Che cos'è osFoundry e come è organizzato questo spazio di lavoro IA per desktop?

È lunedì, sono le 9:40 e hai quattro schede aperte nel browser: un chatbot per le domande, un secondo perché del primo non ti fidi del tutto, un editor con un agente di programmazione e un'app di note con le ricerche della settimana scorsa. Ognuna conosce un pezzo del tuo lavoro e nessuna conosce il resto. Prima di pranzo hai già incollato lo stesso paragrafo di contesto in tre finestre diverse.

Un'unica app al posto di cinque schede

osFoundry è uno spazio di lavoro IA per desktop: un'app in cui chatti con i modelli di IA, affidi lavoro ad agenti e team di agenti, tieni note e conoscenza ricercabile, esegui modelli aperti sul tuo computer e crei piccole app che il tuo team può usare. I modelli possono arrivare da tre fonti: la tua macchina, provider cloud tramite le tue chiavi API, oppure GPU cloud a noleggio. L'app è organizzata in categorie e ogni categoria contiene diverse schermate. Chat è dove parli con i modelli (Maestro, Multi chat, Branchspace e altre). Workstation è dove gli agenti svolgono i lavori più lunghi (Code, Agent, Agent team, Loop, Terminal). Knowledge contiene quello che scrivi e quello che l'IA ricorda. Local Model serve a trovare, installare e provare modelli aperti. Custom App è per gli strumenti interni e Discover per la ricerca sul web e le notizie. Se hai usato VS Code, il paragone più vicino è un editor con una activity bar in cui ogni icona apre uno strumento diverso, solo che qui gli strumenti sono superfici di IA e condividono gli stessi progetti, la stessa memoria e gli stessi modelli.

Com'è fatta una schermata tipica

La categoria Chat è quella da cui partono quasi tutti, quindi è un buon punto per capire come sono costruite le schermate di osFoundry. Questo è Multi chat in modalità Council, con dati di esempio: a tre modelli è stata posta la stessa domanda e poi ognuno ha valutato le risposte degli altri.

• La fila di schede in alto (Maestro, Model chat, Multi chat, Research, Wiki, Code) passa da una superficie all'altra dell'area Chat: l'agente Maestro completo, una semplice chat domanda-risposta con fonti citate, più modelli insieme, ricerca approfondita, documentazione del codice e agenti di programmazione.
• Il selettore Compare / Council stabilisce come collaborano i modelli. Compare mette le risposte una accanto all'altra perché sia tu a giudicare. Council le fa rispondere separatamente, le fa classificare a vicenda alla cieca e poi scrive una sintesi.
• Ogni colonna è un modello con un'etichetta del provider: qui Anthropic, Ollama (in locale) e OpenAI. Puoi mescolare modelli cloud e locali nella stessa schermata.
• Il pannello a destra mostra le fasi dell'esecuzione (Answers, Ranking, Synthesis) e la griglia Peer review, così vedi chi ha dato quale punteggio invece di leggere solo una risposta finale.
• Il pulsante Run dice quante chiamate ai modelli farà l'esecuzione prima ancora che tu lo prema (qui "Run · 7 calls"). Se disattivi la classifica tra pari, quel numero scende.

Molte schermate di osFoundry seguono questo schema: un elenco a sinistra, il lavoro al centro e a destra un inspector che mostra come è stato ottenuto un risultato.

La prima settimana di uno sviluppatore indipendente

Ken lavora da solo su un piccolo negozio online. Vuole un'IA che conosca il suo codice e preferirebbe tenere parte del lavoro sul suo portatile.

Lunedì apre Local Model e poi Explore. La schermata analizza prima la sua macchina (16 GB di memoria in questo esempio) e mette un badge su ogni modello aperto: Fits, Tight o Too big. Installa un modello con il badge verde e gli fa qualche domanda in Playground, che esegue lo stesso prompt su due modelli affiancati e mostra quanto velocemente ognuno ha iniziato a rispondere.

Martedì deve modificare una funzione che formatta i prezzi e non è sicuro di cosa ne dipenda. Apre il progetto nell'IDE, fa clic destro sulla funzione e sceglie Show Code Graph.

Il pannello elenca tutti i chiamanti, segnala quali collegamenti sono stati letti direttamente dal codice e quali sono solo dedotti, e riassume l'Impact of change: quanti simboli, file e test potrebbero essere coinvolti. Fa clic su un chiamante per saltare a quella riga e usa Send to chat per portare il grafo in una conversazione con Maestro.

Giovedì sta già affidando piccoli task agli agenti di programmazione. Nella schermata ADE ogni task ha il suo worktree e la scheda Changes mostra il diff. Fa clic sul margine accanto a una riga che non lo convince, scrive una nota e invia all'agente tutte le note ancora non inviate in un colpo solo. Chiude la settimana con un modello locale di cui si fida per le domande rapide e con l'abitudine di controllare l'impatto prima di fare refactoring.

