local-first / ai-ready

Tu trabajo deja huellas.

YZOS las convierte en conocimiento que tu IA puede usar, todo en tu propia máquina.

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" } } }

Qué es YZOS Ver en GitHub

pipeline

Cómo funciona

Observar

Grabación de pantalla con OCR, historial de portapapeles, transcripción de micrófono y sesiones de herramientas de IA se capturan de forma pasiva en segundo plano. Nunca operas YZOS directamente: observa mientras trabajas.

Cristalizar

Un LLM local condensa las trazas en bruto en personas, proyectos, tareas y puntos de memoria en primera persona. El conocimiento vive en archivos Markdown planos que puedes leer y editar.

Suministrar

Claude Code, Codex y cualquier cliente MCP se conectan a un endpoint HTTP local y consultan tu actividad, entidades, conocimiento y portapapeles, con datos reales en lugar de suposiciones.

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

# Tu asistente de IA le pregunta a YZOS, no a ti

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

yzos_activity_summary -> 3 sesiones: fix de autoescalado del cluster,

refactor del registro de modelos, revisión de PR del módulo de auth

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

Por qué YZOS

Todo permanece local

Grabación, OCR, inferencia y almacenamiento se ejecutan en tu Mac. PostgreSQL embebido, llama.cpp incluido, sin cuenta en la nube, sin telemetría.

Cinco slots de modelos

Razonamiento, visión, voz, embeddings y detección de PII ejecutan cada uno su propio modelo. Cambia cualquiera de ellos desde el marketplace integrado de Hugging Face.

Privacidad por defecto

Un modelo dedicado de PII redacta contraseñas, nombres, números de teléfono y números de identificación antes de que nada se almacene o se sirva.

Gratuito y de código abierto

Licencia MIT. Sin plan de pago, sin funciones bloqueadas. Constrúyelo, ejecútalo, haz tu propio fork.

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

Qué es YZOS Ver en GitHub