Repolode
Enviar
inferstep

inferstep/ATLAS

Agente de programación local y autohospedado que añade planificación, puntuación de candidatos, pruebas en sandbox y reparación a modelos GGUF abiertos y compactos.

Alternativa open source a:GitHub CopilotCursor

Ver en GitHubSitio web
Estrellas
2,111
Forks
201
Issues abiertos
117
Último commit
ayer

¿Qué es?

ATLAS es un agente de programación local diseñado para sacar más partido a los modelos abiertos compactos. En vez de depender de una sola generación, envuelve el modelo en una canalización de varias fases: planifica el cambio, genera varios candidatos diversos, los puntúa con un modelo de calidad aprendido que utiliza los embeddings del propio modelo, los ejecuta en un sandbox aislado para compilar y probar, y corrige los fallos antes de aceptar un cambio. Se ejecuta en tu propio hardware y no requiere una API de modelos alojada ni tarifas por token.

El sistema consta de una interfaz de terminal (atlas-tui), un ciclo de agente en Go (atlas-proxy) que enruta llamadas a herramientas y aplica restricciones gramaticales a la salida, la canalización de generación V3, un componente de puntuación Geometric Lens, un sandbox para ejecutar código en varios lenguajes y llama-server para la inferencia local. Es compatible con GPU NVIDIA CUDA, AMD ROCm, Apple Silicon Metal y Vulkan, y el script de inicialización configura los contenedores Docker, los pesos del modelo y el resto del sistema.

Sus autores etiquetan el proyecto como experimental. El README enumera carencias conocidas en la verificación, incluidos casos en los que un candidato con errores puede guardarse como verificado; por eso, el código generado debe revisarse y probarse antes de usarlo.

Funciones clave

  • 01Inferencia local en GPU de consumo (NVIDIA, AMD, Apple Silicon y Vulkan), sin necesidad de una API alojada
  • 02Planificación y generación de varios candidatos, seguida de una puntuación para seleccionar el mejor
  • 03Compilación y ejecución de pruebas en un sandbox para varios lenguajes antes de aceptar cambios
  • 04Ciclos de reparación que corrigen el código tras una verificación fallida
  • 05Interfaz de terminal con comandos slash para añadir archivos, ver diferencias, hacer commits y ejecutar comandos
  • 06Decodificación con restricciones gramaticales para mantener la salida del modelo en los formatos JSON esperados

Casos de uso

  • Ejecutar un asistente de programación en tu propio equipo cuando el contenido del repositorio debe permanecer local
  • Realizar cambios de código estructurales o en varios archivos con un modelo abierto compacto y pruebas automatizadas
  • Experimentar con la orquestación de agentes alrededor de un modelo GGUF autohospedado
  • Estudiar cómo las capas de planificación, puntuación y reparación pueden mejorar la generación de código con modelos pequeños

Inicio rápido

  1. 1

    Ejecuta el instalador de bootstrap de una sola vez que aparece en el README (si lo prefieres, revísalo antes).

  2. 2

    Espera a que termine la instalación (10-30 minutos, en su mayoría por la descarga del modelo) y asegúrate de tener Docker y una GPU con al menos 16 GB de VRAM.

  3. 3

    Inicia la interfaz de terminal desde cualquier directorio de proyecto.

    atlas

Antes de usarlo

  • El proyecto está en fase experimental y, según el README, la verificación tiene carencias conocidas; revisa los resultados por tu cuenta.
  • Requiere Docker y una GPU con al menos 16 GB de VRAM; las tarjetas NVIDIA antiguas necesitan una compilación local.
  • La pila completa de Docker está pensada principalmente para Linux; Apple Silicon usa una ruta nativa de macOS independiente.
  • Está bajo la licencia AGPL-3.0, una licencia copyleft que exige ofrecer el código fuente cuando se usa a través de la red.

En colecciones

Agentes de programación con IAProgramar con LLM localesFrameworks y apps de agentes de IA open sourceAsistentes y agentes de programación con IAApps autoalojadasEjecuta LLM en localHerramientas de privacidad y local-first

Temas

#ai-agent#coding-agent#local-llm#llm#self-hosted#developer-tools#local-first#ai-harness

Preguntas frecuentes

¿Qué es ATLAS?
Agente de programación local y autohospedado que añade planificación, puntuación de candidatos, pruebas en sandbox y reparación a modelos GGUF abiertos y compactos. ATLAS es un agente de programación local diseñado para sacar más partido a los modelos abiertos compactos. En vez de depender de una sola generación, envuelve el modelo en una canalización de varias fases: planifica el cambio, genera varios candidatos diversos, los puntúa con un modelo de calidad aprendido que utiliza los embeddings del propio modelo, los ejecuta en un sandbox aislado para compilar y probar, y corrige los fallos antes de aceptar un cambio. Se ejecuta en tu propio hardware y no requiere una API de modelos alojada ni tarifas por token.
¿ATLAS es gratuito? ¿Qué licencia tiene?
ATLAS es open source bajo la licencia AGPL-3.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿ATLAS sigue mantenido?
Mantenimiento activo. El último commit de ATLAS fue el 5 nov 2026.
¿Para qué puedo usar ATLAS?
Ejecutar un asistente de programación en tu propio equipo cuando el contenido del repositorio debe permanecer local Realizar cambios de código estructurales o en varios archivos con un modelo abierto compacto y pruebas automatizadas Experimentar con la orquestación de agentes alrededor de un modelo GGUF autohospedado Estudiar cómo las capas de planificación, puntuación y reparación pueden mejorar la generación de código con modelos pequeños
¿Cómo se instala ATLAS?
Ejecuta el instalador de bootstrap de una sola vez que aparece en el README (si lo prefieres, revísalo antes). Espera a que termine la instalación (10-30 minutos, en su mayoría por la descarga del modelo) y asegúrate de tener Docker y una GPU con al menos 16 GB de VRAM. Inicia la interfaz de terminal desde cualquier directorio de proyecto.: atlas
¿Dónde consigo ATLAS?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/inferstep/ATLAS

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados