WUPHF by Nex.ai
WUPHF di Nex.ai è un "ufficio AI" locale gratuito, con licenza MIT, che orchestra agenti basati sui ruoli (ad esempio, CEO/ENG/CMO) per collaborare autonomamente, mantenere un contesto persistente tramite notebook per agente e un wiki condiviso supportato da git, e consegnare il lavoro senza che tu agisca come livello di routing.
https://wuphf.team/?ref=producthunt&utm_source=aipure
Informazioni sul Prodotto
Aggiornato:May 19, 2026
Cos'è WUPHF by Nex.ai
WUPHF di Nex.ai è una piattaforma di orchestrazione multi-agente open-source che funziona sulla tua macchina e si presenta come Slack per dipendenti AI con un cervello condiviso. Invece di gestire una singola sessione di chatbot, si inserisce un obiettivo in un canale e un team di agenti specializzati scompone il compito, delega il lavoro e continua a eseguire anche dopo aver chiuso l'interfaccia utente. Supporta più runtime di agenti (inclusi Claude Code, Codex, OpenClaw e LLM locali tramite OpenCode) e memorizza il contesto localmente – la cronologia del canale nello stato locale più la conoscenza duratura in notebook per agente e un wiki di team condiviso che puoi leggere come file e versionare con git.
Caratteristiche principali di WUPHF by Nex.ai
WUPHF di Nex.ai è un "ufficio AI" multi-agente open source e local-first che ti consente di inserire un obiettivo in un canale di chat e di far sì che agenti AI basati sui ruoli (ad esempio, CEO/ENG/CMO/PM/Design) scompongano, coordinino ed eseguano il lavoro in modo autonomo. Mantiene un contesto duraturo tramite notebook per agente più una wiki markdown condivisa e supportata da git, in cui gli agenti possono leggere/scrivere e promuovere conclusioni validate, in modo che la conoscenza si accumuli tra le sessioni senza dover incollare ripetutamente il contesto. Supporta più runtime (Claude Code, Codex, OpenClaw e LLM locali tramite OpenCode), funziona senza account o prezzi per posto e fornisce tracce trasparenti ("ricevute") dell'utilizzo e delle azioni degli strumenti.
Ufficio multi-agente con ruoli reali: Gli agenti sono configurati come JSON modificabile (prompt di sistema + elenco di strumenti) e collaborano in canali condivisi utilizzando responsabilità di ruolo (il CEO instrada, l'ING costruisce/apre PR, il CMO scrive testi, il PM scrive specifiche, ecc.), enfatizzando il coordinamento rispetto alle catene a singolo prompt.
Memoria persistente: notebook + wiki condivisa: Ogni agente mantiene un notebook privato per le osservazioni grezze, mentre il team condivide una wiki markdown archiviata localmente (clonabile con git) dove le conclusioni durature possono essere promosse per un riutilizzo a lungo termine e un contesto tra agenti.
Runtime local-first e self-hosted: Funziona sulla tua macchina con stato locale (ad esempio, cronologia del canale nell'archiviazione locale) e nessun account cloud richiesto; le chiamate di rete sono principalmente al provider LLM scelto a meno che non lo si punti a un modello locale.
Runtime LLM mix-and-match: Diversi agenti possono essere eseguiti su diversi backend (Claude Code, Codex, OpenClaw o modelli locali tramite OpenCode) pur collaborando nello stesso spazio di lavoro con semantiche di @menzione e canale coerenti.
Strumenti e integrazioni con auditabilità: Supporta azioni reali (ad esempio, operazioni GitHub tramite CLI) e ponti opzionali (ad esempio, Telegram, provider di azioni esterni), con una traccia di ricevute/chiamate di strumenti in modo da poter verificare cosa hanno effettivamente fatto gli agenti.
Esecuzione autonoma con guardrail: Gli agenti continuano a lavorare dopo aver chiuso l'interfaccia utente, ma le esecuzioni sono limitate da timeout e budget di passaggi; quando bloccati, gli agenti si rivolgono a te con contesto e tracce.
Casi d'uso di WUPHF by Nex.ai
Consegna software e automazione PR: I team di ingegneri possono impostare obiettivi come "spedire l'onboarding entro venerdì", lasciando che gli agenti suddividano le attività, risolvano i blocchi, modifichino il codice, eseguano test e aprano PR documentando le decisioni nella wiki condivisa.
Gestione del prodotto e sintesi dei requisiti: I flussi di lavoro PM possono convertire feedback sparsi in specifiche, criteri di accettazione e post-mortem, quindi promuovere apprendimenti stabili nella wiki in modo che i progetti futuri inizino con la conoscenza istituzionale.
