WUPHF by Nex.ai
WUPHF de Nex.ai es una “oficina de IA” local gratuita con licencia MIT que orquesta agentes basados en roles (por ejemplo, CEO/ENG/CMO) para colaborar de forma autónoma, mantener un contexto persistente a través de cuadernos por agente y una wiki compartida respaldada por git, y enviar trabajo sin que tú actúes como la capa de enrutamiento.
https://wuphf.team/?ref=producthunt&utm_source=aipure
Información del Producto
Actualizado:19/05/2026
¿Qué es WUPHF by Nex.ai?
WUPHF de Nex.ai es una plataforma de orquestación multiagente de código abierto que se ejecuta en tu máquina y se siente como Slack para empleados de IA con un cerebro compartido. En lugar de gestionar una única sesión de chatbot, introduces un objetivo en un canal y un equipo de agentes especializados descompone la tarea, delega el trabajo y continúa ejecutándose incluso después de que cierres la interfaz de usuario. Admite múltiples tiempos de ejecución de agentes (incluidos Claude Code, Codex, OpenClaw y LLMs locales a través de OpenCode), y almacena el contexto localmente: el historial del canal en el estado local más el conocimiento duradero en cuadernos por agente y una wiki de equipo compartida que puedes leer como archivos y versionar con git.
Características Principales de WUPHF by Nex.ai
WUPHF de Nex.ai es una "oficina de IA" multiagente de código abierto y local-first que permite introducir un objetivo en un canal de chat y que agentes de IA basados en roles (por ejemplo, CEO/ENG/CMO/PM/Diseño) descompongan, coordinen y ejecuten el trabajo de forma autónoma. Mantiene un contexto duradero a través de cuadernos por agente más una wiki de markdown compartida con respaldo de git que los agentes pueden leer/escribir y en la que pueden promover conclusiones validadas, de modo que el conocimiento se acumula entre sesiones sin tener que volver a pegar el contexto repetidamente. Admite múltiples tiempos de ejecución (Claude Code, Codex, OpenClaw y LLM locales a través de OpenCode), funciona sin cuentas ni precios por asiento, y proporciona rastros transparentes ("recibos") del uso de herramientas y las acciones.
Oficina multiagente con roles reales: Los agentes se configuran como JSON editable (prompt del sistema + lista de herramientas) y colaboran en canales compartidos utilizando responsabilidades de rol (el CEO enruta, ENG construye/abre PRs, CMO escribe copy, PM escribe especificaciones, etc.), enfatizando la coordinación sobre las cadenas de un solo prompt.
Memoria persistente: cuadernos + wiki compartida: Cada agente mantiene un cuaderno privado para observaciones brutas, mientras que el equipo comparte una wiki de markdown almacenada localmente (clonable con git) donde se pueden promover conclusiones duraderas para su reutilización a largo plazo y contexto entre agentes.
Tiempo de ejecución local-first y autoalojado: Se ejecuta en su máquina con estado local (por ejemplo, historial del canal en el almacenamiento local) y sin necesidad de una cuenta en la nube; las llamadas de red son principalmente a su proveedor de LLM elegido a menos que lo dirija a un modelo local.
Tiempos de ejecución de LLM combinables: Diferentes agentes pueden ejecutarse en diferentes backends (Claude Code, Codex, OpenClaw o modelos locales a través de OpenCode) mientras colaboran en el mismo espacio de trabajo con una semántica consistente de @mención y canal.
Herramientas e integraciones con auditabilidad: Admite acciones reales (por ejemplo, operaciones de GitHub a través de CLI) y puentes opcionales (por ejemplo, Telegram, proveedores de acciones externas), con un rastro de recibos/llamadas a herramientas para que pueda verificar lo que realmente hicieron los agentes.
Ejecución autónoma con salvaguardias: Los agentes continúan trabajando después de cerrar la interfaz de usuario, pero las ejecuciones están limitadas por tiempos de espera y presupuestos de pasos; cuando se atascan, los agentes le escalan el problema con contexto y rastros.
Casos de Uso de WUPHF by Nex.ai
Entrega de software y automatización de PR: Los equipos de ingeniería pueden establecer objetivos como "enviar la incorporación antes del viernes", permitiendo que los agentes desglosen tareas, detecten bloqueos, modifiquen código, ejecuten pruebas y abran PRs mientras documentan las decisiones en la wiki compartida.
Gestión de productos y síntesis de requisitos: Los flujos de trabajo de PM pueden convertir la retroalimentación dispersa en especificaciones, criterios de aceptación y análisis post-mortem, luego promover los aprendizajes estables a la wiki para que los proyectos futuros comiencen con conocimiento institucional.
Marketing y ejecución de lanzamientos: Los equipos pueden generar e iterar sobre READMEs, anuncios, listas de verificación de lanzamiento y posicionamiento, coordinando entre agentes de estilo "CMO" y "PM" y conservando las decisiones de mensajería en la wiki.
Coordinación de traspaso de diseño a desarrollo: Los agentes de diseño e ingeniería pueden coordinar exportaciones de activos, actualizaciones de tokens de diseño y detalles de implementación (por ejemplo, alternativas SVG/PNG), reduciendo la sobrecarga de enrutamiento humano y preservando las convenciones de traspaso.
Manuales de operaciones internas: Los equipos de operaciones o RevOps pueden construir procedimientos repetibles (listas de verificación de incidentes, pasos de incorporación, manuales específicos del cliente) en una wiki con respaldo de git que los agentes refinan y reutilizan continuamente.
Investigación y gestión del conocimiento: Individuos o equipos pueden acumular notas de investigación en cuadernos de agentes, luego promover resúmenes validados a una wiki compartida y buscable que permanece legible como markdown simple y versionada en git.
Ventajas
Local-first y de código abierto (MIT): no se requiere cuenta, no hay precios por asiento y los datos permanecen en su máquina, excepto para las llamadas de inferencia elegidas.
Contexto duradero y acumulativo a través de cuadernos + wiki de markdown con respaldo de git que es portátil, legible y con control de versiones.
La coordinación multiagente reduce el trabajo de "enrutamiento" humano y admite backends LLM heterogéneos en un solo espacio de trabajo.
La auditabilidad a través de recibos/rastros de herramientas y ejecuciones limitadas (tiempos de espera/presupuestos de pasos) mejora la depuración y la seguridad.
Desventajas
La calidad y la fiabilidad dependen de los prompts/configuración de los agentes y de los backends del modelo elegidos; los agentes aún pueden atascarse o entrar en bucle y requerir una escalada.
Algunas integraciones pueden ser opcionales, incompletas o requerir cableado por parte del usuario (por ejemplo, las herramientas de terceros pueden ser marcadores de posición hasta que se conecten).
La operación local implica que usted gestiona la configuración del entorno, los permisos y la computación; las cargas de trabajo más pesadas pueden requerir hardware local más potente o una selección cuidadosa del modelo.
Las acciones autónomas (por ejemplo, GitHub a través de CLI) pueden ser potentes, pero pueden requerir un control de acceso y prácticas de revisión cuidadosos.
Cómo Usar WUPHF by Nex.ai
1) Instalar WUPHF: En una terminal, ejecuta: `npx wuphf@latest` (esto inicia WUPHF y abre la interfaz de usuario web en `http://localhost:7891`).
2) (Opcional) Construir desde el código fuente en lugar de npx: Ejecuta: `git clone https://github.com/nex-crm/wuphf.git && cd wuphf` luego `go build -o wuphf ./cmd/wuphf`.
3) Iniciar una oficina y elegir un paquete de equipo: Si construiste desde el código fuente, inícialo con un paquete, por ejemplo, `./wuphf --pack founding-team` (el navegador se abre en `localhost:7891`).
4) Introduce un objetivo en un canal: En la interfaz de usuario web, ve a `#general` y escribe una frase que describa el resultado que deseas (ejemplo de la documentación: “Enviar el flujo de incorporación antes del viernes.”).
5) Deja que los agentes descompongan y deleguen: El agente CEO enruta el trabajo a otros agentes de rol (por ejemplo, ENG, DSG, CMO, PM). Se coordinan en hilos, identifican bloqueadores y asignan dependencias sin que tú tengas que traspasar el contexto manualmente.
6) Cierra la pestaña (opcional) y vuelve más tarde: WUPHF está diseñado para que puedas alejarte; los agentes siguen trabajando. Cuando regreses, deberías ver progresos como bloqueadores resueltos, activos actualizados y trabajo enviado.
7) Entender dónde se almacena el contexto (persistencia): El historial del canal persiste localmente en `~/.wuphf/state` (por proyecto). La wiki compartida reside localmente en `~/.wuphf/wiki/` y es legible como archivos y clonable con git.
8) Usar el modelo de memoria: cuadernos + wiki compartida: Cada agente tiene su propio cuaderno (memoria de trabajo privada) y el equipo comparte una wiki. Cuando las conclusiones se mantienen, pueden ser promovidas de los cuadernos a la wiki compartida para que el trabajo futuro se acumule.
9) Personaliza tu equipo editando las configuraciones de los agentes: Los agentes son configuraciones JSON (prompt del sistema + lista de herramientas). Bifurca un paquete (por ejemplo, el paquete del equipo fundador), edita los prompts/herramientas e intercambia tus propios agentes para que coincidan con tu flujo de trabajo.
10) Verifica lo que sucedió a través de recibos/rastros de herramientas: Usa el panel de Recibos de la interfaz de usuario (o `wuphf log`) para inspeccionar qué herramientas se llamaron y qué acciones se tomaron, para que puedas confirmar qué fue una ejecución real versus referencias solo de texto.
11) (Opcional) Conectar integraciones: WUPHF admite puentes/integraciones opcionales (por ejemplo, Nex, Telegram a través de `/connect`, OpenClaw a través de `/connect openclaw` y acciones externas a través de un proveedor de acciones). Estas son opcionales en tiempo de carga; el núcleo de WUPHF se ejecuta localmente sin ellas.
12) (Opcional) Elegir/entender qué sale de tu máquina: El tiempo de ejecución y el contexto son locales; las principales llamadas de red son al proveedor de LLM que configures para la inferencia. Si usas un modelo local, nada necesita salir de tu máquina para la inferencia.
Preguntas Frecuentes de WUPHF by Nex.ai
WUPHF es una "oficina de IA" local y de código abierto donde múltiples agentes basados en roles (por ejemplo, CEO, ENG, CMO, PM, DSG) colaboran en canales compartidos, mantienen una base de conocimientos compartida y conservan el contexto a lo largo de los días para que no tenga que enrutar tareas manualmente entre agentes separados.
Video de WUPHF by Nex.ai
Artículos Populares
Nano Banana SBTI: Qué es, cómo funciona y cómo usarlo en 2026
Apr 15, 2026
Reseña de Atoms: El Constructor de Productos de IA que Redefine la Creación Digital en 2026
Apr 10, 2026
Kilo Claw: Cómo implementar y usar un verdadero agente de IA "Hágalo por usted" (Actualización 2026)
Apr 3, 2026
OpenAI cierra la aplicación Sora: Qué le depara el futuro a la generación de video con IA en 2026
Mar 25, 2026
Últimas herramientas de IA similares a WUPHF by Nex.ai
Hapticlabs
Hapticlabs es un kit de herramientas sin código que permite a diseñadores, desarrolladores e investigadores diseñar, prototipar y desplegar fácilmente interacciones hápticas inmersivas en diferentes dispositivos sin codificación.
Deployo.ai
Deployo.ai es una plataforma integral de implementación de IA que permite una implementación, monitorización y escalado sin problemas de modelos con marcos de IA ética integrados y compatibilidad entre nubes.
CloudSoul
CloudSoul es una plataforma SaaS impulsada por IA que permite a los usuarios desplegar y gestionar instantáneamente la infraestructura en la nube a través de conversaciones en lenguaje natural, haciendo que la gestión de recursos de AWS sea más accesible y eficiente.
Devozy.ai
Devozy.ai es una plataforma de autoservicio para desarrolladores impulsada por IA que combina gestión de proyectos Agile, DevSecOps, gestión de infraestructura multi-nube y gestión de servicios de TI en una solución unificada para acelerar la entrega de software.
Herramientas de IA populares como WUPHF by Nex.ai
A2A Protocol
El Protocolo A2A (Agent2Agent) es un protocolo de interoperabilidad abierto desarrollado por Google que permite una comunicación y colaboración fluidas entre agentes de IA a través de diferentes marcos y proveedores, independientemente de su arquitectura subyacente.
VoltOps
VoltOps es una plataforma de observabilidad LLM agnóstica al marco que proporciona herramientas de supervisión visual, depuración y optimización en tiempo real para agentes de IA en cualquier pila de tecnología.
Chaterm
Chaterm es un terminal nativo de IA de código abierto y un copiloto SRE que permite a los ingenieros administrar infraestructuras complejas a través del lenguaje natural, automatizando la implementación, la resolución de problemas y las operaciones sin memorizar comandos.
Open Browser Use
Open Browser Use es una capa de automatización de navegador de código abierto y neutral para el tiempo de ejecución del agente que combina una extensión de Chrome con una CLI/SDK/MCP para permitir el control de pestañas, la navegación y las acciones conscientes del DOM y con tecnología CDP en diferentes herramientas de agente de IA.