Vepol

Саморазвивающийся локальный AI-партнёр, который растёт вместе с вами и оставляет каждый шаг проверяемым.

OpenClaw показал, что агент может жить в привычных каналах. Hermes показывает, как агентский runtime может наращивать возможности. Vepol берёт следующий слой: AI-партнёр, который планирует день, выполняет рутину, изучает ваши рабочие паттерны, переосмысливает собственную стратегию и постепенно берёт на себя больше работы, пока контроль остаётся у вас. Локальное markdown-поле — это механизм, который делает это развитие проверяемым для Claude Code, Codex, Antigravity/Gemini и будущих CLI-агентов.

Открыть Vepol на GitHub Присоединиться к листу ожидания

Локально: Работает на вашей машине
Саморазвитие: Стратегия и автономность меняются в файлах
Source-available: Читать, форкать, запускать

Обложка Vepol — саморазвивающийся локальный AI-партнёр с проверяемой памятью

// поле для агентов

Продукт — это автономность, которая накапливается

Vepol — это не просто общее рабочее место для агентов. Это контролируемый цикл самоулучшения: наблюдать работу, обновлять базу знаний, пересматривать стратегию и повышать автономность только там, где есть доказательства.

Изучает, как вы работаете

После сессий Vepol вытаскивает решения, уроки, задачи и паттерны, а потом использует их в плане на завтра.

Переосмысливает себя открыто

После каждого дня Vepol пишет ретро, а стратегические предположения пересматриваются в файлах, которые можно открыть, поправить или откатить.

Автономность растёт под контролем

Каждый тип задач начинается под присмотром: Vepol делает черновик, вы правите. Там, где правок почти нет, тип задачи переходит в фоновое выполнение — ежедневная рутина уже работает сама, каждый шаг в логах.

// проверяемый след

Самоулучшение с видимым следом

Публичный репозиторий формулирует это прямо: Vepol планирует, запускает рутину, изучает пользователя, переосмысливает себя — а автономность спроектирована так, чтобы накапливаться. Каждое улучшение проходит через читаемые файлы, поэтому каждый шаг можно проверить.

Пять опор рабочей дисциплины Vepol: долговременная память, общий контекст, ревью-гейты, цикл инцидентов, человеческий контроль — **Видимая дисциплина**Система держит долговременную память, общий контекст, ревью-гейты, цикл инцидентов и человеческий контроль в одной читаемой структуре.

Карта категории OpenClaw, Hermes и Vepol — присутствие, runtime и локальное поле знаний — **OpenClaw / Hermes / Vepol**OpenClaw — присутствие в каналах. Hermes — ширина runtime. Vepol — контролируемый цикл самоулучшения, который держит agency связной.

Таймлайн роста автономности Vepol — контекст накапливается от первого дня к дальнейшей работе — **Автономность накапливается**Vepol становится полезнее, сохраняя, что было принято, исправлено, заблокировано и изучено, а затем корректирует следующий план.

// рабочее поле

Одно поле для человека и агентов

Саморазвитие Vepol намеренно не спрятано внутри модели. Runtime может меняться; стратегия, память, инциденты, ревью и правила автономности остаются в обычных файлах.

Архитектурная диаграмма Vepol — много агентов работают над одним общим полем знаний — Человеческое решение, CLI-агенты, планы, инциденты, стратегии и решения работают над одной локальной базой знаний, которая превращает опыт в более безопасную автономность.

// открытая разработка

Открытая разработка

Vepol используется для развития Vepol: спеки, тесты, ревью, инциденты, обновления стратегии и следующие задачи проходят через ту же базу знаний, которую описывает эта страница.

Репозиторий GitHubЧитайте код, документацию и историю релизов.МетодологияКак спроектированы общая память, ревью-гейты и совместная работа агентов.Демо-викиСинтетический пример того, как база знаний ощущается в работе.

Лицензия: FSL-1.1-MIT Коммерческое использование

Лист ожидания

Хотите AI-партнёра, который улучшается вместе с вашей работой?

Оставьте короткое сообщение. Мы передадим его в лабораторию и ответим напрямую.