# \#desktop-app **URL:** https://discuss.pytorch.kr/tag/desktop-app/3538.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [Mago Studio: 프로젝트와 영상을 내 PC에 두고 ComfyUI로 렌더링하는 로컬 우선 AI 영상 편집기 (단, 기본 모델 H3는 별도 승인 필요)](https://discuss.pytorch.kr/t/mago-studio-pc-comfyui-ai-h3/12422)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [11월 6, 2026, 3:00오전 UTC](https://discuss.pytorch.kr/t/mago-studio-pc-comfyui-ai-h3/12422 "2026-11-06T03:00:14Z")
핵심 요약 Mago Studio는 AI 영상 편집기 Mago의 로컬 우선(Local-first) 데스크톱판으로, 프로젝트와 원본 영상을 사용자 PC에 두고 렌더링만 내 GPU의 ComfyUI 또는 로그인 후의 Mago Cloud로 보냅니다. 대본에서 캐스팅, 샷 목록, 스토리보드를 거쳐 영상까지 만드는 Mago Director와, 이미 촬영한 영상의 일부 구간을 마스크로 골라 스타일 변환, 재조명, 인물 교체를 하는 Mago Transform 두 흐름을 제공합니다. 내 GPU에서 쓰는 것은 무료이고, 클라우드 모델은 Mago 계정과 유료 크레딧이 필요합니다. 클라우드 렌더링 시에도 그 렌더에 필요한 샷, 원본 영상, 참조 이미지, 마스크만 올라갑니다. 로컬 기본 영상 모델이 MiniMax H3인데, H3 커뮤니티 라이선스는 대한민국을 적용 지역에서 제외하므로 국내 독자는 로컬 렌더링에 쓸 모델을 먼저 확인해야 합니다. Windows 설치 마법사는 NVIDIA GPU(VRAM 8GB 이상)와 약 63GB의 여유 디스크를 요구하며, macOS와 Linux에서는 직접 설치한 ComfyUI를 연결해야 합니다. Mago Studio 소개 AI 영상 생성 모델을 실제 제작 흐름에 넣으려면 모델 하나를 실행하는 것 이상이 필요합니다. 한 편의 영상은 수십 개의 샷으로 나뉘고, 샷마다 여러 번 렌더링해 버전을 비교해야 하며, 원본 영상은 용량이 커서 아무 서비스에나 올리기 부담스럽습니다. ComfyUI와 같은 로컬 도구는 모델을 내 GPU에서 실행할 수 있지만 샷, 버전, 타임라인을 관리하는 편집기는 아닙니다. 반대로 웹 기반 AI 영상 서비스는 편집기를 갖췄지만 원본 영상과 프로젝트가 모두 서비스 쪽에 올라갑니다. 이번에 소개하는 Mago Studio는 이 두 방식 사이를 메우려는 프로젝트로, Mago가 운영하는 AI 영상 편집기의 로컬 우선(Local-first) 데스크톱판입니다. Mago Studio는 프로젝트와 원본 영상을 사용자 PC의 라이브러리 폴더에 … --- ## [Chat On Steroids: 승인한 폴더 내에서 ChatGPT가 파일과 터미널을 다루도록 하는 로컬 MCP 앱](https://discuss.pytorch.kr/t/chat-on-steroids-chatgpt-mcp/11915)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [9월 15, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/chat-on-steroids-chatgpt-mcp/11915 "2026-09-15T03:30:04Z")
Chat On Steroids 소개 브라우저에서 쓰는 대화형 모델은 코드를 잘 읽고 잘 고쳐 주지만, 그 결과를 실제 프로젝트에 반영하는 일은 사람이 직접 합니다. 대화창에 붙여 넣을 파일을 고르고, 답으로 돌아온 코드를 편집기에 옮기고, 테스트를 돌린 뒤 그 출력을 다시 대화창에 붙여 넣는 왕복이 반복됩니다. 코드를 고치는 능력은 이미 대화 쪽에 있는데 파일과 터미널에 닿는 통로가 없어서 생기는 간극입니다. 이번에 소개할 Chat On Steroids (이하 CoS)는 그 통로를 로컬 데스크톱 앱으로 만든 프로젝트입니다. 앱이 MCP(Model Context Protocol) 서버를 자기 컴퓨터에 띄우고, 사용자가 그것을 ChatGPT의 개발자 모드에 커스텀 앱으로 등록하면, 대화 중인 모델이 사용자가 승인한 폴더의 파일을 읽고 고치거나 터미널 명령을 실행할 수 있게 됩니다. 함께 제공되는 Chrome 확장 프로그램이 대화 화면과 로컬 앱을 짝지어, 어느 대화가 어떤 로컬 세션에 속하는지 확인합니다. CoS는 Electron 기반 데스크톱 앱으로 Windows와 macOS, Linux용 패키지가 함께 배포됩니다. 저장소는 프로젝트가 OpenAI와 무관한 독립 프로젝트이며 ChatGPT와 Codex가 OpenAI의 상표라는 점, 그리고 현재 한 명이 유지보수하는 베타라는 점을 문서 여러 곳에 적어 두었습니다. 별도의 API 키를 발급받는 대신 사용자가 이미 쓰고 있는 ChatGPT 계정의 대화를 그대로 쓰는 구조여서, 계정에 걸린 모델 가용 범위와 사용량 한도, 컨텍스트 한도가 그대로 적용됩니다. Chat On Steroids와 다른 연결 방식의 차이 브라우저의 대화와 로컬 작업을 잇는 방법은 여러 갈래로 나뉘어 있고, 갈리는 지점은 모델이 실행되는 곳과 로컬에 쓰기 권한을 주는지입니다. 세 가지 접근을 비교하면 다음과 같습니다: 접근 방식 모델이 도는 곳 로컬 쓰기와 명령 실행 예 Chat On Steroids 브라우저의 Ch… --- ## [DSH Desktop: Node.js 설치 없이 DeepSeek Harness를 실행하는 데스크탑 애플리케이션](https://discuss.pytorch.kr/t/dsh-desktop-node-js-deepseek-harness/11634)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [8월 17, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/dsh-desktop-node-js-deepseek-harness/11634 "2026-08-17T03:30:06Z")