Marketing ed esecuzione del lancio: I team possono generare e iterare su README, annunci, liste di controllo di lancio e posizionamento, coordinandosi tra agenti in stile "CMO" e "PM" e conservando le decisioni di messaggistica nella wiki.
Coordinamento del passaggio di consegne dal design allo sviluppo: Gli agenti di design e ingegneria possono coordinare le esportazioni di risorse, gli aggiornamenti dei token di design e i dettagli di implementazione (ad esempio, fallback SVG/PNG), riducendo il sovraccarico di routing umano e preservando le convenzioni di passaggio di consegne.
Manuali operativi interni: I team Ops o RevOps possono creare procedure ripetibili (liste di controllo degli incidenti, passaggi di onboarding, runbook specifici per il cliente) in una wiki supportata da git che gli agenti raffinano e riutilizzano continuamente.
Ricerca e gestione della conoscenza: Individui o team possono accumulare note di ricerca nei notebook degli agenti, quindi promuovere riepiloghi validati in una wiki condivisa e ricercabile che rimane leggibile come semplice markdown e versionata in git.
Vantaggi
Local-first e open source (MIT): nessun account richiesto, nessun prezzo per posto e i dati rimangono sulla tua macchina ad eccezione delle chiamate di inferenza scelte.
Contesto duraturo e cumulativo tramite notebook + wiki markdown supportata da git che è portatile, leggibile e versionata.
Il coordinamento multi-agente riduce il lavoro di "routing" umano e supporta backend LLM eterogenei in un unico spazio di lavoro.
L'auditabilità tramite ricevute/tracce degli strumenti e le esecuzioni limitate (timeout/budget di passaggi) migliora la debuggabilità e la sicurezza.
Svantaggi
La qualità e l'affidabilità dipendono dai prompt/configurazione degli agenti e dai backend del modello scelti; gli agenti possono comunque bloccarsi o entrare in loop e richiedere un'escalation.
Alcune integrazioni potrebbero essere opzionali, incomplete o richiedere cablaggi da parte dell'utente (ad esempio, gli strumenti di terze parti potrebbero essere segnaposto fino a quando non vengono collegati).
Il funzionamento locale implica la gestione della configurazione dell'ambiente, delle autorizzazioni e del calcolo; carichi di lavoro più pesanti potrebbero richiedere hardware locale più potente o un'attenta selezione del modello.
Le azioni autonome (ad esempio, GitHub tramite CLI) possono essere potenti ma potrebbero richiedere un attento controllo degli accessi e pratiche di revisione.
Come usare WUPHF by Nex.ai
1) Installa WUPHF: In un terminale, esegui: `npx wuphf@latest` (questo avvia WUPHF e apre l'interfaccia utente web all'indirizzo `http://localhost:7891`).
2) (Opzionale) Compila dal sorgente invece di npx: Esegui: `git clone https://github.com/nex-crm/wuphf.git && cd wuphf` quindi `go build -o wuphf ./cmd/wuphf`.
3) Avvia un ufficio e scegli un pacchetto team: Se hai compilato dal sorgente, avvialo con un pacchetto, ad esempio `./wuphf --pack founding-team` (il browser si apre su `localhost:7891`).
4) Inserisci un obiettivo in un canale: Nell'interfaccia utente web, vai su `#general` e digita una frase che descriva il risultato che desideri (esempio dalla documentazione: “Spedisci il flusso di onboarding entro venerdì.”).
5) Lascia che gli agenti scompongano e deleghino: L'agente CEO instrada il lavoro ad altri agenti di ruolo (ad esempio, ENG, DSG, CMO, PM). Si coordinano in thread, evidenziano i blocchi e assegnano le dipendenze senza che tu debba passare manualmente il contesto.
6) Chiudi la scheda (opzionale) e torna più tardi: WUPHF è progettato in modo che tu possa allontanarti; gli agenti continuano a lavorare. Quando torni, dovresti vedere progressi come blocchi risolti, risorse aggiornate e lavoro spedito.
7) Comprendi dove viene memorizzato il contesto (persistenza): La cronologia del canale persiste localmente in `~/.wuphf/state` (per progetto). Il wiki condiviso si trova localmente in `~/.wuphf/wiki/` ed è leggibile come file e clonabile con git.
8) Usa il modello di memoria: notebook + wiki condiviso: Ogni agente ha il proprio notebook (memoria di lavoro privata) e il team condivide un wiki. Quando le conclusioni si confermano, possono essere promosse dai notebook al wiki condiviso in modo che il lavoro futuro si accumuli.
9) Personalizza il tuo team modificando le configurazioni degli agenti: Gli agenti sono configurazioni JSON (prompt di sistema + elenco di strumenti). Forka un pacchetto (ad esempio, il pacchetto founding-team), modifica i prompt/strumenti e scambia i tuoi agenti per adattarli al tuo flusso di lavoro.
10) Verifica cosa è successo tramite ricevute/tracce degli strumenti: Usa il pannello Ricevute dell'interfaccia utente (o `wuphf log`) per ispezionare quali strumenti sono stati chiamati e quali azioni sono state intraprese, in modo da poter confermare cosa è stata un'esecuzione reale rispetto a riferimenti solo testuali.
11) (Opzionale) Collega le integrazioni: WUPHF supporta bridge/integrazioni opzionali (ad esempio, Nex, Telegram tramite `/connect`, OpenClaw tramite `/connect openclaw` e azioni esterne tramite un provider di azioni). Questi sono opzionali al momento del caricamento; il core di WUPHF funziona localmente senza di essi.
12) (Opzionale) Scegli/comprendi cosa lascia la tua macchina: Il runtime e il contesto sono locali; le principali chiamate di rete sono al provider LLM che configuri per l'inferenza. Se usi un modello locale, nulla deve lasciare la tua macchina per l'inferenza.
FAQ di WUPHF by Nex.ai
WUPHF è un "ufficio AI" locale e open-source dove più agenti basati sui ruoli (ad esempio, CEO, ENG, CMO, PM, DSG) collaborano in canali condivisi, mantengono una base di conoscenza condivisa e conservano il contesto per più giorni in modo da non dover instradare manualmente le attività tra agenti separati.
Video di WUPHF by Nex.ai
Articoli Popolari
Nano Banana SBTI: Cos'è, come funziona e come usarlo nel 2026
Apr 15, 2026
Recensione di Atoms — Il builder di prodotti AI che ridefinisce la creazione digitale nel 2026
Apr 10, 2026
Kilo Claw: Come Distribuire e Utilizzare un Vero Agente AI "Fai-da-Te" (Aggiornamento 2026)
Apr 3, 2026
OpenAI chiude l'app Sora: cosa riserva il futuro per la generazione di video AI nel 2026
Mar 25, 2026
Ultimi Strumenti AI Simili a WUPHF by Nex.ai
Hapticlabs
Hapticlabs è un toolkit senza codice che consente a designer, sviluppatori e ricercatori di progettare, prototipare e distribuire facilmente interazioni tattili immersive su diversi dispositivi senza codifica.
Deployo.ai
Deployo.ai è una piattaforma completa per la distribuzione dell'IA che consente una distribuzione, un monitoraggio e una scalabilità senza soluzione di continuità dei modelli con framework etici dell'IA integrati e compatibilità cross-cloud.
CloudSoul
CloudSoul è una piattaforma SaaS alimentata da intelligenza artificiale che consente agli utenti di distribuire e gestire istantaneamente l'infrastruttura cloud attraverso conversazioni in linguaggio naturale, rendendo la gestione delle risorse AWS più accessibile ed efficiente.
Devozy.ai
Devozy.ai è una piattaforma di self-service per sviluppatori alimentata da AI che combina gestione dei progetti Agile, DevSecOps, gestione dell'infrastruttura multi-cloud e gestione dei servizi IT in una soluzione unificata per accelerare la consegna del software.
Strumenti AI Popolari Come WUPHF by Nex.ai
A2A Protocol
Il protocollo A2A (Agent2Agent) è un protocollo di interoperabilità aperto sviluppato da Google che consente una comunicazione e una collaborazione senza interruzioni tra agenti AI attraverso diversi framework e fornitori, indipendentemente dalla loro architettura sottostante.
VoltOps
VoltOps è una piattaforma di osservabilità LLM agnostica al framework che fornisce strumenti di monitoraggio visivo, debug e ottimizzazione in tempo reale per agenti AI su qualsiasi stack tecnologico.
Chaterm
Chaterm è un terminale AI-native open-source e un copilota SRE che consente agli ingegneri di gestire infrastrutture complesse attraverso il linguaggio naturale, automatizzando la distribuzione, la risoluzione dei problemi e le operazioni senza memorizzare i comandi.
Open Browser Use
Open Browser Use è un livello di automazione del browser open-source, neutrale rispetto al runtime dell'agente, che accoppia un'estensione di Chrome con una CLI/SDK/MCP per abilitare il controllo delle schede, la navigazione e le azioni basate su DOM e CDP tra diversi strumenti di agenti AI.