Plataforma de IA

Lavc Systems

Plataforma local de orquestación de IA multiagente con RAG, Kanban gestión de tareas, objetivos autónomos y observabilidad en tiempo real.

Lavc Systems panel de operaciones que muestra agentes de IA locales, estado de tareas y señales de observabilidad
Panel de operaciones para agentes locales de IA, tareas autónomas, estado del sistema y observabilidad en tiempo real.
Lavc Systems gráfico de orquestación de agentes con nodos de flujo de trabajo de múltiples agentes y rutas de ejecución
Gráfico de orquestación de agentes que muestra cómo el coordinador, los agentes especializados, la memoria y las herramientas se mueven a través de un flujo de trabajo.
Lavc Systems panel de métricas de control para LLM tiempo de ejecución, memoria, programador y estado de ejecución local
Las métricas de control hacen visibles el tiempo de ejecución local LLM, el estado del programador, el uso de la memoria y las señales de ejecución.

Proyecto Leer más

Lavc Systems

backend Interfaz LLM Orquestación RAG

Lavc Systems es una plataforma web/de escritorio local para orquestar agentes de IA, gestionar la automatización corporativa, almacenar conocimientos RAG y rastrear el trabajo operativo a través de una interfaz Kanban. El sistema ejecuta un FastAPI backend, un React/Vita frontend y un conjunto de agentes locales conectados a Ollama — todo en su propia máquina, sin necesidad de servicio de IA externo.

backendFastAPI, Python 3.14, Uvicorn
InterfazReact 18, TypeScript, Tailwind CSS, Vite
EstadoZustand
LLM Tiempo de ejecuciónOllama · predeterminado qwen2.5-coder:7b
OrquestaciónLangGraph · cola multiagente
RAG y memoriaChromaDB · Incrustaciones de HuggingFace · HybridMemory
Base de datosSQLite, SQLAlquimia
en tiempo realWebSocket
ProgramadorAPScheduler + planificador.db
SeguridadUsuarios, empresas, registro de auditoría, bóveda local, ámbitos

Arquitectura del sistema

La plataforma separa las preocupaciones en cuatro capas de ejecución: la interfaz React orientada al usuario, el backend FastAPI con enrutadores modulares, la capa de orquestación de múltiples agentes y la capa de datos que cubre SQLite, ChromaDB y el almacenamiento de archivos local.

React Interfaz (Vite) → FastAPI Enrutadores → Cola de tareas
Agente Coordinador → LangGraph Tubería → Agentes Especialistas
HybridMemory + ChromaDB → Ollama (local LLM) → Eventos WebSocket → UI

Flujo operativo

El usuario crea una tarea. → Kanban + cola → El coordinador elige el oleoducto
Los agentes usan memoria, RAG y herramientas. → Registros + artefactos en el detalle de la tarea
Seguimiento operativo → Auditable: intención/contexto/acción/siguiente paso

Módulos de interfaz

PantallaPropósito
OperaciónKanban, Programador y Objetivos: tareas, trabajos recurrentes y metas priorizadas.
controlarPanel ejecutivo, estado del sistema, recursos, registros, seguimientos y ejecución.
conocimientoRAG documentos, aprendizaje continuo, memorias, habilidades y estrategias.
AgentesAgent Graph (principal), Agent Studio y Workflow para editar y diseñar flujos.
HerramientasComplementos, APIs y registro de herramientas disponibles para los agentes.
ConfiguraciónModelos, parámetros de tiempo de ejecución y preferencias del sistema.

Lista de agentes predeterminada

TipoRol
coordinatorPlanifica, decide pipeline, delega.
analystAnaliza datos, documentos y contexto.
programmerImplementa y ajusta código.
executorEjecuta comandos, scripts y validaciones.
documenterProduce documentación y artefactos textuales.
reviewerRevisa la calidad, consistencia y resultado final.
specialist:*Especialistas de dominio creados en Agent Studio.

RAG y Conocimiento

La pantalla Conocimiento agrupa toda la gestión del conocimiento en un solo lugar:

  • RAG Documentos: carga, edición de texto, metadatos, eliminación y reindexación.
  • Aprendizaje Continuo: experiencias, habilidades, estrategias y recuerdos.
  • Memoria híbrida: SQLite para registros estructurados y ChromaDB para búsqueda semántica.
  • Artefactos de tareas: los resultados y archivos generados pueden retroalimentarse a la base de conocimientos interna.

Skyler Dentro de Lavc Systems

Skyler es el asistente de IA flotante integrado en el sistema. En Lavc Systems, Skyler opera a un nivel significativamente más avanzado que la versión pública del portafolio: puede consultar el estado del sistema, leer datos de tareas, crear y ejecutar tareas, leer archivos cargados, guardar API credenciales en la bóveda local y mostrar un seguimiento operativo auditable para cada respuesta. El sistema no registra el razonamiento del modelo en bruto; lo que aparece es un resumen estructurado: intención detectada, contexto consultado, herramienta o acción utilizada y siguiente paso.

El Skyler público del portafolio en /asistente-skyler/ es una versión más ligera implementada en la nube destinada a visitantes externos. Lavc Systems Skyler se ejecuta localmente, tiene acceso a datos internos y participa directamente en el ciclo de orquestación de tareas.

Endpoints principales API

MétodoRutaDescripción
OBTENER/POST/api/tasksEnumerar o crear tareas.
POST/api/tasks/{id}/executeEjecución en cola.
OBTENER/api/tasks/{id}/logsRegistros y seguimientos operativos.
OBTENER/POST/api/tasks/{id}/messagesChat de tareas persistente.
OBTENER/api/agentsAgentes registrados.
OBTENER/POST/api/documentsRAG documentos.
POST/api/documents/uploadSubir e indexar.
OBTENER/POST/api/scheduler/jobsTrabajos programados.
OBTENER/POST/api/objectives/goalsMetas autónomas.
POST/api/assistant/chatSkyler endpoint.
WS/wsEventos en tiempo real.

Estructura del proyecto

vale-develop-analytics-2026/
  backend/
    agents/          # LangGraph pipelines and multi-agent orchestration
    app/             # global subsystem state
    auth/            # users, companies and authentication
    knowledge/       # graph, semantic index and solution library
    learning/        # experiences, strategies, skills and prompt optimizer
    memory/          # HybridMemory
    objectives/      # GoalEngine, priority and autonomous scheduler
    observability/   # traces, metrics and execution
    routers/         # modular endpoints
    scheduler/       # scheduled jobs
    tools/           # registry, tools and Graphify
    main.py          # FastAPI entry point
    ws.py            # WebSocket
  frontend/
    src/
      components/    # shared UI, graph, workflow, chat
      hooks/         # WebSocket and Agent Graph runtime
      pages/         # app screens
      store/         # Zustand stores
      types/         # TypeScript types
  plugins/           # local plugins
  data/              # databases, logs, uploads, vectors and local artefacts

Ejecutando localmente

Ventanas:

start.bat

Linux/macOS:

./start.sh
  • Interfaz: http://localhost:5173
  • Parte trasera: http://localhost:8000
Abrir Skyler Assistant (Versión de portafolio)