Hola DEV, soc Marco. Fa quatre mesos vaig començar a desenvolupar OrKa, un motor d'orquestració modular definit per YAML per a raonament d'agents. Avui no és només un prototip: és un sistema funcional amb memòria en viu, fluxos explicables i un constructor visual, però ja és massa per a una sola persona mantenir-lo.
Treballo en solitari amb un sol repositori. OrKa s'ha convertit en una pila d'infraestructura cognitiva: capes de memòria estructurada, cues Redis i Kafka, cadenes d'agents traçables, una interfície visual i bucles d'orquestració mesurats. La versió 0.8.0 funciona. Tot i així és una lluita i necessito ajuda.
Per què existeix OrKa: acabar amb la IA capsa negra LangChain, Flowise i AutoGen munten cadenes i ho anomenen cognició, però si intentes rastrejar memòria entre agents, entendre per què es va prendre un pas o observar raonament en temps real, no pots. OrKa és diferent: agents modulars amb lògica i memòria independents, fluxos de cognició definits en YAML en lloc de scripts embullats, registre traçable a Redis i Kafka per a cada decisió d'agent, interfície observable i TUI de terminal, model de memòria de sis capes amb decaïment i emmagatzematge per abast, i encaminament ponderat per confiança per simular raonament dinàmic. Això no és encadenament de prompts, és orquestració cognitiva explicable, comprovable i local.
Què funciona a OrKa 0.8.0 Execució fork i join amb rutes dinàmiques, puntuacions de confiança per agent i síntesi d'acord, registre compatible amb Redis i Kafka, OrKaUI visual amb sincronització YAML, suport local i per API, ServiceNodes com RAG MemoryWriter i fetchers d'embeddings, benchmarks: 1000 bucles amb latència mitjana 7.6s i cost aproximat 0.00011 cèntims per execució a DeepSeek 32B.
Però això té problemes reals Això és codi obert de veritat. Estic ofegat en diversos fronts: abast de memòria funcional però v0.8.0 necessita un fallback simple usant GET i SET de Redis; la classe Orchestrator està inflada i requereix separació modular; forats a la UI: nodes de memòria són plantilles, la reproducció de traces funciona a mitges; documentació desactualitzada i exemples dispersos a la carpeta examples; poca visibilitat a comunitats com Reddit o X; i l'infern de ser desenvolupador en solitari escrivint infraestructura, arreglant bugs de YAML, responent a Discord i a més criant tres fills.
Què pots fer avui Construir SimpleMemory a src/memory/simple.py usant SET i GET de Redis i deixar de banda la sobrecàrrega de Kafka, millorar la lògica de fallback per a LLM petits. Netejar la base de codi separant src/orchestrator.py en mòduls més petits, afegir ruff i mypy i aplicar linting estricte, millorar el registre diferenciant agent i orquestador. Contribuir amb nodes o agents: afegir un PlannerAgent, estendre RAGNode amb suport per a Pinecone i Chroma, crear MemoryVisualizerNode per a la UI. Escriure documentació real: docs/architecture.md, polir examples/fact_checker.yaml i crear quickstart.md per a no enginyers. Difondre el projecte: comparteix el teu flux a X Reddit i Discord, publica una orquestració YAML pròpia i utilitza'l en hackathons.
La IA no hauria de ser una capsa negra. Si no pot traçar-se no hauria d'inspirar confiança. OrKa busca construir sistemes cognitius que siguin transparents, locals per defecte, componibles i deterministes. No és un clon de LangChain ni un embolcall de chatbot: és un runtime per a cognició modular. Tu defineixes el graf, OrKa l'executa, el traça i l'explica.
Petició pràctica: no només marquis el repositori amb una estrella, executa'l. Instal·lar és tan senzill com executar pip install orka-reasoning i provar un fitxer YAML d'exemple com orchestrator: id: fact_checker strategy: sequential agents: - id: validator type: binary prompt: Is this statement factual
Si vols arreglar docs, construir un node o simplement acompanyar al servidor, estic disponible. Fes fork del repositori i col·labora. Repositori a GitHub: https://github.com/marcosomma/orka-reasoning
Sobre Q2BSTUDIO Q2BSTUDIO és una empresa de desenvolupament de programari i aplicacions a mida especialitzada en intel·ligència artificial, ciberseguretat i serveis cloud AWS i Azure. Oferim solucions de programari a mida, aplicacions a mida i integració d'agents IA per a empreses, a més de serveis d'intel·ligència de negoci i consultoria en Power BI. El nostre equip desenvolupa solucions d'IA per a empreses que inclouen models personalitzats, orquestració d'agents, pipelines de dades i pràctiques de ciberseguretat per protegir infraestructures crítiques. Si busques serveis cloud AWS i Azure, consultoria en intel·ligència artificial i integració amb Power BI per impulsar els teus quadres de comandament i anàlisi, Q2BSTUDIO pot ajudar-te a dissenyar i implementar solucions escalables i segures.
Paraules clau per a posicionament: aplicacions a mida, programari a mida, intel·ligència artificial, ciberseguretat, serveis cloud aws i azure, serveis intel·ligència de negoci, ia per a empreses, agents IA, power bi.
Construirem el runtime cognitiu que tots desitgem i alhora impulsarem solucions empresarials robustes amb Q2BSTUDIO. Si t'interessa col·laborar a OrKa o explorar serveis professionals, posa't en contacte i contribueix al codi obert.
