ohne dass Sie als Routing-Schicht fungieren.
https://wuphf.team/?ref=producthunt&utm_source=aipure
Produktinformationen
Aktualisiert:May 19, 2026
Was ist WUPHF by Nex.ai
WUPHF von Nex.ai ist eine Open-Source-Orchestrierungsplattform für Multi-Agenten, die auf Ihrem Rechner läuft und sich wie Slack für KI-Mitarbeiter mit einem gemeinsamen Gehirn anfühlt. Anstatt eine einzelne Chatbot-Sitzung zu verwalten, geben Sie ein Ziel in einen Kanal ein, und ein Team spezialisierter Agenten zerlegt die Aufgabe, delegiert die Arbeit und führt sie auch nach dem Schließen der Benutzeroberfläche weiter aus. Es unterstützt mehrere Agenten-Laufzeiten (einschließlich Claude Code, Codex, OpenClaw und lokale LLMs über OpenCode) und speichert den Kontext lokal – Kanalhistorie im lokalen Zustand plus dauerhaftes Wissen in Notizbüchern pro Agent und einem gemeinsamen Team-Wiki, das Sie als Dateien lesen und mit Git versionieren können.
Hauptfunktionen von WUPHF by Nex.ai
WUPHF von Nex.ai ist ein quelloffenes, „Local-First“ Multi-Agenten „KI-Büro“, das es Ihnen ermöglicht, ein Ziel in einen Chat-Kanal einzugeben und rollenbasierte KI-Agenten (z.B. CEO/ENG/CMO/PM/Design) die Arbeit autonom zerlegen, koordinieren und ausführen zu lassen. Es pflegt einen dauerhaften Kontext durch Notizbücher pro Agent sowie ein gemeinsames, Git-gestütztes Markdown-Wiki, das Agenten lesen/schreiben und validierte Schlussfolgerungen einpflegen können, sodass sich Wissen über Sitzungen hinweg ansammelt, ohne den Kontext wiederholt neu einfügen zu müssen. Es unterstützt mehrere Laufzeitumgebungen (Claude Code, Codex, OpenClaw und lokale LLMs über OpenCode), läuft ohne Konten oder Pro-Sitz-Preise und bietet transparente Spuren („Belege“) der Tool-Nutzung und Aktionen.
Multi-Agenten-Büro mit echten Rollen: Agenten werden als editierbares JSON (System-Prompt + Tool-Liste) konfiguriert und arbeiten in gemeinsamen Kanälen unter Verwendung von Rollenverantwortlichkeiten (CEO leitet, ENG baut/öffnet PRs, CMO schreibt Texte, PM schreibt Spezifikationen usw.), wobei die Koordination gegenüber einzelnen Prompt-Ketten betont wird.
Persistenter Speicher: Notizbücher + geteiltes Wiki: Jeder Agent führt ein privates Notizbuch für Rohbeobachtungen, während das Team ein lokal gespeichertes Markdown-Wiki (Git-klonbar) teilt, in das dauerhafte Schlussfolgerungen für die langfristige Wiederverwendung und den agentenübergreifenden Kontext übertragen werden können.
Local-First, selbst gehostete Laufzeit: Läuft auf Ihrem Rechner mit lokalem Status (z.B. Kanalhistorie im lokalen Speicher) und ohne erforderliches Cloud-Konto; Netzwerkaufrufe erfolgen hauptsächlich an Ihren gewählten LLM-Anbieter, es sei denn, Sie verweisen auf ein lokales Modell.
Mix-and-Match LLM-Laufzeiten: Verschiedene Agenten können auf verschiedenen Backends (Claude Code, Codex, OpenClaw oder lokale Modelle über OpenCode) laufen, während sie weiterhin im selben Arbeitsbereich mit konsistenten @mention- und Kanal-Semantiken zusammenarbeiten.
Tooling und Integrationen mit Auditierbarkeit: Unterstützt reale Aktionen (z.B. GitHub-Operationen über CLI) und optionale Brücken (z.B. Telegram, externe Aktionsanbieter) mit einer Beleg-/Tool-Aufruf-Spur, damit Sie überprüfen können, was Agenten tatsächlich getan haben.
Autonome Ausführung mit Schutzmechanismen: Agenten arbeiten weiter, nachdem Sie die Benutzeroberfläche geschlossen haben, aber die Ausführungen sind durch Timeouts und Schrittbudgets begrenzt; wenn Agenten stecken bleiben, eskalieren sie mit Kontext und Spuren an Sie zurück.
Anwendungsfälle von WUPHF by Nex.ai
Software-Lieferung & PR-Automatisierung: Entwicklungsteams können Ziele wie „Onboarding bis Freitag versenden“ eingeben, wodurch Agenten Aufgaben aufschlüsseln, Blocker aufdecken, Code ändern, Tests ausführen und PRs öffnen können, während sie Entscheidungen im gemeinsamen Wiki dokumentieren.
Produktmanagement & Anforderungssynthese: PM-Workflows können verstreutes Feedback in Spezifikationen, Akzeptanzkriterien und Post-Mortems umwandeln und dann stabile Erkenntnisse in das Wiki übertragen, damit zukünftige Projekte mit institutionellem Wissen beginnen.
Marketing und Launch-Ausführung: Teams können READMEs, Ankündigungen, Launch-Checklisten und Positionierungen erstellen und iterieren, dabei zwischen „CMO“- und „PM“-artigen Agenten koordinieren und Messaging-Entscheidungen im Wiki festhalten.
Design-zu-Entwicklung-Übergabekoordination: Design- und Entwicklungsagenten können den Export von Assets, die Aktualisierung von Design-Tokens und Implementierungsdetails (z.B. SVG/PNG-Fallbacks) koordinieren, wodurch der manuelle Routing-Aufwand reduziert und Übergabekonventionen beibehalten werden.
Interne Betriebs-Playbooks: Ops- oder RevOps-Teams können wiederholbare Verfahren (Vorfall-Checklisten, Onboarding-Schritte, kundenspezifische Runbooks) in einem Git-gestützten Wiki erstellen, das Agenten kontinuierlich verfeinern und wiederverwenden.
Forschung und Wissensmanagement: Einzelpersonen oder Teams können Forschungsnotizen in Agenten-Notizbüchern sammeln und dann validierte Zusammenfassungen in ein gemeinsames, durchsuchbares Wiki übertragen, das als einfaches Markdown lesbar bleibt und in Git versioniert ist.
Vorteile
Local-First und Open Source (MIT): kein erforderliches Konto, keine Pro-Sitz-Preise und Daten bleiben auf Ihrem Rechner, außer für gewählte Inferenzaufrufe.
Dauerhafter, sich verstärkender Kontext über Notizbücher + Git-gestütztes Markdown-Wiki, das portabel, lesbar und versionskontrolliert ist.
Multi-Agenten-Koordination reduziert menschliche „Routing“-Arbeit und unterstützt heterogene LLM-Backends in einem Arbeitsbereich.
Auditierbarkeit durch Belege/Tool-Spuren und begrenzte Ausführungen (Timeouts/Schrittbudgets) verbessert die Debugging-Fähigkeit und Sicherheit.
Nachteile
Qualität und Zuverlässigkeit hängen von den Agenten-Prompts/-Konfiguration und den gewählten Modell-Backends ab; Agenten können immer noch stecken bleiben oder in Schleifen geraten und eine Eskalation erfordern.
Einige Integrationen können optional, unvollständig sein oder eine Benutzerverdrahtung erfordern (z.B. können Drittanbieter-Tools Platzhalter sein, bis sie verbunden sind).
Der lokale Betrieb bedeutet, dass Sie die Umgebungseinrichtung, Berechtigungen und Rechenleistung verwalten; höhere Arbeitslasten erfordern möglicherweise stärkere lokale Hardware oder eine sorgfältige Modellauswahl.
Autonome Aktionen (z.B. GitHub über CLI) können mächtig sein, erfordern aber möglicherweise eine sorgfältige Zugriffskontrolle und Überprüfungspraktiken.
Wie verwendet man WUPHF by Nex.ai
1) WUPHF installieren: Führen Sie in einem Terminal aus: `npx wuphf@latest` (dies startet WUPHF und öffnet die Web-UI unter `http://localhost:7891`).
2) (Optional) Statt npx aus dem Quellcode erstellen: Führen Sie aus: `git clone https://github.com/nex-crm/wuphf.git && cd wuphf` und dann `go build -o wuphf ./cmd/wuphf`.
3) Ein Büro starten und ein Team-Paket auswählen: Wenn Sie aus dem Quellcode erstellt haben, starten Sie es mit einem Paket, z.B. `./wuphf --pack founding-team` (der Browser öffnet sich unter `localhost:7891`).
4) Ein Ziel in einen Kanal eingeben: Gehen Sie in der Web-UI zu `#general` und geben Sie einen Satz ein, der das gewünschte Ergebnis beschreibt (Beispiel aus der Dokumentation: „Ship the onboarding flow by Friday.“).
5) Die Agenten zerlegen und delegieren lassen: Der CEO-Agent leitet die Arbeit an andere Rollenagenten (z.B. ENG, DSG, CMO, PM) weiter. Sie koordinieren sich in Threads, zeigen Blocker auf und weisen Abhängigkeiten zu, ohne dass Sie den Kontext manuell übergeben müssen.
6) Den Tab schließen (optional) und später zurückkehren: WUPHF ist so konzipiert, dass Sie sich entfernen können; die Agenten arbeiten weiter. Wenn Sie zurückkehren, sollten Sie Fortschritte wie gelöste Blocker, aktualisierte Assets und abgeschlossene Arbeit sehen.
7) Verstehen, wo der Kontext gespeichert wird (Persistenz): Die Kanalhistorie bleibt lokal in `~/.wuphf/state` (pro Projekt) erhalten. Das gemeinsame Wiki befindet sich lokal in `~/.wuphf/wiki/` und ist als Dateien lesbar und mit Git klonbar.
8) Das Speichermodell verwenden: Notizbücher + geteiltes Wiki: Jeder Agent hat sein eigenes Notizbuch (privater Arbeitsspeicher) und das Team teilt sich ein Wiki. Wenn Schlussfolgerungen Bestand haben, können sie von Notizbüchern in das gemeinsame Wiki befördert werden, damit zukünftige Arbeit sich ansammelt.
9) Ihr Team durch Bearbeiten der Agentenkonfigurationen anpassen: Agenten sind JSON-Konfigurationen (System-Prompt + Tool-Liste). Forken Sie ein Paket (z.B. das Gründungsteam-Paket), bearbeiten Sie Prompts/Tools und tauschen Sie Ihre eigenen Agenten aus, um Ihrem Workflow zu entsprechen.
10) Überprüfen, was passiert ist, über Belege/Tool-Traces: Verwenden Sie das Receipts-Panel der UI (oder `wuphf log`), um zu überprüfen, welche Tools aufgerufen und welche Aktionen ausgeführt wurden, damit Sie bestätigen können, was eine echte Ausführung im Vergleich zu rein textuellen Referenzen war.
11) (Optional) Integrationen verbinden: WUPHF unterstützt optionale Brücken/Integrationen (z.B. Nex, Telegram über `/connect`, OpenClaw über `/connect openclaw` und externe Aktionen über einen Aktionsanbieter). Diese sind zur Ladezeit optional; das Kern-WUPHF läuft lokal ohne sie.
12) (Optional) Auswählen/Verstehen, was Ihren Rechner verlässt: Laufzeit und Kontext sind lokal; die Hauptnetzwerkaufrufe erfolgen an den LLM-Anbieter, den Sie für die Inferenz konfigurieren. Wenn Sie ein lokales Modell verwenden, muss nichts Ihren Rechner für die Inferenz verlassen.
WUPHF by Nex.ai FAQs
WUPHF ist ein lokales, quelloffenes „KI-Büro“, in dem mehrere rollenbasierte Agenten (z. B. CEO, ENG, CMO, PM, DSG) in gemeinsamen Kanälen zusammenarbeiten, eine gemeinsame Wissensdatenbank pflegen und den Kontext über Tage hinweg aufrechterhalten, sodass Sie Aufgaben nicht manuell zwischen separaten Agenten weiterleiten müssen.
WUPHF by Nex.ai Video
Beliebte Artikel
Nano Banana SBTI: Was es ist, wie es funktioniert und wie man es im Jahr 2026 einsetzt
Apr 15, 2026
Atoms Review – Der KI-Produkt-Builder, der die digitale Erstellung im Jahr 2026 neu definiert
Apr 10, 2026
Kilo Claw: Wie man einen echten "Do-It-For-You" KI-Agenten bereitstellt und verwendet (2026 Update)
Apr 3, 2026
OpenAI schaltet Sora App ab: Was die Zukunft der KI-Videogenerierung im Jahr 2026 bereithält
Mar 25, 2026
Neueste KI-Tools ähnlich wie WUPHF by Nex.ai
Hapticlabs
Hapticlabs ist ein No-Code-Toolkit, das Designern, Entwicklern und Forschern ermöglicht, immersive haptische Interaktionen über Geräte hinweg einfach zu entwerfen, zu prototypisieren und bereitzustellen, ohne programmieren zu müssen.
Deployo.ai
Deployo.ai ist eine umfassende KI-Bereitstellungsplattform, die nahtlose Modellbereitstellung, Überwachung und Skalierung mit integrierten ethischen KI-Rahmenwerken und Cloud-übergreifender Kompatibilität ermöglicht.
CloudSoul
CloudSoul ist eine KI-gestützte SaaS-Plattform, die es Benutzern ermöglicht, Cloud-Infrastrukturen sofort über natürliche Sprachkonversationen bereitzustellen und zu verwalten, wodurch das Management von AWS-Ressourcen zugänglicher und effizienter wird.
Devozy.ai
Devozy.ai ist eine KI-gestützte Entwickler-Selbstbedienungsplattform, die agiles Projektmanagement, DevSecOps, Multi-Cloud-Infrastrukturmanagement und IT-Service-Management in einer einheitlichen Lösung zur Beschleunigung der Softwarebereitstellung kombiniert.
Beliebte KI-Tools wie WUPHF by Nex.ai
A2A Protocol
Das A2A (Agent2Agent)-Protokoll ist ein offenes Interoperabilitätsprotokoll, das von Google entwickelt wurde und eine nahtlose Kommunikation und Zusammenarbeit zwischen KI-Agenten über verschiedene Frameworks und Anbieter hinweg ermöglicht, unabhängig von ihrer zugrunde liegenden Architektur.
VoltOps
VoltOps ist eine Framework-agnostische LLM-Observability-Plattform, die Echtzeit-Visualisierungs-, Debugging- und Optimierungstools für KI-Agenten in jedem Technologie-Stack bietet.
Chaterm
Chaterm ist ein Open-Source-KI-natives Terminal und SRE-Copilot, das es Ingenieuren ermöglicht, komplexe Infrastruktur durch natürliche Sprache zu verwalten und Bereitstellung, Fehlerbehebung und Operationen zu automatisieren, ohne Befehle auswendig zu lernen.
Open Browser Use
Open Browser Use ist eine Open-Source, Agenten-Laufzeit-neutrale Browser-Automatisierungsschicht, die eine Chrome-Erweiterung mit einer CLI/SDK/MCP koppelt, um DOM-bewusste, CDP-gesteuerte Tab-Steuerung, Navigation und Aktionen über verschiedene KI-Agenten-Tools hinweg zu ermöglichen.