Ami: o agente de IA open source que roda localmente e age como um clone seu

O que é o Ami e por que ele está chamando atenção dos desenvolvedores

Imagine ter um assistente de inteligência artificial que não apenas responde perguntas, mas realmente conhece o seu jeito de trabalhar, aprende com suas decisões passadas, fala com a sua voz e executa tarefas chatas no seu lugar — tudo isso sem enviar seus dados para nenhum servidor corporativo. Essa é a proposta do Ami, um projeto open source lançado pela NanoNets no GitHub que vem despertando curiosidade na comunidade de desenvolvimento.

Diferente de assistentes como o ChatGPT ou o Copilot, que vivem na nuvem e dependem de servidores externos, o Ami é um agente local — ele roda inteiramente na sua máquina, armazena tudo localmente e só faz chamadas externas para a API de IA que você configurar e para as ferramentas que você conectar com seus próprios tokens. Nenhum dado seu vai parar em servidores da empresa.

Como o Ami funciona na prática

A arquitetura do Ami é construída em torno de um ciclo de quatro etapas que transforma sinais dispersos do seu dia a dia em ações concretas:

• Ingestão: um poller coleta menções, mensagens diretas, e-mails, convites e notificações de cada ferramenta conectada, usando seus tokens pessoais.
• Triagem: uma chamada ao modelo de IA classifica cada sinal como tarefa, informativo ou irrelevante, com data de vencimento estimada. Entidades e relacionamentos são extraídos e jogados na base de conhecimento.
• Ação: cada item de tarefa pode ser planejado em modo somente leitura, executado em uma sessão isolada do Claude Agent SDK, resolvido manualmente, descartado ou adiado.
• Revisão e iteração: os entregáveis — link de PR, documento, rascunho de resposta — aparecem na página da tarefa. O Ami nunca envia nada sozinho; você revisa, edita e aprova antes de qualquer postagem. Suas edições alimentam a memória do sistema e refinam o estilo dele nas próximas execuções.

O grafo de contexto: a memória que aprende com você

O coração do Ami é o que os criadores chamam de context graph memory. Trata-se de uma base de conhecimento no estilo Obsidian, armazenada como arquivos Markdown com wiki-links, versionados com Git. Isso significa que cada nota tem histórico completo e pode ser restaurada a qualquer momento.

Essa memória alimenta recursos bastante práticos para quem trabalha com muitas reuniões e comunicações:

• Preparação para reuniões: os participantes são cruzados com a base de conhecimento e um briefing chega antes de cada encontro, indicando quem vem, o que importa e os itens em aberto.
• Gravação local de reuniões: com ffmpeg e whisper.cpp, o Ami grava microfone e áudio do sistema, transcreve tudo no dispositivo e alimenta a memória. Nenhum áudio sai da máquina.
• Estilo de escrita: o sistema aprende como você escreve a partir das suas mensagens reais e das edições que você faz nos rascunhos dele, para que as respostas soem com a sua voz.
• Rastreamento de decisões: exceções, overrides e feedbacks passados são recuperados quando situações similares aparecem, fazendo o Ami decidir do jeito que você já decidiu antes.

Instalação e requisitos técnicos

O projeto é surpreendentemente fácil de começar. O único pré-requisito é ter Node.js versão 20 ou superior. O script de inicialização cuida do resto. Basta clonar o repositório e executar o script principal. Na primeira execução, o script instala dependências via pnpm usando o Corepack, compila o console e sobe o servidor. Basta abrir o endereço local na porta 4141 e seguir o onboarding para configurar o modelo de IA e conectar as ferramentas.

Suporte a múltiplos provedores de IA, incluindo modelos locais

Um ponto técnico importante: o Ami usa a API de Mensagens da Anthropic como protocolo, mas não está preso à Anthropic. Qualquer provedor que exponha um endpoint compatível com esse protocolo funciona. Isso inclui:

• Modelos hospedados: Kimi da Moonshot AI, GLM, DeepSeek e MiniMax já publicam base URLs compatíveis com a API da Anthropic.
• Execução 100% local: usando um proxy LiteLLM na frente de Ollama, vLLM ou llama.cpp, é possível rodar o Ami sem que nada saia da máquina. O exemplo do README usa o Qwen3 32B via Ollama.

O sistema trabalha com dois modelos configuráveis: um principal para triagem e execução de tarefas e um utilitário mais leve para os agentes de memória, que roda em cada sinal relevante. Para setups locais, esse segundo modelo é o candidato ideal para apontar para um modelo menor e mais eficiente.

A interface: o console do Ami

O console web é dividido em páginas funcionais bem definidas:

• Home: tela inicial com lista de tarefas e reuniões do dia.
• To-do: lista universal consolidando itens de todas as ferramentas conectadas.
• Chat: copilot conversacional com acesso à mesma superfície de ferramentas que os runs de tarefas.
• Agents: criação de agentes que rodam em agendamento.
• History: arquivo de tarefas concluídas.
• Memory: visualização da memória atual como grafo de contexto.
• Settings: conectores, modelos, configurações e dados de uso.

Busca global e notificações ficam na barra de navegação superior, tornando a experiência bastante fluida mesmo para quem está começando com agentes de IA.

Privacidade e controle de dados: o diferencial do projeto

Num cenário onde assistentes de IA corporativos levantam preocupações legítimas sobre privacidade e propriedade dos dados, o Ami adota uma postura clara: tudo fica na sua máquina. O banco SQLite, a base de conhecimento em Markdown, as worktrees de código e o estado dos agentes em background vivem todos em um diretório local. Para resetar completamente, basta deletar esse diretório.

Além disso, o Ami opera com exatamente as permissões que você tem — ele só acessa o que você conseguiria acessar manualmente. E, como mencionado, nada é enviado sem a sua aprovação explícita. Esse modelo de privacidade por design é um diferencial significativo em relação às soluções corporativas convencionais.

Construindo novos conectores com o próprio Ami

O projeto reconhece que o número atual de conectores é limitado, mas tem uma solução criativa: você pode pedir ao próprio Ami para construir um novo conector. Basta ir em Configurações, clicar em adicionar um conector, informar o nome, a URL da homepage e a intenção de uso. O agente então usa o Claude Code com sua chave de API para gerar o conector e disponibilizá-lo para tarefas e chats. Essa capacidade de auto-extensão é um sinal de maturidade arquitetural interessante para um projeto tão jovem.

Estado atual e perspectivas

O Ami é descrito pelos criadores como uma ferramenta interna ainda em desenvolvimento, com uma release estável prometida em breve. O repositório é escrito majoritariamente em TypeScript e usa um workspace monorepo com pnpm. Apesar de estar nos estágios iniciais, a proposta técnica é sólida e o projeto já demonstra maturidade conceitual suficiente para despertar interesse real na comunidade de desenvolvedores.

Para desenvolvedores preocupados com privacidade, interessados em automação de fluxos de trabalho ou simplesmente curiosos sobre como agentes de IA locais podem evoluir, o Ami vale um olhar atento. A combinação de memória persistente com grafo de contexto, suporte a modelos locais via LiteLLM e uma filosofia de dados que prioriza o controle do usuário coloca esse projeto numa categoria diferente dos assistentes de IA convencionais disponíveis no mercado hoje.