WUPHF

O que é WUPHF?

WUPHF é um aplicativo open-source local que executa um pequeno “escritório” de agentes de IA na sua máquina. Você define um objetivo, e os agentes coordenam para executá-lo — criando handoffs baseados em threads e produzindo artefatos de trabalho como PRs e assets exportados.

Em vez de rotear você por etapas de prompts separadas, o WUPHF coordena múltiplos agentes por funções (ex.: CEO, ENG, DSG, CMO) que compartilham contexto via interações contínuas da equipe. O propósito principal é manter o trabalho fluindo do objetivo até as saídas entregues, preservando a continuidade entre etapas.

Principais Recursos

• “AI office” local (roda na sua máquina): Inicie com npx wuphf@latest ou compile a partir do source; a UI do navegador abre em localhost:7891.
• Coordenação de equipe compartilhada para um único objetivo: Forneça uma frase em um canal (ex.: #general), e o agente CEO a decompõe e roteia tarefas para outros agentes no mesmo thread.
• Agentes por funções com configs JSON editáveis: Cada agente é descrito em um arquivo JSON com system prompt e lista de ferramentas, que você pode ler, editar ou fork.
• Handoffs multi-função que incluem dependências e bloqueios: Agentes identificam bloqueios e dependências (ex.: formatos de assets ausentes) e resolvem questões entre si, sem roteamento humano em chains de prompts.
• Saídas de trabalho que integram com repositórios: Agentes podem abrir pull requests e coordenar mudanças no projeto; também exportam assets (como saídas de design) para caminhos referenciados no workflow.
• Grátis e open source sob licença MIT: O projeto é descrito como free/open source e licenciado MIT, sem contas, uso de cloud ou precificação por assento.

Como Usar o WUPHF

1. Instale e inicie localmente:
   • Opção 1: execute npx wuphf@latest (o navegador deve abrir em localhost:7891).
   • Opção 2: clone e compile a partir do source, depois execute o binário compilado.
2. Inicie um team pack: Use wuphf --pack founding-team para selecionar um conjunto de configurações de funções.
3. Insira uma frase de objetivo: No canal da UI (ex.: #general), digite uma instrução única como “Ship the onboarding flow by Friday.”
4. Feche a aba e deixe os agentes continuarem: A equipe continua trabalhando; agentes coordenam entre si, identificando bloqueios e produzindo saídas.
5. Volte aos resultados: Revise a saída finalizada (ex.: PRs abertas, assets exportados e mudanças em copy/README) após o progresso da equipe.

Casos de Uso

• Entregando uma feature frontend com engenharia + design coordenados: Forneça um objetivo para entregar um fluxo de onboarding; ENG abre PRs enquanto DSG exporta assets necessários (incluindo fallbacks de formato) e CMO prepara copy e atualizações de README.
• Decompondo objetivos ambíguos em um thread de execução: Ao submeter um objetivo de uma frase, o agente CEO o decompõe e roteia subtarefas para as funções apropriadas, mantendo a discussão organizada em um thread compartilhado.
• Tratando bloqueios de assets ou implementação automaticamente: Se uma exportação de design não render corretamente em uma plataforma específica, agentes identificam o mismatch, reexportam assets para o caminho correto e continuam sem você gerenciar cada prompt intermediário.
• Preparando documentação de lançamento junto com mudanças de código: CMO pode rascunhar conteúdo de README e executar uma checklist de lançamento, abrindo uma PR focada em copy junto à branch da feature.
• Transformando conversas de feedback de usuários em specs: Um agente PM pode sintetizar feedback em uma spec e manter a equipe focada nas necessidades do usuário em vez de detalhes de implementação.

FAQ

• O WUPHF requer conta ou acesso à cloud? Não. O site o descreve como rodando localmente, sem conta, sem cloud e sem precificação por assento.

• Como eu inicio? A documentação mostra executar npx wuphf@latest para abrir a UI em localhost:7891, ou clonar o repositório GitHub e compilar a partir do source.

• Posso customizar os agentes? Sim. Cada agente é uma config JSON (system prompt mais lista de ferramentas). Você pode ler, editar e fork o team pack para trocar ferramentas ou agentes de pesquisa.

• Alguém precisa estar no loop em cada etapa? A página enfatiza “no human in the loop” para roteamento e coordenação estilo prompt-chain; agentes continuam trabalhando e coordenam para resolver bloqueios entre si.

• Que tipos de saídas a equipe produz? Os exemplos mencionam abrir PRs e exportar assets finalizados (ex.: exportações de design) e escrever copy como conteúdo de README.

Alternativas

• Executores locais de prompts/fluxos de trabalho multiagentes: Ferramentas que orquestram múltiplos agentes LLM na sua máquina podem fornecer comportamento similar de “equipe”, mas podem exigir que você gerencie roteamento e encadeamento de prompts de forma mais explícita.
• Assistentes de codificação AI focados em repositórios: Alternativas voltadas para geração de código podem ajudar na implementação de mudanças, mas podem não incluir um modelo de coordenação multi-roles compartilhado (CEO/ENG/DSG/CMO) que também produz docs e assets de design.
• Ferramentas de automação design-to-code: Se sua principal necessidade é exportação e formatação de assets, ferramentas especializadas de design podem lidar com a produção de assets, mas não coordenarão execução end-to-end em engenharia e documentação de lançamento da mesma forma.
• Chat de colaboração geral + decomposição de tarefas: Fluxos de trabalho de equipe convencionais (chat + rastreadores de issues) podem coordenar trabalho entre roles, mas exigem humanos para gerenciar decomposição, verificações de dependências e handoffs.