WUPHF

Cos'è WUPHF?

WUPHF è un'applicazione open-source locale che esegue un piccolo “ufficio” di agenti AI sulla tua macchina. Imposti un obiettivo e gli agenti coordinano per realizzarlo—creando passaggi thread-based e producendo artefatti di lavoro come PR e asset esportati.

Invece di instradarti attraverso passaggi di prompt separati, WUPHF coordina agenti multipli basati sui ruoli (es. CEO, ENG, DSG, CMO) che condividono un contesto tramite le loro interazioni di team continue. Lo scopo principale è mantenere il lavoro in movimento dall'obiettivo agli output spediti preservando la continuità tra i passaggi.

Caratteristiche Principali

• “Ufficio AI” locale (gira sulla tua macchina): Avvialo con npx wuphf@latest o compila dal sorgente; l'interfaccia browser si apre su localhost:7891.
• Coordinamento di team condiviso per un singolo obiettivo: Fornisci una frase in un canale (es. #general) e l'agente CEO la decompone instradando i task ad altri agenti nel thread.
• Agenti basati sui ruoli con config JSON modificabili: Ogni agente è descritto in un file JSON contenente un system prompt e lista tool, che puoi leggere, modificare o forkare.
• Passaggi multi-ruolo che includono dipendenze e blocker: Gli agenti evidenziano blocker e dipendenze (es. formati asset mancanti) e risolvono issues tra loro senza instradamento umano prompt-chain.
• Output di lavoro integrati con repository: Gli agenti possono aprire pull request e coordinare cambiamenti progetto; esportano anche asset (come output design) in percorsi referenziati nel workflow.
• Gratuito e open source sotto licenza MIT: Il progetto è descritto come free/open source e MIT licensed, senza account, uso cloud o pricing per seat menzionati.

Come Usare WUPHF

1. Installa e avvia localmente:
   • Opzione 1: esegui npx wuphf@latest (il browser si apre su localhost:7891).
   • Opzione 2: clona e compila dal sorgente, poi esegui il binario compilato.
2. Avvia un team pack: Usa wuphf --pack founding-team per selezionare un set di configurazioni ruoli.
3. Inserisci una frase obiettivo: Nel canale UI (es. #general), digita una singola istruzione come “Ship the onboarding flow by Friday.”
4. Chiudi la tab e lascia continuare gli agenti: Il team continua a lavorare; gli agenti coordinano tra loro, evidenziando blocker e producendo output.
5. Torna ai risultati: Rivedi l'output finalizzato (es. PR aperte, asset esportati, cambiamenti copy/README) dopo che il team ha progredito.

Casi d'Uso

• Spedire una feature frontend con engineering + design coordinati: Fornisci un obiettivo per spedire un flusso onboarding; ENG apre PR mentre DSG esporta asset richiesti (inclusi fallback formati) e CMO prepara copy e update README.
• Suddividere obiettivi ambigui in un thread di esecuzione: Quando invii un obiettivo one-sentence, l'agente CEO lo decompone instradando subtasks ai ruoli appropriati, mantenendo la discussione organizzata in un thread condiviso.
• Gestire blocker asset o implementazione automaticamente: Se un export design non rende correttamente su una piattaforma specifica, gli agenti identificano il mismatch, re-esportano asset nel percorso appropriato e continuano senza che tu gestisca ogni prompt intermedio.
• Preparare documentazione lancio alongside cambiamenti codice: CMO drafta contenuto README e esegue checklist lancio, aprendo una PR copy-focused alongside il branch feature.
• Trasformare conversazioni feedback utente in spec: Un agente PM sintetizza feedback in una spec mantenendo il team focalizzato su bisogni utente anziché dettagli implementazione.

FAQ

• WUPHF richiede un account o accesso cloud? No. Il sito lo descrive come locale senza account, senza cloud e senza pricing per seat.

• Come lo avvio? La documentazione mostra di eseguire npx wuphf@latest per aprire l'UI su localhost:7891, o clonare il repository GitHub e compilare dal sorgente.

• Posso personalizzare gli agenti? Sì. Ogni agente è una config JSON (system prompt più lista tool). Puoi leggere, modificare e forkare il team pack per swappar tooling o agenti research diversi.

• Serve qualcuno in loop per ogni step? La pagina enfatizza “no human in the loop” per instradamento e coordinazione prompt-chain-style; gli agenti continuano a lavorare e coordinano per risolvere blocker tra loro.

• Che tipi di output produce il team? Gli esempi menzionano apertura PR ed esportazione asset finalizzati (es. export design) e scrittura copy come contenuto README.

Alternative

• Runner locali multi-agente per prompt/workflow: Strumenti che orchestrano più agenti LLM sulla tua macchina possono offrire un comportamento “di squadra” simile, ma potrebbero richiedere una gestione più esplicita del routing e della concatenazione dei prompt.
• Assistenti AI focalizzati sul repository per il coding: Alternative orientate alla generazione di codice possono aiutare con l'implementazione delle modifiche, ma potrebbero non includere un modello di coordinazione multi-ruolo condiviso (CEO/ENG/DSG/CMO) che produce anche documenti e asset di design.
• Strumenti di automazione design-to-code: Se il tuo bisogno principale è l'esportazione e la formattazione degli asset, tooling di design specializzato può gestire la produzione di asset, ma non coordinerà l'esecuzione end-to-end attraverso ingegneria e documentazione di lancio nello stesso modo.
• Chat di collaborazione generale + scomposizione task: Workflow di squadra convenzionali (chat + tracker di issue) possono coordinare il lavoro tra ruoli, ma richiedono umani per gestire la decomposizione, i controlli di dipendenze e i passaggi di mano.