Превратите идею проекта в спецификацию, реализацию и проверенную результат. Сиеста берет у тебя интервью, разбивает работу на вопросы, запускает агентов по кодированию, и записывает решения и доказательства, необходимые для проверки их работы.

Он предназначен для небольших приложений, которые работают на вашем компьютере. сгенерированный Код все еще нуждается в вашем обзоре перед использованием.

Как это работает

Оркестр — Python: python3 -m pipeline. Выберите настроенную роль и вызывает агента кодирования Пи, который подключается к Ollama и предоставляет рабочий файл и инструменты оболочки. Рецензент использует роль работника; доверенное лицо утверждения и учащийся используют Роль консультанта.

| Роль | Работа | Модель по умолчанию [править править код] Интервью, спецификация, план выпуска | glm-5.2:cloud | Работник | Реализация, пересмотр кода, проверка | gemma4:31b-cloud Консультант | Советы, одобрение прокси, обучение | glm-5.2:cloud

Модели выбираются явно в [4]. Автоматического выбора модели не существует. Python печатает реальные задания В стартапе.

** Модели по умолчанию работают на Ollama Cloud.** Местный демон Олама действует как их прокси. Чтобы сделать вывод полностью на вашей собственной машине, следуйте

Siesta 💤

Turn a project idea into a specification, an implementation and a verified result. Siesta interviews you, breaks the work into issues, runs coding agents, and records the decisions and evidence needed to inspect their work.

It is designed for small applications that run on your computer. Generated code still needs your review before use.

How it works

flowchart LR
    Idea --> Interview --> Spec --> Plan
    Plan --> Worker
    Worker --> Review --> Verify --> Result
    Worker --> Consultant --> Worker
    Worker --> Learning
    Result --> Learning
    Learning --> KB
    KB --> Spec
    KB --> Worker

The orchestrator is Python: python3 -m pipeline. It selects a configured role and invokes the Pi coding agent, which connects to Ollama and provides the worker’s file and shell tools. The reviewer uses the worker role; the approval proxy and learner use the consultant role.

Models are selected explicitly in factory/config/models.json. There is no automatic model selection. Python prints the actual assignments at startup.

The default models run on Ollama Cloud. The local Ollama daemon acts as their proxy. For inference entirely on your own machine, follow the local Ollama guide, including the native tool probe and served-context check.

Installation

Requirements: Python 3.10+, Git, Bash, Node.js supported by Pi, and a running Ollama installation. Run these commands from the cloned repository root:

python3 -m venv .venv
source .venv/bin/activate
python -m pip install pytest
npm install -g --ignore-scripts @earendil-works/pi-coding-agent
ollama list
pi --help

The Python orchestrator uses the standard library. Keep pytest available in the active environment for generated Python projects and the regression suite. All 15 agent skills are included in the repository.

Git must be configured to create commits with your chosen public attribution. Generated projects have their own Git repositories.

Configure access to the selected models before starting. Cloud routing requires Ollama Cloud access; local routing uses the isolated Ollama profile. Register each model in Pi with its actual served context window.

Usage

Start an interview:

./factory/bin/siesta.sh 'Build a small Python CLI timer with tests'

For an already detailed request, skip the interview:

./factory/bin/siesta.sh --auto 'Build a Python CLI that adds two integers, with pytest tests in every issue'

Resume with the same idea and model profile: