Uruchom BuildOnAI, potem podłącz agentów.

Od klonu repo do pierwszej zapisanej pamięci w pięć minut. Wymagania hosta, boot przez docker compose, health check, pierwsza pamięć i pierwsze zapytanie do search.

Napisz minimalnego agenta na bazie HTTP API CS w 40 linijkach Pythona. Rejestracja, log konwersacji, notatka, search, koordynacja z innymi.

Migracja AUTH_MODE z off przez observe do enforce. Generowanie kluczy ed25519, bootstrap, czytanie observe loga, flip — bez psucia żywych agentów.

Parsuj PDF i DOCX lokalnie przez Document Processor, potem wpychaj zparsowane chunki do CS jako rekordy treningowe wyszukiwalne semantycznie. RAG end-to-end bez wychodzenia danych z hosta.

Zarejestruj wiele maszyn w machines-server, routuj agentów do węzłów z odpowiednim GPU i załadowanym modelem, obserwuj telemetrię na żywo.

Wspólna pamięć, semantic search, rejestr agentów i skilli, świadomość maszyn, ed25519. Sześć usług HTTP w jednym docker compose.

Lokalny agent AI z wywoływaniem narzędzi, napędzany Ollama. CLI, Web UI, tryb workera. Orkiestracja wielu modeli.

Aplikacja desktop do parsowania PDF / DOCX / TXT z ekstrakcją obrazów wraz z kontekstem. Dla dokumentów, które nie mogą opuścić hosta.

300 linii Node.js, zero zależności runtime. Klucze SSH i tokeny API z listą dozwolonych IP i logiem audytu.

Każda stacja robocza, host aplikacyjny, węzeł brzegowy jako pełnoprawny byt z profilem sprzętowym, dostępnymi modelami i telemetrią na żywo.