Come funziona holaOS e perché è più comodo per lavorare con più agenti AI
Ogni nuovo strumento AI sembra un assistente perfetto nei video dimostrativi, ma in realtà si trasforma in un altro chatbot chiuso. Lanci Claude Code nel terminale, poi apri Cursor per la modifica del codice, e per la generazione di report accedi all'interfaccia web. Il contesto va costantemente perso e le cronologie delle conversazioni rimangono sparse tra diverse schede.
holaOS ha guadagnato popolarità su GitHub. I suoi creatori l'hanno definito un computer personale per lo sviluppatore e i suoi agenti di rete neurale. In sostanza, si tratta di un ambiente desktop costruito su Electron e TypeScript che combina diversi modelli e strumenti autonomi in un'unica finestra.
Perché sostituire le chat normali con un ambiente condiviso
L'idea principale del progetto è isolare non i modelli stessi, ma il contesto e lo spazio di lavoro. Puoi passare tra Codex, Claude Code e agenti integrati direttamente durante l'esecuzione dei task. Istruzioni condivise, cronologia delle azioni e strumenti connessi rimangono accessibili a ciascuno di essi.
La memoria delle sessioni passate viene archiviata localmente come file di testo normale. Possono essere facilmente aperti in un editor familiare, modificati manualmente o salvati in un repository. Se apri l'applicazione dopo una settimana, l'agente leggerà autonomamente questi file e continuerà da dove aveva interrotto.
Pannelli interattivi, MCP e modelli
Invece di una lunga parete di testo nella finestra di dialogo, holaOS apre le applicazioni in un pannello vicino. Questa è un'area interattiva dove l'agente esegue azioni e l'utente osserva il processo.
Ecco gli elementi principali che compongono il sistema di lavoro:
- Pannelli HolaApps interattivi. Se un agente ha bisogno di lavorare con Notion, un browser o il tuo sistema operativo, apre un'interfaccia web completa accanto alla finestra di input. Puoi assumere il controllo del mouse in qualsiasi momento.
- Protocollo MCP e integrazioni pronte all'uso. Sono supportati più di 50 servizi, tra cui GitHub, Slack, Linear e Gmail. Il Model Context Protocol integrato permette di connettere server di terze parti senza scrivere wrapper.
- Browser gestito con autorizzazione. L'agente visita i siti sotto la tua sessione, clicca sui pulsanti e raccoglie dati senza chiamate API dirette.
- Output di documenti reali. Il lavoro produce file .xlsx, .pptx e .docx pronti all'uso che possono essere inviati direttamente ai clienti o ai colleghi.
Il servizio ha accesso integrato a Kimi K3, GLM 5.2, GPT 5.6 e Claude Opus 5. Per evitare dipendenza dai server del progetto, puoi abilitare la modalità BYOK e inserire le chiavi dei tuoi account OpenAI o Anthropic.
Installazione e caratteristiche tecniche
Per una configurazione rapida su macOS, Linux o WSL, gli autori hanno preparato uno script automatico:
curl -fsSL https://raw.githubusercontent.com/holaboss-ai/holaOS/refs/heads/main/scripts/install.sh | bash -s -- --launch
Se preferisci controllare l'ambiente, avrai bisogno di Git, Node.js versione 24.14.1 e npm. Il processo di avvio manuale da sorgente appare così:
npm run desktop:install
cp apps/desktop/.env.example apps/desktop/.env
npm run desktop:prepare-runtime:local
npm run desktop:typecheck
npm run desktop:dev
L'applicazione è costruita su Electron, quindi il consumo di memoria sarà conseguentemente alto. Una singola chiavetta da 8 GB potrebbe non essere sufficiente se esegui anche ambienti locali pesanti contemporaneamente.
Vale la pena rivedere la licenza separatamente. Il repository è distribuito sotto Modified Apache 2.0. Ci sono restrizioni sulla ridistribuzione commerciale e sull'uso del marchio, quindi per il deployment all'interno di un'azienda, è meglio consultare prima gli avvocati.
Consegna dei task attraverso messenger
Uno scenario interessante è l'integrazione con i messenger. Puoi connettere Telegram o Slack e inviare task all'agente dal tuo telefono. Le risposte e i file generati torneranno nello stesso dialogo. È disponibile anche la configurazione di script in background: ad esempio, raccolta di analisi mattutine da GitHub e consegna di report a un canale di lavoro.
Conclusione
Il progetto sarà utile per chi usa attivamente più assistenti di rete neurale nello sviluppo quotidiano ed è stanco di copiare manualmente il contesto.
Prova holaOS per memoria locale unificata e lavoro visivo con interfacce live. Per l'indipendenza completa dalle nuvole esterne, è meglio scegliere subito l'opzione con le tue chiavi API.
Progetti correlati