Skip to content
Stork.AIstork.ai

OpenJarvis

OpenJarvis v1.0 ist ein Open-Source-Framework zum Erstellen persönlicher AI agents, die auf Ihrer eigenen Hardware laufen, mit integrierter Ollama-Unterstützung.

Freemium · macOS, Windows, Linux · API

OpenJarvis kurz gesagt

Es ist ein Open-Source-Framework für private, kostengünstige KI-Agenten, erfordert aber technische Einrichtung und ausreichende lokale Rechenleistung.

Was ist OpenJarvis?

OpenJarvis ist ein Open-Source-Framework, das von Stanford's Hazy Research und Scaling Intelligence labs entwickelt wurde und es developers, software engineers und power users ermöglicht, persönliche AI agents auf ihrer eigenen Hardware zu erstellen und auszuführen. Es priorisiert privacy, efficiency und local control gegenüber cloud-based solutions, mit integrierter Ollama-Unterstützung. Dieses Framework fungiert als local-first personal AI solution, das Benutzern erlaubt, AI agents direkt auf ihren Geräten (macOS, Windows, Linux) auszuführen, ohne auf externe cloud servers angewiesen zu sein. Diese Architektur adressiert Bedenken hinsichtlich latency, recurring operational costs und data exposure, die oft mit der Nutzung von cloud APIs verbunden sind. OpenJarvis zielt darauf ab, einen robusten software stack für on-device AI bereitzustellen, der eine breite Palette von Anwendungen unterstützt, von personal productivity bis hin zu komplexen research und coding tasks.

Hauptmerkmale von OpenJarvis

OpenJarvis bietet eine umfassende Reihe von Funktionen, die für den Aufbau und die Bereitstellung von local-first personal AI agents entwickelt wurden, wobei privacy, efficiency und user control im Vordergrund stehen.

  • Open-Source-Framework, das unter der Apache 2.0 license veröffentlicht wurde und Transparenz sowie customizability gewährleistet.
  • On-device execution capabilities auf macOS, Windows und Linux Hardware, wodurch die Abhängigkeit von cloud servers entfällt.
  • Integrierte Unterstützung für Ollama, die eine einfache Integration und Verwaltung von lokalen large language models (LLMs) ermöglicht.
  • Automatisierte Generierung von morning briefings aus integrierten Kalender-, E-Mail- und Nachrichtenquellen.
  • Erstellung lokaler knowledge base und research functionalities, die es agents ermöglichen, research über benutzerdefinierte Dateien und Dokumente durchzuführen.
  • Funktionalität als lokaler coding agent, der Aufgaben wie project scaffolding, code generation und debugging unterstützt.
  • Verwaltung und Zusammenfassung von Beschwerden oder long-horizon workflows mit continuous monitoring capabilities.
  • Unterstützung für multi-step agentic tasks, einschließlich code review, web research und document processing pipelines, mit einem cron-based scheduler.
  • Device control capabilities, die natural language commands für system operations wie das Öffnen von Anwendungen, Verwalten von Fenstern, media control, file management, browser control und screen reading ermöglichen.
  • Messaging integration, die die Interaktion mit OpenJarvis agents über Plattformen wie iMessage, Telegram und WhatsApp ermöglicht.
  • Efficiency-aware evaluation, die wichtige Metriken wie Energieverbrauch (über NVIDIA, AMD GPUs und Apple Silicon), FLOPs, latency und dollar cost verfolgt.
  • Hybrid local-cloud query routing, das die Schwierigkeit von queries klassifiziert, um die optimale Ausführung zwischen local processing und cloud APIs zu bestimmen.

Wer sollte OpenJarvis nutzen?

OpenJarvis wurde für spezifische Benutzergruppen und Organisationen entwickelt, die local control, data privacy und customizability bei ihren AI agent deployments priorisieren.

  • Developers und Software Engineers: Zum Erstellen, Anpassen und Integrieren persönlicher AI agents in ihre development workflows, unter Nutzung des Open-Source-Frameworks.
  • Power Users & Creators: Zur Automatisierung persönlicher AI tasks wie email triage, daily digests und scheduled summaries, um sicherzustellen, dass diese operations lokal ohne cloud dependencies ausgeführt werden.
  • Founders und Forward Deployed Engineers: Für rapid prototyping und deployment von AI solutions in Umgebungen, in denen data sensitivity oder spezifische hardware constraints vorhanden sind.
  • Unternehmen mit sensiblen persönlichen Daten: Zur lokalen Verarbeitung und Verwaltung von confidential information, wodurch data privacy, security und compliance verbessert werden.
  • Benutzer, die local-first personal AI solutions suchen: Für Einzelpersonen und Organisationen, die privacy, efficiency und direct control über ihre AI agents priorisieren und die Abhängigkeit von externen cloud APIs reduzieren möchten.

OpenJarvis Preise & Pläne

OpenJarvis basiert auf einem freemium business model. Das core framework ist open-source und unter der Apache 2.0 license verfügbar, wodurch Benutzer persönliche AI agents auf ihrer eigenen Hardware ohne direkte Kosten bereitstellen und ausführen können. Während die foundational software kostenlos genutzt und modifiziert werden kann, deutet die 'freemium'-Bezeichnung darauf hin, dass zukünftige oder supplementary services, advanced features oder enterprise-level support möglicherweise kostenpflichtig angeboten werden könnten. Spezifische pricing tiers oder subscription plans für solche potenziellen Angebote wurden zum Zeitpunkt der v1.0 release noch nicht detailliert.

Vorteile

  • Prioritizes privacy and data security through on-device execution of AI agents.
  • Significantly reduces marginal API costs (approximately 800x lower) and latency (approximately 4x lower) for agentic workloads compared to cloud models.
  • Open-source framework allows for deep customization, inspection, and modification by developers.
  • Built-in Ollama support simplifies the setup and management of local large language models.
  • Modular five-primitive architecture promotes clean code and extensibility for AI system development.
  • LLM-guided spec search optimizes local model performance to achieve results within 3.2 percentage points of cloud models.

Nachteile

  • Requires technical comfort and setup for deployment and customization, making it less suitable as a plug-and-play end-user product.
  • Performance is dependent on local hardware capabilities, with complex agent workflows potentially slow on less powerful machines.
  • The Windows experience is noted as 'second-class' compared to WSL2 for optimal performance.
  • While offering cloud usage tiers, the primary benefit is local execution, which might not suit users without adequate local compute resources.
  • As a framework, users need to actively build and configure agents rather than utilizing pre-built, ready-to-use solutions.

OpenJarvis vs. Wettbewerber

OpenJarvis positioniert sich als local-first Alternative zu cloud-dependent AI services und unterscheidet sich durch sein umfassendes framework für on-device agent building und efficiency tracking. Es konkurriert mit anderen lokalen AI und agent development platforms:

OpenJarvis

Freemium · macOS, Windows, Linux · API

OpenJarvis besuchen

Gefällt Ihnen der Artikel? Erhalten Sie jeden Morgen einen wie diesen per E-Mail.

eine E-Mail pro Tag · Abmeldung mit zwei Klicks · kein Tracking durch Dritte

𝕏
X / Twittertwitter.com/ollama