DSH Desktop 소개 코딩 에이전트를 처음 붙잡을 때 시간이 가장 많이 드는 구간은 에이전트 자체가 아니라 그 앞의 준비 과정입니다. DeepSeek AI가 공개한 DeepSeek Harness (:pytorch::kr: DeepSeek Harness: 에이전트 루프까지 설정으로 교체하는 플러그인 구조의 코딩 에이전트)는 명령줄과 웹 UI 양쪽에서 모델과 도구, 세션, 워크플로를 자기 런타임으로 조합할 수 있는 에이전트 하네스(harness)지만, 처음 쓰는 사람에게는 Node.js 설치와 프로필(profile) 준비, 의존성 설치, 포트와 프로세스 수명 관리가 그대로 사용 경험의 일부로 남습니다. 에이전트의 성능을 평가해 보려던 사람이 런타임 환경 설정 단계에서 멈추는 일이 그래서 생깁니다. Anywhere Labs가 공개한 DSH Desktop은 그 준비 과정을 설치 프로그램 하나로 옮긴 macOS·윈도우 데스크톱 앱입니다. 눈에 띄는 선택은 구현 방식 쪽에 있습니다. 이 프로젝트는 업스트림 소스를 포크하거나 고쳐서 전용 셸을 만들지 않고, 창과 트레이, 터미널, 업데이트, 작업 프로필을 담당하는 데스크톱 셸 자체를 하나의 DSH 플러그인으로 만들어 공식 Harness와 같은 런타임에 얹었습니다. 공식 Harness는 고정된 버전 그대로 실행되고, 데스크톱 기능은 공식 플러그인 메커니즘을 통해 그 위에 합성됩니다. 설치 프로그램에는 Electron과 Node 런타임, 고정된 DSH 의존성이 함께 들어갑니다. 앱은 창과 트레이, 단일 인스턴스 잠금, 종료, 로컬 서비스 수명을 직접 관리하고, 사용자는 공식 DSH의 프로필과 플러그인, 세션, 웹 UI를 그대로 씁니다. 에이전트와 모델, 도구, 세션, 웹 클라이언트의 동작은 여전히 업스트림 Harness가 결정합니다. DSH Desktop과 공식 Harness 직접 실행의 차이 DSH Desktop은 Harness를 대체하는 도구가 아니라 실행 방식을 바꾸는 도구입니다. 두 방식이 어느 지… --- ## [OpenWorker: 채팅이 아닌 완성된 결과물을 만드는 오픈소스 AI 동료 (feat. Andrew Ng)](https://discuss.pytorch.kr/t/openworker-ai-feat-andrew-ng/11406)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [7월 28, 2026, 7:30오전 UTC](https://discuss.pytorch.kr/t/openworker-ai-feat-andrew-ng/11406 "2026-07-28T07:30:20Z")
OpenWorker 소개 OpenWorker는 대화나 초안 작성에서 멈추지 않고 완성된 업무 결과물을 직접 만들어 내는 것을 목표로 하는 오픈소스 AI 동료(AI coworker)입니다. 대부분의 챗봇은 답변이나 초안까지만 내놓고 마무리는 사람의 몫으로 남기지만, OpenWorker는 다듬어진 문서, 수치가 담긴 Slack 답장, 갱신된 캘린더, 정리된 받은 편지함처럼 바로 쓸 수 있는 결과물을 돌려주는 것을 지향합니다. 개발팀은 이 도구를 "AI that gets your everyday tasks done" 이라는 한 줄로 소개합니다. OpenWorker는 사용자의 데스크톱에서 실행되며 특정 모델에 종속되지 않습니다. OpenAI, Anthropic, Google의 API 키를 직접 넣어 쓰거나, 오픈 가중치(open-weight) 모델 제공자를 연결하거나, Ollama로 완전히 로컬에서 돌릴 수 있습니다. 데이터는 사용자가 직접 고른 모델과 통합(integration)을 거칠 때만 컴퓨터 밖으로 나갑니다. 이 프로젝트는 AISuite를 만든 Andrew Ng 의 저장소에서 공개되었으며, 현재 앱이 스스로 업데이트되는 오픈 베타(open beta) 단계입니다. 실제 업무는 대개 여러 도구에 흩어져 있습니다. OpenWorker는 GitHub, Slack, Jira, Notion 같은 25개 이상의 통합과 함께 터미널, 로컬 파일을 다루고, MCP(Model Context Protocol)로 연결되는 도구도 붙일 수 있습니다. 또한 메시지 전송이나 셸 명령처럼 되돌리기 어려운 작업은 실행 전에 사용자에게 승인을 요청하고, 아침 브리핑이나 주간 보고서 같은 반복 작업은 예약 실행으로 자동화합니다. OpenWorker의 동작 방식 OpenWorker에게 일을 맡기는 흐름은 결과물 중심으로 짜여 있습니다. 먼저 사용자가 원하는 결과를 말합니다. 개발팀이 든 예시로는 "고객 브리프 준비", "엉킨 캘린더 정리", "보고서 초안 작성", "Jira와 … --- ## [1Code: Claude Code와 Codex를 한 앱에서 실행하는 오픈소스 코딩 에이전트 클라이언트](https://discuss.pytorch.kr/t/1code-claude-code-codex/10811)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [6월 24, 2026, 7:30오전 UTC](https://discuss.pytorch.kr/t/1code-claude-code-codex/10811 "2026-06-24T07:30:23Z")
1Code 소개 코딩 에이전트를 본격적으로 쓰기 시작하면 도구마다 실행 환경이 갈리는 문제에 부딪힙니다. Claude Code는 터미널에서, Codex는 또 다른 터미널이나 IDE에서 돌리고, 각 세션이 같은 작업 디렉토리를 건드리다 보면 변경 사항이 뒤섞이거나 main 브랜치를 실수로 오염시키기 쉽습니다. 결과를 눈으로 확인하기 전에 에이전트가 무슨 파일을 어떻게 고쳤는지 추적하기도 번거롭습니다. 1Code는 이런 코딩 에이전트들을 하나의 데스크톱 앱에서 실행하고 관리하는 오픈소스 클라이언트 입니다. 21st.dev 팀이 만들었으며, Claude Code와 Codex를 한 화면에서 즉시 전환해 쓸 수 있고, 각 채팅 세션을 독립된 Git 워크트리(worktree)에서 돌려 작업끼리 격리합니다. Cursor와 비슷한 UI로 에이전트가 만드는 변경을 실시간 diff로 보여주고, 도구 실행 과정을 그대로 노출합니다. 소스에서 직접 빌드하면 무료로 쓸 수 있고, 구독 시 미리 빌드된 릴리스와 클라우드 백그라운드 에이전트 기능이 추가됩니다. macOS 데스크톱과 웹 앱을 지원하며 Windows·Linux로도 확장되고 있습니다. 본 게시물에서는 1Code의 작업 흐름, 워크트리 격리와 백그라운드 실행, 주요 기능, 설치 방법을 정리합니다. 1Code의 작업 흐름 1Code의 동작은 작업 지시에서 시작해 PR 생성으로 끝나는 흐름으로 정리할 수 있습니다. 에이전트에게 할 일을 전달하면, 그 작업은 독립된 Git 워크트리에서 실행되어 다른 작업이나 main 브랜치와 섞이지 않습니다. 필요하면 클라우드 샌드박스에서 백그라운드로 돌릴 수 있고, 마지막에는 변경 사항을 diff로 검토한 뒤 PR로 제출합니다. 1Code의 Git 워크트리 격리 각 채팅 세션은 자기만의 격리된 워크트리에서 실행됩니다. Git 워크트리는 하나의 저장소에서 여러 작업 디렉토리를 동시에 두는 기능으로, 1Code는 이를 활용해 에이전트가 main 브랜치를 직접 건드리지 않고 별도 브랜… --- ## [Collaborator: AI 에이전트와 코드를 한 화면에 펼치는 무한 캔버스 개발 환경](https://discuss.pytorch.kr/t/collaborator-ai/10704)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [6월 21, 2026, 4:30오전 UTC](https://discuss.pytorch.kr/t/collaborator-ai/10704 "2026-06-21T04:30:51Z")
