Pour les équipes techniques

Galaris sous le capot

Un OS agentique qui associe dialogue, exécution durable et connaissance partagée. Découvrez les mécanismes qui coordonnent les agents, les modèles et vos outils.

Une double boucle agentique

Vous continuez à dialoguer pendant que l’agent travaille. La boucle conversationnelle traite les échanges, retrouve le contexte utile et suit les travaux en cours. Elle peut confier une tâche à un agent ou lancer un processus, par exemple n8n. La boucle d’exécution porte le travail de fond : raisonner, utiliser les outils, vérifier les résultats et déléguer des sous-tâches.

Le contrôleur conversationnel reste interne ; seules les tâches passent par le harnais affecté à l’agent. Avant leur exécution, Galaris résout modèle, effort, contexte, droits, outils et politique. Le harnais reçoit une enveloppe bornée et sans secrets ; son flux comporte des événements puis exactement un résultat terminal. La voix possède sa propre machine, adaptée à la latence et aux interruptions.

Comprendre les deux boucles · Contrôleurs et harnais

Des agents qui collaborent

Une délégation crée une sous-tâche persistée, reliée à son origine. L’agent demandeur peut suivre sa progression et reprendre son résultat pour poursuivre sa mission. Recherche, calcul et relecture peuvent ainsi être confiés à des agents aux compétences et aux outils distincts.

La collaboration garde des frontières explicites : appartenir à une équipe ne donne pas tous les droits de gestion sur les tâches des autres. Chaque agent conserve ses permissions, son profil de modèles et son harnais de tâche. Organiser une équipe d’agents.

Des documents coécrits par humains et agents

Les livrables deviennent des documents adressables, révisables et partageables. Humains et agents travaillent sur le même document canonique, avec son historique, ses sources et ses droits. Sa référence peut circuler entre conversation et délégations ; une correction enrichit le travail commun.

Documents HTML et Datasets JSON constituent une base de connaissances et peuvent accueillir des applications. Le SDK navigateur galaris.datasets relie ces applications aux données sous contrôle d’accès et consentement versionné. Le Working Set d’une tâche distingue sources, versions, artefacts, destinations et reçus : déclarer un fichier livré exige des éléments de livraison vérifiables.

Documents et applications · API et SDK Dataset

Une mémoire hybride, entretenue par Dream

La continuité associe historique récent, rappel lexical et sémantique, provenance et mémoire durable. Les ACL s’appliquent avant le classement par similarité. Galaris compose le contexte de la tâche avec les mémoires autorisées et son Working Set versionné ; le contrôleur conversationnel construit son propre contexte. Les ressources circulent par URI canoniques.

Dream, lorsqu’il est activé, entretient cette mémoire pendant les périodes disponibles : extraction sélective, rapprochement, consolidation et organisation en sujets. Les retours d’expérience s’appuient sur les preuves des tâches pour retenir une procédure, une correction ou un écueil à éviter. Cet apprentissage enrichit la connaissance réutilisable des agents ; il ne réentraîne pas les poids du modèle.

Mémoire, documents, fichiers et objets métier gardent leurs responsabilités : un souvenir ne remplace ni la source ni les permissions qui la protègent. Mémoire et rappel · Mécanismes Dream.

Des modèles décisionnels comme Jev

Galaris associe les LLM génératifs à une ressource Décision, notamment Jev de TypeSafe. Le modèle reçoit un état, des questions et les options admises ; il retourne un choix structuré. Cette spécialisation complète les modèles chargés de rédiger, coder et synthétiser. Présentation de Jev par OpenRouter.

Mécanisme Décision encadrée Suite du travail
Dispatcher Choisir un couple route / effort parmi ceux permis par le harnais et la politique. Exécuter directement ou passer par un plan. Un choix unique évite l’appel au modèle.
Classement des sujets Réutiliser un dossier thématique candidat ou demander un nouveau sujet. Organiser les activités dans une connaissance transversale aux conversations.
Rétention mémorielle Ignorer, relier à une mémoire existante ou demander une extraction. Ajouter la provenance ou confier au modèle texte l’extraction des faits à conserver.

Le contrat valide les questions retournées, les options choisies et les distributions de probabilités lorsqu’elles sont fournies. Le profil autorise ou non un repli texte borné et tracé en cas d’indisponibilité récupérable ; ce repli n’invente aucun score de confiance. Le modèle effectif et le motif de repli restent consultables. Galaris conserve le contrôle des actions et des permissions.

Les ressources d’un profil de modèles — Les modèles en usage et leurs affectations au sein du profil de l’instance.
Les ressources d’un profil de modèles — Les modèles en usage et leurs affectations au sein du profil de l’instance.C60

Modèles, profils et harnais

Un travail qui survit aux interruptions

Tâches, tentatives, baux d’exécution, attentes et résultats sont persistés dans PostgreSQL. Le scheduler peut reprendre le travail après interruption ; une question à un humain devient une attente durable. Les objectifs de long terme avancent par cycles de tâches, avec un juge distinct qui examine les preuves et la progression.

Mécanisme de reprise Garantie et périmètre
Baux et tentatives Identifier qui exécute la tâche et suivre ses essais jusqu’à son résultat.
Checkpoints d’effets du harnais interne Journaliser les appels à effets durables avant et après exécution. Une issue inconnue bloque le rejeu automatique.
Processus externes Conserver identifiant de run, clé d’idempotence, événements et lien avec la tâche.
Harnais externes Partager le contrat de tâche ; qualifier séparément leurs capacités de reprise et d’isolation.

Tâches et orchestration · Objectifs · Processus

Une IA observable et évaluable

Les identifiants relient tâche, tentative, appel de modèle, outil, processus, message et livrable. Vous inspectez les décisions, les erreurs et les coûts disponibles, en distinguant coûts connus, estimés ou incomplets. Les traces donnent le contexte nécessaire pour comprendre une exécution.

Le Lab IA transforme tâches, conversations texte et conversations vocales en jeux de données versionnés. Il compare Dispatcher, Planner, exécuteurs Task/Conversation/Voice et mécanismes Dream/Goal sur des cas figés, avec rubriques sémantiques et runs reprenables. Une sortie faible, une panne du candidat et une panne du juge restent distinctes. L’interface et les outils réservés aux agents autorisés permettent de piloter ces évaluations.

Explorer le Lab · Supervision et diagnostics

Une architecture ouverte et maîtrisée

La stack associe FastAPI, Pydantic, SQLAlchemy, PostgreSQL et pgvector, une interface Vue et Quasar, et un harnais interne Pydantic AI. Docker porte le déploiement. Les six couches de l’OS agentique séparent infrastructure, fournisseurs, inférences, agents, services partagés et applications.

Les API par profil et la passerelle LLM servent vos clients ; Janus donne accès aux agents depuis un client compatible. Les inférences durables ajoutent requête figée, tentatives et flux relisible. MCP expose les outils autorisés : le catalogue croise droits utilisateur, agent, connexion, fonction et contexte d’exécution, y compris lors de la découverte différée. Les canaux de messagerie, les harnais externes et les processus comme n8n se raccordent à ce socle.

Explorer l’écosystème compatible

API et intégrations · Inventaire des 244 outils natifs · Comparer les approches

Une mise en œuvre accessible

Installation Docker simple, application préconfigurée, puis votre clé API OpenRouter : vous pouvez commencer à converser avec l’assistant Galaris. Le profil initial sélectionne les ressources par usage, dont Jev pour les décisions. Vous pouvez ensuite adapter les modèles, les fournisseurs et les outils à vos besoins, depuis l’interface graphique.

L’exploitation dispose de contrôles de santé, de logs et d’opérations de gestion des harnais. Leur disponibilité et leurs capacités se vérifient sur la configuration retenue ; sauvegarde, restauration et charge se qualifient sur votre déploiement.

Installer et maîtriser les données · Configurer modèles et harnais