La prima settimana della responsabile di un piccolo team

Aiko guida quattro persone e fa un rilascio ogni due settimane. Il suo problema non è scrivere codice, ma sapere cosa sta facendo ciascuno, persona o agente che sia.

Comincia da Message, la chat del team. Canali e messaggi diretti funzionano come in Slack, con una differenza: gli agenti IA sono membri dei canali. Qualcuno menziona un agente con @ in #release, e la sua risposta e la sua esecuzione tornano nel canale, dove tutti possono vederle.

Poi configura un Agent team in Workstation. Un agente leader coordina membri specializzati e la schermata tiene Team mail, Handoffs, Sub-agents e Proposals in schede separate, così può verificare chi ha passato cosa a chi. Per i controlli che si ripetono a ogni rilascio, trasforma quel team in un Loop: un trigger (per esempio le mattine dei giorni feriali), limiti a round e tentativi e criteri di successo. Il Loop gira a round finché i criteri non sono soddisfatti e tiene un registro di quali sono stati superati in ogni round.

Quando più agenti lavorano sullo stesso repository, usa Code. Ogni agente ha il suo branch e il suo worktree, e niente viene unito da solo. Seleziona due esecuzioni concluse, preme Preview combined merge e vede quali file vanno in conflitto prima che qualcosa tocchi il branch principale.

Per la revisione riga per riga usa le stesse note di Ken: una nota fissata al codice e inviata all'agente con file, riga e codice allegati. A fine settimana ha un canale in cui compare il lavoro degli agenti, un controllo di rilascio che parte da solo e un passaggio di revisione che avviene prima dei merge, non dopo.

La prima settimana di una ricercatrice e autrice

Lena scrive lunghi report sulle politiche aziendali. Ha bisogno di fonti verificabili e in passato si è già scottata con risposte dell'IA fin troppo sicure di sé.

Per le domande in cui la risposta di un solo modello non basta, usa Multi chat in modalità Council, la schermata vista sopra. Quando due revisori danno un punteggio basso a una risposta, sa che deve scavare più a fondo.

Per le domande più ampie apre Agents, preme New session e sceglie il Deep Research Team già pronto. Il leader divide la domanda in parti e ne affida ciascuna a un membro, come un Data Researcher o un Search Specialist.

Un revisore separato controlla ogni passaggio prima che arrivi a lei, e un passaggio senza fonte viene rimandato indietro ed eseguito di nuovo. La risposta finale arriva come tabella con una fonte su ogni riga, più una breve nota su dove le fonti non concordano e su cosa non è stato coperto (dati di esempio nello screenshot).

La scrittura vera e propria avviene in Knowledge. In Paper evidenzia una frase della bozza e le collega uno spazio di riflessione, con schede come Academic search, Browser o una sessione di Maestro che discute solo quel passaggio. File di supporto e commenti stanno in una Note. In Discover salva ricerche in Browser e segue canali per parola chiave in News, così quello che legge per un report resta lì anche per il successivo.

Come le aree si passano il lavoro

Le categorie non sono prodotti separati: si passano il lavoro l'una con l'altra. Local Model è lo strato sottostante: un modello installato da Explore compare nei selettori di modello di Maestro, Multi chat e delle sessioni degli agenti.

Knowledge alimenta Chat: Memory mostra cosa sa Maestro del tuo lavoro e Indexed Folders ti permette di scegliere in quali cartelle gli agenti possono cercare. Le sessioni degli agenti, le esecuzioni di Agent team e i Loop riportano nei canali di Message. Workstation (la schermata con questo nome) ti permette di aprire un canale, una nota, un file e una sessione di agente fianco a fianco nello stesso layout. Quando qualcosa che hai costruito con gli agenti deve diventare uno strumento per il team, passa in Custom App, dove una Room raccoglie le app di un team accanto alla sua chat Maestro. Chiavi e provider per tutto questo si trovano in Configuration. La panoramica della piattaforma elenca tutte le schermate, se vuoi la mappa completa.

Domande frequenti della prima settimana

Devo usare tutto questo?
No. Quasi tutti partono da un'area, di solito Maestro in Chat o Explore in Local Model, e ne aggiungono altre quando un lavoro lo richiede. Le categorie condividono progetti e memoria, quindi niente di quello che fai all'inizio andrà rifatto dopo.

I miei dati escono dal mio computer?
Non quando usi modelli locali: girano sul tuo dispositivo. I modelli cloud che colleghi con le tue chiavi API vedono quello che invii, e quell'utilizzo viene fatturato dal provider. La pagina sul local-first spiega come le due cose sono separate.

È solo per sviluppatori?
No. Code, IDE e Terminal sono strumenti per sviluppatori, ma Message, Paper, Note, Research, Multi chat e Discover sono pensati anche per chi scrive, per gli analisti e per i responsabili di team.

Quanto costa?
L'app desktop si scarica gratis e l'esecuzione di modelli locali non ha costi di utilizzo da parte di osFoundry. La trovi nella pagina di download.