Collaborator 소개 AI 에이전트로 개발을 하다 보면 터미널, 컨텍스트로 넘겨줄 파일, 실행 중인 코드가 여러 창과 탭에 흩어집니다. 에이전트가 어느 터미널에서 무엇을 하고 있는지 따라가려면 창을 옮겨 다니며 맥락을 다시 맞춰야 합니다. Collaborator 는 이 흩어짐을 한 화면으로 모으려는 시도로, 에이전트와 작업물을 나란히 놓을 수 있는 무한 캔버스(infinite canvas) 위의 에이전트 개발 환경입니다. Collaborator는 터미널, 컨텍스트 파일, 실행 중인 코드를 하나의 무한 캔버스에 배치하는 종단 간(end-to-end) 환경을 표방합니다. 캔버스 위에 에이전트가 도는 터미널을 띄우고, 파일을 끌어다 그 옆에 타일로 펼쳐 두는 방식이라 창을 바꿔 가며 탭을 뒤질 필요가 줄어듭니다. macOS, 윈도우, 리눅스용 네이티브 데스크톱 앱으로 제공되며, 윈도우에서는 터미널 세션이 PowerShell과 WSL2 배포판을 모두 대상으로 동작합니다. 다만 이 앱은 아직 초기 단계이고 활발히 개발 중인 상태입니다. 계정 없이 로컬 파일 위에서 동작하며, 모든 애플리케이션 상태는 ~/.collaborator/ 아래에 JSON 파일로 저장됩니다. 비식별 사용 분석(usage analytics)은 PostHog로 익명 수집됩니다. 본 게시물에서는 Collaborator의 캔버스와 타일 구조, 라이브 타일이 파일과 연결되는 방식, 기술 스택, 그리고 설치·실행 방법을 정리합니다. Collaborator의 캔버스와 타일 Collaborator의 창은 두 영역으로 나뉩니다. 왼쪽의 내비게이터(Navigator)는 활성 워크스페이스 폴더를 루트로 하는 파일 트리와 워크스페이스 전환기를 담은 사이드바이고, 가운데의 메인 영역(Main area)은 타일이 배치되는 무한 캔버스와, 내비게이터에서 선택한 파일 내용을 보여 주는 뷰어(viewer)로 이루어집니다. 여러 워크스페이스를 등록해 두고 전환할 수 있으며, 캔버스와 뷰어는 워크스페이스 간에 공… --- ## [LLM Wiki: 문서를 자동으로 위키 형태 지식 베이스로 컴파일하는 데스크톱 애플리케이션 (feat. Karpathy LLM Wiki 패턴)](https://discuss.pytorch.kr/t/llm-wiki-feat-karpathy-llm-wiki/10139)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [6월 17, 2026, 9:30오전 UTC](https://discuss.pytorch.kr/t/llm-wiki-feat-karpathy-llm-wiki/10139 "2026-06-17T09:30:19Z")
LLM Wiki 소개 개인 지식 관리에 LLM을 도입하면 흔히 RAG(Retrieval-Augmented Generation, 검색 증강 생성) 패턴이 먼저 떠오릅니다. 그러나 RAG는 사용자가 질문할 때마다 원본 문서에서 매번 처음부터 검색하고 답변을 생성하는 방식이라, 동일한 자료에 대해 같은 추론이 반복되고 그 과정에서 토큰과 시간이 계속 소모됩니다. 또한 검색된 청크(chunk) 단위 응답이라 원본 문서 사이의 관계, 모순, 빈 곳을 사용자가 한눈에 보기 어렵습니다. Andrej Karpathy는 이러한 한계를 극복하기 위해 LLM이 점진적으로 위키(wiki)를 만들고 유지·보수하는 패턴을 llm-wiki.md 라는 짧은 문서로 제안했습니다. LLM Wiki는 이 패턴을 추상 디자인이 아니라 누구나 설치해 사용할 수 있는 크로스플랫폼 데스크톱 애플리케이션으로 구현한 오픈소스 프로젝트입니다. LLM Wiki의 핵심 접근법은 RAG와 달리 LLM이 한 번 분석한 결과를 위키 페이지로 영속화하고, 새 자료가 들어올 때만 점진적으로 업데이트하는 점입니다. 사용자가 PDF나 DOCX, PPTX 같은 문서를 등록하면 LLM은 두 단계 사고 사슬(Two-Step Chain-of-Thought) 인제스트를 통해 먼저 핵심 엔티티와 개념, 기존 위키와의 모순을 분석하고, 이어서 그 분석 결과를 바탕으로 위키 페이지를 생성합니다. 페이지 사이 관계는 \[\[wikilinks\]\]와 4 신호 관련도 모델(4-Signal Relevance Model)로 구성된 지식 그래프(Knowledge Graph)에 반영되며, Louvain 커뮤니티 탐지(Community Detection)를 통해 자료 사이의 자연스러운 클러스터까지 드러냅니다. 그 결과 사용자는 RAG처럼 매번 처음부터 검색되는 답변이 아니라, 시간이 지날수록 풍부해지는 자기만의 위키와 대화하게 됩니다. 기능적으로 LLM Wiki는 단순한 노트 앱을 넘어 위키, 지식 그래프, 검색, Lint, 리뷰, Deep Re… --- ## [Codex++: OpenAI Codex 데스크톱 앱에 로컬 트윅을 설치하는 트윅 로더](https://discuss.pytorch.kr/t/codex-openai-codex/10588)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [6월 10, 2026, 8:30오전 UTC](https://discuss.pytorch.kr/t/codex-openai-codex/10588 "2026-06-10T08:30:49Z")
Codex++ 소개 Codex++는 OpenAI Codex 데스크톱 앱에 로컬 트윅(tweak)을 설치해 UI를 바꾸고, 설정 페이지를 추가하고, 메인 프로세스 코드를 실행하고, 네이티브 OS 기능까지 쓸 수 있게 해 주는 트윅 로더입니다. Codex 같은 AI 코딩 에이전트 앱은 보통 사용자가 내부를 건드리기 어렵게 닫혀 있습니다. Codex++는 설치된 앱을 패치해 Codex가 시작할 때 작은 Codex++ 런타임을 먼저 불러오도록 만들어, 앱을 다시 빌드하지 않고도 기능을 확장할 수 있게 합니다. OpenAI와 무관한 비공식 프로젝트이며, 앱을 직접 수정하는 도구이므로 사용에 따른 위험은 사용자가 감수해야 한다고 명시되어 있습니다. 이 프로젝트의 설계에서 핵심은 트윅과 런타임을 앱 번들 바깥에 둔다 는 점입니다. 앱에 들어가는 패치는 아주 작고, 트윅·설정·로그·백업·런타임 파일은 모두 사용자 데이터 디렉토리에 머뭅니다. 덕분에 Codex를 다시 빌드하지 않고도 트윅을 편집할 수 있습니다. Codex가 업데이트되면 보통 패치가 제거되는데, Codex++는 이를 감지해 패치를 다시 적용하는 워처(watcher)를 함께 설치합니다. 현재 macOS Codex 빌드는 Owl이라는 네이티브 앱 셸(Chromium + Electron 호환 JavaScript 런타임) 위에서 동작합니다. Codex++ 1.0.0은 Owl을 감지해 기능 상태를 보고하며, AppKit·Metal·헬퍼 프로세스·트윅 소유 네이티브 모듈을 위한 네이티브 브릿지를 지원합니다. 트윅 작성자는 Owl 내부를 직접 다루는 대신 api.codex.runtime.\*, api.codex.windows.\*, api.codex.native.\* 같은 Codex++ SDK를 사용하도록 안내됩니다. Codex++의 동작 방식 설치 흐름은 네 단계로 정리됩니다. Codex++가 Codex 앱을 찾아 원본 파일을 백업한 뒤 Codex의 app.asar 를 패치해 Codex++ 로더가 먼저 실행되게… --- ## [Emdash: 여러 AI 코딩 에이전트를 Git 워크트리별로 격리하여 병렬 실행하는 오픈소스 에이전틱 개발 환경 (ADE)](https://discuss.pytorch.kr/t/emdash-ai-git-ade/9495)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [4월 6, 2026, 6:30오전 UTC](https://discuss.pytorch.kr/t/emdash-ai-git-ade/9495 "2026-04-06T06:30:22Z")
Emdash 소개 AI 코딩 에이전트(AI Coding Agent)가 실용화되면서, 개발자들은 새로운 문제에 직면하고 있습니다. 하나의 에이전트가 하나의 작업을 순차적으로 처리하는 방식으로는 여러 기능을 동시에 개발하거나, 서로 다른 AI 프로바이더를 비교 실험하거나, 대규모 리팩터링을 병렬로 진행하는 것이 어렵습니다. Emdash는 이 문제를 해결하기 위해 설계된 오픈소스 에이전틱 개발 환경(ADE, Agentic Development Environment) 입니다. 각 AI 에이전트를 독립적인 Git 워크트리(git worktree) 안에서 실행하여 완전한 격리(isolation)를 보장하면서, 여러 에이전트를 동시에 관리할 수 있는 데스크탑 애플리케이션입니다. Emdash의 핵심 가치는 "프로바이더 독립성(Provider Agnosticism)"에 있습니다. Claude Code, GitHub Copilot, Cursor, Gemini, Qwen Code, Hermes Agent, Amp 등 23개 이상의 CLI 기반 AI 코딩 에이전트를 동일한 인터페이스에서 실행할 수 있습니다. 이는 특정 AI 프로바이더에 종속되지 않고, 작업의 성격이나 비용에 따라 최적의 에이전트를 선택할 수 있다는 것을 의미합니다. 동시에, 각 에이전트가 별도의 Git 브랜치와 워크트리 안에서 동작하므로 코드 충돌 없이 병렬 실험이 가능합니다. Emdash의 병렬 에이전트 워크플로우 Emdash의 작동 방식은 다음과 같습니다: 먼저 사용자가 작업(task) 또는 티켓(ticket)을 선택하면, Emdash는 해당 저장소에서 새로운 Git 워크트리를 자동으로 생성하고, 선택한 AI 에이전트를 그 워크트리 안에서 실행합니다. 여러 작업을 동시에 시작하면 각각 독립된 워크트리에서 병렬로 진행되며, 사용자는 각 에이전트의 진행 상황을 실시간으로 모니터링할 수 있습니다. 사용자 선택: 티켓 #42 (로그인 버그 수정) + 티켓 #43 (새 기능 A) … --- ## [오픈팡(OpenFang): 다중 에이전트들을 독립적인 프로세스로 동작하게 하는 러스트(Rust) 기반 초경량 오픈소스 에이전트 운영체제](https://discuss.pytorch.kr/t/openfang-rust/9135)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [3월 6, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/openfang-rust/9135 "2026-03-06T03:30:42Z")
오픈팡(OpenFang) 소개 오픈팡(OpenFang) 은 RightNow-AI가 2026년 2월에 공개한 러스트(Rust) 기반의 오픈소스 에이전트 운영체제입니다. 기존의 많은 프레임워크가 단순히 대형 언어 모델을 감싸는 파이썬 래퍼 모듈이거나 사용자의 입력을 대기하는 대화형 챗봇 수준에 머물렀던 것과 달리, 이 프로젝트는 다중 에이전트가 운영체제 위에서 독립적인 프로세스로 동작하는 완전한 자율 실행 인프라를 제공합니다. 시스템 전체가 약 137,000줄의 견고한 러스트 코드로 밑바닥부터 새롭게 설계되었으며, 복잡한 라이브러리 의존성 설치 과정 없이 약 32MB 크기의 단일 바이너리 파일 하나만으로 시스템에 배포되고 구동됩니다. 사용자는 오픈팡 홈페이지 및 GitHub 저장소를 통해 운영체제의 세부 구현 방식과 투명하게 공개된 소스 코드를 직접 확인하고 검토할 수 있습니다. 오픈팡(OpenFang)은 사용자의 프롬프트 입력을 수동적으로 기다려야만 작동하는 기존 대화형 시스템의 근본적인 한계를 극복하기 위해 탄생했습니다. 운영체제 환경 내에서 구동되는 에이전트들은 연중무휴 24시간 내내 백그라운드에서 자율적으로 동작하며, 개발자가 사전에 설정해 둔 스케줄에 맞추어 끊임없이 실질적인 워크플로우를 알아서 처리합니다. 예를 들어, 매일 아침 지정된 시간에 스스로 웹을 탐색하여 최신 지식 그래프를 구축하고, 잠재 고객의 연락처를 수집하여 세일즈 리드를 생성하며, 소셜 미디어 트렌드를 분석하여 최적의 시간에 자동으로 게시물을 업로드하는 등 사람의 개입이 필요한 복잡한 업무를 능동적으로 수행합니다. 에이전트의 모든 작업이 완료되면 시스템은 그 결과를 중앙 대시보드에 체계적으로 보고하여, 관리자가 언제든지 통합적인 업무 성과를 직관적으로 모니터링하고 제어할 수 있도록 돕습니다. 특히 이 시스템이 제공하는 가장 중요한 기술적 가치는 에이전트가 현실 세계의 자원에 접근하고 상호작용할 때 발생할 수 있는 잠재적인 위험을 하드웨어 및 커널 수준에서 엄격하게 통제하는 … --- ## [Kuse Cowork: Claude Cowork을 대체하는 오픈소스 데스크톱 AI 에이전트](https://discuss.pytorch.kr/t/kuse-cowork-claude-cowork-ai/8877)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [1월 30, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/kuse-cowork-claude-cowork-ai/8877 "2026-01-30T03:30:20Z")
