Ambiente de trabalho unificado de código aberto para delegar projetos e executar agentes de IA.
Delegue projetos inteiros para modelos e agentes de código aberto intercambiáveis com cofres de dados seguros.
O MindsHub Cowork é um superprojeto de plataforma de código aberto que combina um aplicativo de desktop e web, backends de agentes e um mecanismo de dados. Ele é ideal para cientistas de dados e profissionais que desejam automatizar fluxos de trabalho em várias etapas usando fontes de dados conectadas.
Ele conecta cofres de dados seguros como BigQuery, Postgres e Notion a um roteador de modelos que suporta modelos de fronteira e de código aberto. Você pode executar agentes abertos intercambiáveis, como Anton e Hermes, transformando suas saídas em artefatos web publicados.
É adequado para profissionais de dados e estrategistas que desejam orquestrar modelos abertos em seus próprios dados sem dependência de fornecedor (vendor lock-in). Não é adequado para desenvolvedores que procuram frameworks de treinamento de machine learning de baixo nível ou interfaces de chat básicas.
Vincula sistemas como BigQuery e Postgres, mantendo credenciais brutas ocultas dos agentes.
Alterne entre modelos de fronteira e de código aberto sem configurar chaves individuais de provedores.
Execute chicotes de agentes intercambiáveis, incluindo Anton e Hermes, diretamente a partir de um menu suspenso.
Transforme saídas brutas de agentes em documentos, painéis e aplicativos ao vivo com URLs compartilháveis.
Gratuito para começar sob a licença MIT, com um nível Pro disponível que adiciona acesso a todos os modelos de fronteira e artefatos privados.
877 vagas remotas abertas de treinamento de IA, atualizadas em 16 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.
Sim, você pode configurar as chaves do provedor através do tempo de execução local armazenado no seu diretório de usuário.
Você pode configurar ramificações em um arquivo dev.env e executar make use para alterná-las entre os submódulos.
O comando make flush remove os tempos de execução locais e os bancos de dados de estado do aplicativo para um recomeço completamente limpo.
Veja o Zekai primeiro no Google