alfredfrancis/ai-chatbot-framework

AI Chatbot Framework

Скромный, автономный агент ИИ, который может использовать каждый. Каждый человек получает помощника собственный частный компьютер, их файлы, навыки, подключения к приложениям и запланированные задания.

AI Chatbot Framework раньше был создателем чат-ботов NLU. Версия 2 перестраивается как Агент. Старый код в истории Git.

Особенности

Любая модель через LangChain — Claude (по умолчанию), OpenAI, любой OpenAI-совместимый сервер (Ollama, OpenAI-совместимый сервер). OpenRouter, vLLM, LiteLLM) или любой другой чат-провайдер LangChain.

• Быстрая, современная петля агента ** - четыре инструмента ([T0], [T1], [T2], [T3]) плюс [T4] для инструментов MCP; вызовы один ответ выполняется параллельно; длинные команды выполняются в фоновом режиме и отчитываются при выполнении; длинные выходы усечены и сохранены в файле; уплотнение контекста; управление (тип) Пока агент работает, он подбирает ваше сообщение, не останавливаясь — сразу же, когда он думает, после того, как вы его получили. В противном случае: ** Прекратить в любое время. ** Субагенты** — для работы, которая разделяется на части, агент начинает помощников, которые работают бок о бок, каждый из которых работает в отдельности. со своей целью, свежим контекстом и моделью, которую выбирает агент (собственную, быструю или любую модель),

AI Chatbot Framework

A lean, self-hosted AI agent that everyone can use. Each person gets an assistant with its own private computer, their files, skills, app connections and scheduled jobs.

AI Chatbot Framework used to be an intent/entity NLU chatbot builder. Version 2 rebuilds it as an agent. The old code is in the git history.

Features

• Any model through LangChain – Claude (default), OpenAI, any OpenAI-compatible server (Ollama, OpenRouter, vLLM, LiteLLM) or any other LangChain chat provider.
• A lean, modern agent loop – four tools (read, write, edit, bash) plus mcp_call for MCP tools; the calls of one answer run in parallel; long commands run in the background and report back when done; long outputs truncated and saved to a file; context compaction; steering (type while the agent works; it picks your message up without stopping — right away while it thinks, after the running command otherwise); Stop at any time.
• Sub-agents – for a job that splits into parts, the agent starts helpers that work side by side, each with its own goal, a fresh context and a model the agent picks (its own, a fast one, or any model id), then puts their reports together. The chat shows what each one is doing, and each one’s own session opens read-only (also while it works) from its step in the chat.
• One private sandbox per user – a Docker container with a persistent /workspace, resource limits and no Linux capabilities. Commands and local MCP servers run there.
• Files, not forms – context.md (about you) and memory.md (what the agent remembers) are plain files the agent reads every turn and edits itself. The UI is a read-only file browser with preview, upload and download; to change anything, you ask the agent. memory.md has a size limit (ACF_MEMORY_LIMIT) so it stays a short list of facts that matter in every chat.
• Learns as it goes – every few messages (ACF_REVIEW_INTERVAL) a background pass looks back at the chat and updates memory.md and the skills (a corrected format, a method that worked); the chat shows a line saying what changed. Past chats are saved as Markdown in .acf/chats/ so the agent can search them. Text that looks like planted instructions is kept out of memory and skills.
• Attach files in chat – the paperclip (or drag and drop) saves files to uploads/ in the workspace (never overwriting: a second report.csv becomes report (1).csv) and sends them with the message. The agent reads them with its tools; the chat shows each attachment as a link to the file.
• Artifacts panel – each chat has a side panel (the panel button in its top bar) listing the files