Kuse Cowork 소개 Kuse Cowork는 사용자의 로컬 환경에서 실행되는 오픈소스 데스크톱 AI 에이전트입니다. 이 프로젝트는 Model-Agnostic(특정 모델에 종속되지 않음) 을 핵심 철학으로 삼아, Claude, GPT, 로컬 모델 등, 사용자가 원하는 LLM을 자유롭게 연결하여 로컬 파일 관리, 문서 작업, 데이터 분석 등의 업무를 자동화할 수 있도록 지원합니다. 최근 AI 에이전트가 클라우드 기반으로 동작하며 보안이나 비용 문제가 대두되는 가운데, Kuse Cowork는 Rust와 Tauri를 기반으로 개발되어 가볍고 빠르며, 모든 데이터와 API 키가 사용자 기기에만 저장되는 Local & Private 환경을 제공합니다. 개발사인 Kuse는 원래 AI 기반 문서 및 프레젠테이션 생성 서비스를 제공하는 팀으로, 이들이 구축한 문서 처리 노하우를 바탕으로 로컬 파일 시스템 제어에 특화된 데스크톱 에이전트를 오픈소스로 공개했습니다. Kuse Cowork는 단순히 챗봇과 대화하는 것을 넘어, 실제 사용자의 폴더에 접근하여 파일을 정리하거나, 영수증 이미지를 읽어 엑셀 보고서를 작성하는 등 실질적인 업무(Cowork)를 수행하는 데 초점을 맞추고 있습니다. Kuse Cowork vs. Claude Cowork 비교 Kuse Cowork는 GitHub 저장소에서 스스로를 \*\*"Opensource Alternative to Claude Cowork"\*\*라고 소개하며 다음과 같은 차별점을 강조합니다: 모델 유연성 (Model Agnostic): 특정 플랫폼(예: Anthropic의 Claude)에 갇히지 않습니다. 사용자는 OpenAI, Anthropic의 API뿐만 아니라, Ollama나 LM Studio를 통해 구동되는 로컬 LLM도 연결하여 사용할 수 있습니다. 보안 격리 (Container Isolation): 에이전트가 로컬 파일 시스템을 건드리는 작업은 위험할 수 있습니다. Kuse Cowork는 Docke… --- ## [OpenWork: OpenCode를 위한 데스크탑 애플리케이션](https://discuss.pytorch.kr/t/openwork-opencode/8784)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [1월 22, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/openwork-opencode/8784 "2026-01-22T03:30:19Z")
OpenWork 소개 OpenWork는 터미널 기반의 코딩 에이전트 도구인 OpenCode를 그래픽 사용자 인터페이스(GUI) 환경에서 사용할 수 있도록 구현한 오픈소스 데스크톱 애플리케이션입니다. (:pytorch::kr: 몇 일 전 소개한, 같은 이름의 Claude Cowork를 대체하는 목적의 Openwork과는 다른 프로젝트입니다) OpenCode는 강력한 성능을 가졌지만, 텍스트 기반의 CLI(Command Line Interface) 환경에서 작동하기 때문에 일반 사용자가 접근하기 어렵거나, 복잡한 파일 변경 내역(diffs)과 로그를 텍스트로만 확인해야 하는 불편함이 있었습니다. OpenWork는 이러한 기술적 장벽을 해소하기 위해 개발되었습니다. 터미널의 복잡한 명령어 대신 채팅 기반의 직관적인 UI를 제공하여, 개발자뿐만 아니라 비개발자도 자신의 로컬 환경에서 AI 에이전트와 협업할 수 있도록 돕는 OpenCode의 클라이언트 역할을 수행합니다. OpenWork 프로젝트는 Rust 기반의 Tauri 프레임워크를 사용하여 가볍고 안전하게 구동되며, 사용자의 로컬 머신에 설치된 OpenCode 엔진과 직접 통신합니다. 결과적으로 사용자는 세련된 UX를 경험하면서도, 실제 구동은 로컬 인프라와 오픈소스 엔진 위에서 이루어지는 데이터 주권과 확장성을 동시에 누릴 수 있습니다. OpenCode CLI vs OpenWork Desktop OpenWork는 독자적인 AI 서비스라기보다, OpenCode를 사용하는 새로운 방식(Interface)입니다. 기존 OpenCode는 터미널에서 작동하며, 시스템 통합이나 자동화 스크립트, 서버 환경에서의 실행에 최적화되어 있습니다. 모든 상호작용이 텍스트 로그와 명령어로 이루어집니다. 이에 비해, OpenWork는 일반 사용자를 위한 제품(Product) 형태의 앱입니다. CLI의 텍스트 로그를 시각적인 \*\*타임라인(Timeline)\*\*으로 변환하여 보여주며, 파일 승인이나 권한 제어를 클릭 한 번… --- ## [Auto-Claude: Claude Code를 위한 자율 멀티 에이전트 개발 환경](https://discuss.pytorch.kr/t/auto-claude-claude-code/8751)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [1월 20, 2026, 8:30오전 UTC](https://discuss.pytorch.kr/t/auto-claude-claude-code/8751 "2026-01-20T08:30:55Z")
Auto-Claude 소개 Auto-Claude는 Anthropic이 제공하는 강력한 CLI 도구인 'Claude Code'를 기반으로 구축된 자율 멀티 에이전트 코딩 프레임워크( Autonomous Multi-Agent Coding Framework) 입니다. 이 프로젝트는 단순히 AI에게 코드를 작성하게 하는 것을 넘어, 소프트웨어 개발의 전 과정을 관리하는 Electron 기반의 데스크톱 애플리케이션 형태로 제공됩니다. 사용자가 해결해야 할 작업이나 목표를 제시하면, Auto-Claude는 이를 수행할 AI 에이전트를 생성하고, 각 에이전트가 스스로 작업을 계획(Plan), 구현(Build), 검증(Validate)하는 과정을 주도적으로 수행하도록 설계되었습니다. 이 도구의 가장 핵심적인 가치는 개발자가 AI와 1:1로 대화하며 기다려야 했던 동기식 작업 방식을 비동기식 병렬 작업 흐름으로 전환했다는 점에 있습니다. 기존에는 개발자가 터미널 앞에서 AI의 응답을 기다리고 코드를 복사해서 붙여넣어야 했다면, Auto-Claude는 사용자가 작업을 지시한 뒤 다른 업무를 보는 동안 AI가 백그라운드에서 독립적인 개발 환경을 구축하고 코드를 작성하며 테스트까지 완료합니다. 특히, 여러 명의 개발자가 협업하듯 다수의 에이전트가 동시에 서로 다른 기능을 개발할 수 있는 환경을 제공함으로써, 단일 개발자의 생산성을 '팀' 단위의 생산성으로 확장하는 것을 목표로 합니다. 이러한 고도화된 기능은 Claude 4.5 Sonnet과 같은 고성능 모델의 추론 능력을 필요로 하므로, 원활한 사용을 위해서는 Anthropic의 Claude Pro / Team / Max 등의 요금제 구독이 필수적으로 요구됩니다. 또한, Python과 Electron을 결합한 하이브리드 아키텍처를 통해 로컬 환경의 자원을 효율적으로 활용하면서도 직관적인 그래픽 사용자 인터페이스(GUI)를 제공하여, 터미널 환경에 익숙하지 않은 사용자나 시각적인 작업 관리를 선호하는 개발자 모두를 만… --- ## [OpenWork: 내 컴퓨터의 로컬 환경을 제어하는 오픈소스 AI 에이전트 (feat. 오픈소스 버전 Claude Cowork)](https://discuss.pytorch.kr/t/openwork-ai-feat-claude-cowork/8721)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [1월 17, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/openwork-ai-feat-claude-cowork/8721 "2026-01-17T03:30:22Z")
