local-first / ai-ready

Ihre Arbeit hinterlässt Spuren.

YZOS verwandelt sie in Wissen, das Ihre KI nutzen kann, vollständig auf Ihrem eigenen Rechner.

09:41:02windowcom.microsoft.VSCode observe.rs

09:41:07ocr"InferenceScheduler: queue depth 3"

09:41:15clipssh-ed25519 AAAA... [redacted: credential]

09:41:23windowiterm2 cargo test --workspace

09:41:31aiclaude-code #87 "fix keyframe warn"

09:41:48windowslack #infra @mara

09:41:55clipPGVECTOR_TAG = "v0.8.3"

crystallize ->

personmaraconfidence 0.92

projectyzos-runtimelast_active 09:41

taskkeyframe ffmpeg warnstatus open

memory"cargo test green after fix"okf

$ git clone https://github.com/StringKe/yzos && cd yzos && mise run dev-install

mcp { "mcpServers": { "yzos": { "url": "http://127.0.0.1:17432/mcp" } } }

Was ist YZOS Auf GitHub ansehen

pipeline

So funktioniert es

Beobachten

Bildschirmaufzeichnung mit OCR, Zwischenablageverlauf, Mikrofontranskription und KI-Tool-Sitzungen werden passiv im Hintergrund erfasst. Sie bedienen YZOS nie direkt; es beobachtet, während Sie arbeiten.

Kristallisieren

Ein lokales LLM verdichtet rohe Spuren zu Personen, Projekten, Aufgaben und Erinnerungspunkten aus der Ich-Perspektive. Wissen lebt in einfachen Markdown-Dateien, die Sie lesen und bearbeiten können.

Bereitstellen

Claude Code, Codex und jeder MCP-Client verbinden sich mit einem lokalen HTTP-Endpunkt und fragen Ihre Aktivitäten, Entitäten, Ihr Wissen und Ihre Zwischenablage ab, mit echten Daten statt Vermutungen.

supply

MCP tools served by YZOS: what each returns and which observed data source backs it
tool	returns	source
activity
yzos_activity_summary	day digest	screen ocr
yzos_activity_sessions	session list	window focus
yzos_ai_sessions	ai tool sessions	agent logs
entity
yzos_entity_list	entities by kind	postgres
yzos_entity_get	entity detail	postgres
yzos_entity_search	ranked matches	pgvector
knowledge
yzos_knowledge_search	okf sections	okf markdown
yzos_knowledge_read	markdown source	okf markdown
clipboard
yzos_clipboard_recent	redacted history	pii model
yzos_clipboard_search	redacted matches	pii model

# Ihr KI-Assistent fragt YZOS, nicht Sie

$ claude "what was I working on this morning?"

yzos_activity_summary -> 3 Sitzungen: Fix für Cluster-Autoscaling,

Refactoring der Model Registry, PR-Review für das Auth-Modul

YZOS.app  (menu bar, single process)
|- observe      screen / clip / mic / ai
|- crystallize  llama.cpp -> entities + okf
|- postgres     ~/.yzos/pg  (pgvector)
\- http         127.0.0.1:17432  /mcp

promise

Warum YZOS

Alles bleibt lokal

Aufzeichnung, OCR, Inferenz und Speicherung laufen vollständig auf Ihrem Mac. Eingebettetes PostgreSQL, gebündeltes llama.cpp, kein Cloud-Konto, keine Telemetrie.

Fünf Modell-Slots

Reasoning, Vision, Sprache, Embedding und PII-Erkennung laufen jeweils mit einem eigenen Modell. Tauschen Sie jedes davon über den integrierten Hugging-Face-Marktplatz aus.

Privatsphäre von Haus aus

Ein dediziertes PII-Modell schwärzt Passwörter, Namen, Telefonnummern und Ausweisnummern, bevor irgendetwas gespeichert oder ausgeliefert wird.

Kostenlos und Open Source

MIT-lizenziert. Keine kostenpflichtige Stufe, keine Feature-Sperren. Bauen, betreiben, forken.

install

# 1

$ git clone https://github.com/StringKe/yzos && cd yzos

# 2

$ mise trust && mise install && mise run dev-install

# 3

$ claude mcp add --transport http yzos http://127.0.0.1:17432/mcp

ready state=observing pg=up llm=ready mcp=:17432

Was ist YZOS Auf GitHub ansehen