OpenWork 소개 OpenWork는 사용자의 로컬 데스크톱 환경에서 직접 실행되며, 실제 업무를 자율적으로 수행하는 오픈소스 AI 에이전트(Open Source AI Agent) 입니다. Accomplish AI 팀이 개발한 이 프로젝트는 최근 AI 업계의 화두인 에이전틱 워크플로우(Agentic Workflow)를 개인의 컴퓨터 내부로 가져온 혁신적인 도구입니다. 최근 Anthropic이 공개한 Claude Cowork가 클라우드 기반의 강력한 성능과 세련된 UI를 앞세워 유료 구독자(Max Plan)들을 위한 "AI 동료"를 표방한다면, OpenWork는 이에 대항하여 완전한 데이터 통제권, 무료(Open Source), 확장성을 기치로 내건 로컬 중심(Local-first) 솔루션입니다. OpenWork는 Electron 프레임워크를 기반으로 개발되어 macOS 등 데스크톱 OS에 기본 애플리케이션처럼 설치됩니다. 사용자는 복잡한 서버 설정 없이 앱을 실행하고, OpenAI나 Anthropic 등의 API 키를 연결하는 것만으로 자신의 컴퓨터를 제어하는 AI 비서를 소유하게 됩니다. OpenWork는 단순한 챗봇이 아닙니다. 사용자의 파일 시스템을 탐색하고, 웹 브라우저를 열어 최신 정보를 검색하며, 문서 작성 및 데이터 정리와 같은 반복 업무를 스스로 계획하고 실행(Plan & Execute)하는 AI 비서입니다. 특히 개발자와 프라이버시를 중요시하는 사용자들에게 OpenWork는 매력적인 선택지입니다. 모든 소스 코드가 투명하게 공개되어 있어 AI가 내 파일을 어떻게 다루는지 직접 검증할 수 있으며, 특정 기업의 폐쇄적인 생태계나 비싼 월 구독료 정책에 종속되지 않고 '내가 선택한 모델(BYOM, Bring Your Own Model)'로 '내 컴퓨터'에서 자유롭게 업무 자동화를 구현할 수 있기 때문입니다. OpenWork vs. Anthropic의 Claude Cowork 비교 2026년 1월, Anthropic은 'Claud… --- ## [GeminiDesk: 구글 Gemini를 Linux/macOS/Windows에서 사용할 수 있도록 만든 비공식 데스크탑 클라이언트](https://discuss.pytorch.kr/t/geminidesk-gemini-linux-macos-windows/8084)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [10월 30, 2025, 9:30오전 UTC](https://discuss.pytorch.kr/t/geminidesk-gemini-linux-macos-windows/8084 "2025-10-30T09:30:32Z")
GeminiDesk 소개 GeminiDesk는 구글의 AI인 Google Gemini를 브라우저 탭의 제약에서 해방시켜, 완전한 데스크톱 애플리케이션 형태로 사용할 수 있게 만든 비공식 데스크톱 클라이언트(Unofficial Gemini Desktop App)입니다. 단순히 웹을 감싼 래퍼 수준이 아닌, 실제로 AI 생산성을 극대화할 수 있는 다양한 기능과 사용자 경험(UI/UX)을 제공합니다. 오늘날 많은 사용자가 구글 Gemini를 웹 브라우저를 통해 사용하지만, 여러 탭 속에서 잦은 전환이 일어나며 집중력을 잃기 쉽습니다. GeminiDesk는 이런 문제를 해결하기 위해 등장했습니다. AI와의 대화를 전용 앱에서 수행할 수 있도록 하여, 사용자가 방해받지 않고 더 깊이 있는 연구, 코딩, 글쓰기 등을 할 수 있게 도와줍니다. 이 애플리케이션은 Electron 기반으로 제작되어 Linux와 Windows, macOS 모두에서 사용할 수 있습니다. 특히 AI Studio와의 통합, 자동 연구 스케줄링, 스크린샷 기반 질문 기능 등은 단순한 데스크톱 래퍼를 넘어선 혁신적인 기능으로 평가받고 있습니다. GeminiDesk는 사용자가 “브라우저 탭” 대신 “AI 작업 공간”을 갖게 되는 경험을 제공합니다. 즉, 단순한 접근성 향상이 아니라, AI를 생산성 도구로 완전히 정착시키는 데 초점을 맞춘 프로젝트입니다. 특히 ChatGPT의 데스크톱 앱이 단순한 대화 창 중심이라면, GeminiDesk는 사용자의 연구·코딩·문서화 흐름을 고려한 다양한 자동화 기능을 내장하고 있습니다. 또한, AI 모델을 “Flash” 또는 “Pro”로 즉시 전환할 수 있는 기능은 개발자나 연구자에게 매우 유용한 도구로 평가됩니다. GeminiDesk의 주요 기능 Gemini 또는 AI Studio 선택: GeminiDesk는 두 가지 모드를 제공합니다. 일반 대화 중심의 Gemini 인터페이스와 고급 프롬프트 엔지니어링을 위한 AI Studio 모드입니다. 사… --- ## [Nexus: 사용자의 입력에 따라 필요한 작업 공간을 생성하는 Desktop 기반 애플리케이션](https://discuss.pytorch.kr/t/nexus-desktop/7347)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [7월 27, 2025, 3:30오전 UTC](https://discuss.pytorch.kr/t/nexus-desktop/7347 "2025-07-27T03:30:27Z")
Nexus 소개 오늘날의 디지털 업무 환경은 수많은 웹 애플리케이션과 탭으로 넘쳐납니다. 하나의 작업을 완수하기 위해 여러 앱을 띄우고, 관련 정보를 찾기 위해 브라우저를 이리저리 오가야 하죠. 이러한 복잡한 워크플로우 속에서, 사용자 맞춤형 작업 공간을 자동으로 구성해주는 툴이 있다면 업무 효율성은 크게 향상될 수 있습니다. 바로 이러한 배경에서 등장한 것이 Nexus입니다. Nexus는 단순한 명령줄 인터페이스를 통해 사용자가 수행하려는 작업의 목적을 파악하고, 이에 최적화된 웹 애플리케이션들을 하나의 창에 자동으로 구성해주는 데스크탑 도구입니다. 사용자는 “도쿄 여행 계획하기”, “비트코인 추적”, “슬라이드 작성 후 이메일 발송”처럼 자연어로 명령을 입력하면, Nexus가 이에 맞는 환경을 자동으로 셋업해줍니다. 이 도구는 React, TypeScript, Electron 기반으로 개발되었으며, AI 엔진으로는 Anthropic의 Claude API를 활용하고 있습니다. 사용자의 명령을 이해하고 이에 적합한 앱을 구성하는 데 있어 AI 기술이 핵심 역할을 합니다. 특히 다중 창 관리의 번거로움을 해소하고, 매번 반복되는 앱 배치와 메뉴 탐색의 수고를 줄여준다는 점에서 눈여겨볼 만합니다. Nexus는 전통적인 생산성 툴이나 브라우저 기반 작업공간 구성 서비스들과 차별화된 기능을 갖고 있습니다. 예를 들어, Notion이나 Trello, Slack 같은 앱은 각각의 역할에 특화되어 있지만, 사용자에게 최적화된 조합이나 구성은 수작업으로 이루어져야 합니다. 반면, Nexus는 사용자의 목적을 이해한 뒤, 자동으로 관련 앱들을 적절히 배치하고 필요한 정보를 사전 필터링하여 보여줍니다. 또한 기존의 ‘command launcher’ 도구들인 Raycast, Alfred 등은 로컬 애플리케이션 실행이나 검색 중심인 반면, Nexus는 웹 기반 업무에 특화된 조합형 작업공간을 구성해줍니다. Electron 기반이므로 데스크탑 환경에 최… --- ## [NeuralAgent: 데스크톱에서 다양한 App들을 조작하며 작업을 완결적으로 처리하는 AI 에이전트](https://discuss.pytorch.kr/t/neuralagent-app-ai/7342)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [7월 26, 2025, 3:30오전 UTC](https://discuss.pytorch.kr/t/neuralagent-app-ai/7342 "2025-07-26T03:30:17Z")
NeuralAgent 소개 NeuralAgent는 데스크톱 환경에서 실제로 작동하는 인공지능 에이전트로, 단순한 대화형 인터페이스를 넘어 운영체제 수준에서 실질적인 작업을 수행하는 고도화된 자동화 솔루션입니다. 사용자는 자연어로 명령을 전달하면, NeuralAgent는 이를 해석하고 실제 사람처럼 마우스를 클릭하거나 키보드를 입력하며, 웹사이트를 탐색하고 애플리케이션을 실행하는 등 다양한 업무를 자동으로 수행합니다. 이러한 기능은 특히 반복적인 브라우저 기반 작업이나 서류 작성, 정보 검색 등의 업무에서 높은 효율성을 발휘합니다. NeuralAgent의 가장 큰 특징은 로컬 환경에서 직접 실행된다는 점입니다. 많은 인공지능 도구들이 클라우드 기반으로 작동하는 반면, NeuralAgent는 사용자의 로컬 데스크톱에서 직접 마우스와 키보드를 조작하며 UI 상의 요소를 인식하고 행동합니다. 이는 높은 반응성과 개인정보 보호 측면에서 상당한 이점을 제공합니다. 특히 기업이나 민감한 데이터를 다루는 환경에서 AI를 안전하게 활용할 수 있는 가능성을 제시합니다. 또한 NeuralAgent는 단일 기능에 그치지 않고 다양한 구성요소를 갖춘 통합형 플랫폼입니다. Electron 기반의 데스크톱 애플리케이션, FastAPI 기반의 백엔드 서버, React로 구성된 프론트엔드, 그리고 pyautogui를 활용한 데스크톱 자동화 모듈이 유기적으로 연결되어 있어, 전체 시스템의 확장성과 유지보수가 용이한 구조를 자랑합니다. 사용자 입장에서는 복잡한 코딩 없이도 AI 기반 데스크톱 자동화를 구현할 수 있으며, 개발자 입장에서는 구성요소 단위로 기능을 확장하거나 수정할 수 있는 유연성이 제공됩니다. 기술 구성 및 주요 기능 NeuralAgent의 기술적 기반은 다양한 오픈소스 기술의 조합 위에 구축되어 있습니다. 자동화의 핵심은 Python의 pyautogui 라이브러리를 통해 구현되며, 이를 통해 실제 마우스 이동, 클릭, 키보드 입력 등 사람이 직접 수행하던 데스크톱… --- ## [Notate, 다양한 LLM과 OS를 지원하는 Desktop Application](https://discuss.pytorch.kr/t/notate-llm-os-desktop-application/6001)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [1월 31, 2025, 9:00오전 UTC](https://discuss.pytorch.kr/t/notate-llm-os-desktop-application/6001 "2025-01-31T09:00:11Z")
Notate 소개 Notate는 다양한 AI 모델을 지원하는 강력한 챗 애플리케이션으로, OpenAI, Anthropic, Google 등 여러 AI 제공업체와 연동할 수 있습니다. 또한 로컬에서 AI 모델을 실행할 수도 있어, 클라우드 종속성을 줄이면서도 강력한 AI 기능을 활용할 수 있습니다. 특히 RAG(검색 증강 생성) 기능을 내장하고 있어 문서 기반 Q&A도 가능하며, AI 개발자를 위한 API 지원도 포함되어 있습니다. Notate는 사용자가 직접 AI 모델을 선택할 수 있으며, 필요한 경우 클라우드 API를 활용할 수도 있습니다. 즉, 클라우드와 로컬 AI 환경을 유연하게 오갈 수 있는 챗봇 솔루션입니다. 여러 엔터프라이즈급 기능을 제공하면서도 직관적인 UI를 갖추고 있으며, 다양한 AI 모델을 지원하는 점이 특징입니다. Notate의 가장 큰 차별점은 다중 AI 모델 지원 및 로컬 실행 가능 여부입니다. 예를 들어, ChatGPT는 OpenAI API만 사용할 수 있지만, Notate는 OpenAI뿐만 아니라 Anthropic(Claude), Google, XAI, OpenRouter, DeepSeek 등 다양한 AI 엔진과 연동할 수 있습니다. 또한 GPT4All 같은 로컬 AI 모델처럼 인터넷 없이 AI를 활용할 수도 있어, 데이터 프라이버시가 중요한 환경에서도 유용하게 활용할 수 있습니다. Notate의 주요 기능 :robot: 다중 AI 모델 지원: OpenAI, Anthropic, Google, XAI, OpenRouter, DeepSeek 등 다양한 AI API 연동 :house: 로컬 실행 지원: llamacpp, transformers, ollama 등의 로컬 AI 모델을 활용한 오프라인 실행 :books: RAG(검색 증강 생성) 지원: ChromaDB 통합으로 문서 기반 Q&A 가능 :wrench: 유연한 설정: API 엔드포인트 설정 및 모델 최적화 옵션 제공 :bullseye: 고급 기… --- ## [Reservoirs Lab, Postgres를 위한 VectorDB GUI 및 데이터 인사이트 App 🐘✨](https://discuss.pytorch.kr/t/reservoirs-lab-postgres-vectordb-gui-app/5740)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [12월 24, 2024, 11:30오전 UTC](https://discuss.pytorch.kr/t/reservoirs-lab-postgres-vectordb-gui-app/5740 "2024-12-24T11:30:17Z")
Reservoirs Lab 소개 벡터 데이터의 시각화 및 탐색은 딥러닝 모델이 생성한 임베딩 데이터를 활용하는 많은 애플리케이션에서 중요한 요소입니다. Reservoirs Lab은 Postgres 데이터베이스에 저장된 고차원 벡터 데이터를 쉽게 시각화하고, 메타데이터와 벡터 간의 관계를 비롯한 데이터 간의 유사성을 탐구할 수 있는 도구입니다. Electron 기반으로 설계된 이 애플리케이션은 로컬에서 실행되며, 데이터 프라이버시를 보장하면서도 사용자 친화적인 인터페이스를 제공합니다. Reservoirs Lab 프로젝트는 다음과 같은 배경에서 시작되었습니다: 임베딩 데이터의 중요성: 자연어 처리(NLP), 이미지 처리, 추천 시스템 등 다양한 분야에서 딥러닝 모델이 생성한 벡터 임베딩은 데이터의 의미론적 관계를 포착하는 중요한 역할을 합니다. 시각화와 탐색의 필요성: 벡터 임베딩을 단순히 저장하는 것만으로는 한계가 있습니다. 데이터의 구조적 특성을 이해하고, 클러스터링을 시각적으로 탐색할 수 있어야 데이터를 효과적으로 활용할 수 있습니다. 개발자의 편의성: Reservoirs Lab은 설치 및 실행이 간단하며, 로컬 환경에서 모든 작업이 이루어져 데이터 프라이버시 문제를 해결합니다. 주요 기능 Postgres 데이터베이스 연결: Reservoirs Lab은 사용자가 입력한 연결 문자열(Connection String)을 사용해 Postgres 데이터베이스에 바로 연결합니다. 데이터는 원격 서버로 전송되지 않으며, 로컬 환경에서 안전하게 작업이 진행됩니다. 벡터 데이터 시각화: 고차원 벡터 데이터를 UMAP(Uniform Manifold Approximation and Projection) 알고리즘을 사용해 2차원 또는 3차원으로 축소합니다. UMAP은 벡터 간의 유사성을 유지하면서 데이터를 시각적으로 탐색할 수 있도록 돕습니다. 코사인 유사도 기반 탐색: 특정 데이터 포인트를 클릭하면 해당 포인트와 코사인 유사도(Cosine Sim… --- ## [screenpipe: 사용자 데스크톱 데이터를 위한 API 플랫폼](https://discuss.pytorch.kr/t/screenpipe-api/5680)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [12월 11, 2024, 9:15오전 UTC](https://discuss.pytorch.kr/t/screenpipe-api/5680 "2024-12-11T09:15:18Z")
screenpipe 소개 ScreenPipe는 사용자 데스크톱의 다양한 데이터를 수집하고 처리하기 위한 강력한 API 플랫폼으로, 화면 녹화, 음성 녹음, 키보드 및 마우스의 입력 제어, 카메라 데이터 등을 한 곳에서 쉽게 다룰 수 있습니다. Rust 기반의 안전한 환경에서 JavaScript 플러그인을 실행할 수 있는 시스템을 제공하며, 다양한 플랫폼을 지원합니다. 특히, 플러그인 시스템(“pipe”)을 통해 외부 JavaScript 코드가 Rust로 작성된 샌드박스 환경에서 실행됩니다. 이 시스템은 개발자들이 자신만의 기능을 추가하거나 데이터를 처리하는 데 유용합니다. 플랫폼 간 지원 및 설치가 간단하며, 개발자들에게 많은 가능성을 열어줍니다. ScreenPipe는 최근 GitHub 트렌딩 프로젝트에 여러 차례 선정되었으며, Windows와 macOS를 위한 OCR 기능도 출시한 바 있습니다. ScreenPipe는 기존 데이터 캡처 도구와 비교하여 다음과 같은 차별성을 가집니다: 플랫폼 독립성: macOS, Windows, Linux를 모두 지원하여 다양한 환경에서 사용 가능합니다. 플러그인 시스템: 샌드박스 처리로 보안성을 유지하며, JavaScript로 플러그인을 개발할 수 있어 확장성이 뛰어납니다. 통합성: 화면, 음성, 카메라, 키보드, 마우스 데이터 등 다양한 입력을 한 곳에서 처리 가능. 간단한 설치: Homebrew 및 PowerShell을 통해 간단히 설치할 수 있어 접근성이 좋습니다. screenpipe의 주요 기능 https://screenpi.pe/engineer\_demo\_studio.mp4 데스크톱 데이터 통합 캡처: 화면, 음성, 카메라, 키보드, 마우스 입력 데이터를 동시에 처리 가능. 플러그인 기반 확장성: “pipe”라는 플러그인 시스템을 제공하여 추가 기능 개발 가능. Rust 기반의 보안 샌드박스: 외부 코드 실행을 안전하게 처리. 간편한 설치: brew inst… --- ## [Nyro, 데스크탑용 AI 기반 생산성 도구 (feat. 오픈소스)](https://discuss.pytorch.kr/t/nyro-ai-feat/5004)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [8월 9, 2024, 6:18오전 UTC](https://discuss.pytorch.kr/t/nyro-ai-feat/5004 "2024-08-09T06:18:10Z")
Nyro 소개 Nyro는 데스크탑 환경에서 직접 AI와 상호작용할 수 있도록 도와주는 생산성 도구입니다. 주목할 점은 이 도구가 오픈 소스로 제공되어 누구나 접근하고 개선할 수 있다는 것입니다. Nyro는 기존 작업 흐름에 자연스럽게 통합되어 일상적인 작업을 보다 효율적으로 처리할 수 있게 도와줍니다. 스크린샷을 캡처하고 AI 분석을 받거나, 여러 애플리케이션을 넘나들며 작업을 처리하는 등 다양한 기능을 제공합니다. 또한, 사용자의 작업을 더욱 체계적으로 관리할 수 있는 워크스페이스 기능을 지원합니다. 또한, Nyro는 일반적인 AI 도구들과 달리, 운영 체제와 직접 통합되어 데스크탑 환경에서 사용자가 AI와 자연스럽게 상호작용할 수 있도록 설계되었습니다. 예를 들어, 챗봇이나 웹 기반의 AI 도구들은 웹 브라우저를 통해서만 접근할 수 있는 반면, Nyro는 데스크탑에서 바로 사용할 수 있어 접근성이 뛰어납니다. 또한, Supabase와 같은 백엔드를 지원하여 데이터 보안과 스토리지 문제를 개선했습니다. Nyro의 주요 기능 :rocket: :desktop\_computer: 운영 체제 통합: 데스크탑 환경에서 직접 AI와 상호작용 가능 :camera\_with\_flash: 스크린샷 캡처 및 분석: 이미지 캡처 후 AI 분석 :building\_construction: 워크스페이스 생성: 체계적인 채팅 관리 :brain: 멀티태스킹 지원: 글쓰기, 연구, 분석, 문제 해결에 AI의 도움 :counterclockwise\_arrows\_button: 크로스 애플리케이션 기능: 다양한 애플리케이션과 브라우저 탭에서 작동 :handshake: 자연스러운 상호작용: 기존 업무 방식에 자연스럽게 녹아들도록 설계 :rocket: 생산성 향상: 작업 흐름을 간소화하고 업무 능률을 높임 라이선스 Nyro는 Nyro License로 공개 및 배포되고 있습니다. 상업적 사용, 판매 등은 Nyro의 승인을 받으셔야 하며 자세한 내용은 라이선스 원문을 참고해주세요. …