LOPATA

Локальная AI-платформа для Windows 11.

Модели, инструменты и пользовательские сценарии ИИ в одной настольной среде — с учётом возможностей конкретного компьютера и без необходимости вручную собирать технический стек для каждой задачи.

Windows 11 local AI platform for home and gaming PCs: local LLMs, AI models and tools, hardware-aware model selection, managed backends, local-first workflows and minimal manual setup.

[!WARNING] LOPATA находится в активной разработке.

Доступно публичное файловое обновление 0.2.43-beta; последний полный установщик — 0.2.42-beta. Ветка main содержит рабочую development-версию, экспериментальные сценарии и компоненты с известными ограничениями. «Стабильная» и «Бета» в настройках обновлений обозначают способы доставки общего потока версий: полный установщик и файловые обновления.

---

Скачать и начать

Полный установщик 0.2.42-beta для Windows 11 x64 · Все файлы выпуска · Руководство пользователя · Изменения выпуска

Файловое обновление 0.2.43-beta доступно из программы в направлении «Бета». Для установленной 0.2.42 потребуется около 67 МБ. Новый загрузчик с параллельным скачиванием будет использоваться для последующих патчей.

Для перехода со старой установки на файловые обновления один раз установите полный комплект поверх прежнего каталога. Для новой установки доступен облегчённый сетевой EXE. Перед скачиванием обновления можно прочитать его изменения, а после — выбрать установку сейчас или при следующем запуске. Как устроены обновления.

Два профильных сценария: анализ изображений и работа над произведением. «Песочница» остаётся экспериментальной. Модели загружаются отдельно после подготовки сценария и ознакомления с лицензиями. В программе есть проверка обновлений, скачивание с продолжением и установка по подтверждению пользователя.

Доступен импорт литературного проекта из DeepSeek: локальная обработка ZIP/JSON, книга DOCX, новый проект и XLSX с историей. Подробности и ограничения — в руководстве.

Что такое LOPATA

LOPATA — open-source настольная платформа для работы с локальным ИИ на Windows 11.

Проект появился из простой идеи: локальный AI уже умеет очень многое, но обычному пользователю приходится разбираться в моделях, форматах, backend'ах, runtime'ах, квантовках, требованиях к железу, командной строке и множестве отдельных программ.

LOPATA пытается поставить между этим техническим слоем и пользователем понятный интерфейс.

Пользователь должен в первую очередь выбирать что он хочет сделать, а программа — помогать определить:

• какие модели и инструменты для этого нужны;
• подходят ли они конкретному ПК;
• что уже установлено;
• что требуется скачать;
• какой runtime использовать;
• какие ограничения будут у выбранного режима;
• где сохранить результат.

LOPATA не задумана как оболочка вокруг одной LLM и не должна превращаться в ещё одно окно чата.

Разные задачи могут использовать разные модели, инструменты и способы выполнения, оставаясь внутри одной общей среды.

---

Для кого этот проект

Основная аудитория — не разработчики AI-инфраструктуры, а обычные владельцы домашних и игровых Windows-ПК.

Например:

• владелец игрового компьютера, который хочет использовать его возможности не только для игр;
• человек, которому AI нужен периодически и ради этого не хочется содержать несколько облачных подписок;
• студент или энтузиаст, которому доступнее собственное железо, чем постоянная оплата облачных сервисов;
• пользователь, которому интересны локальные модели, но не интересен терминал и ручная настройка каждого компонента;
• опытный пользователь, которому нужен единый и прозрачный локальный контур вместо набора несвязанных инструментов.

Главный принцип:

Пользователь должен разбираться в своей задаче.
Он не обязан разбираться в устройстве LLM.

---

Основная философия

Local-first, а не offline-only

Основная вычислительная работа должна по возможности выполняться непосредственно на компьютере пользователя.

Интернет при этом не запрещён принципиально.

Отдельный сценарий может использовать web-поиск, Hugging Face или другой сетевой источник, если это действительно требуется задаче. Но сеть является инструментом сценария, а не обязательным посредником между пользователем и локальной моделью.

Программа должна сохранять способность выполнять локальные задачи без постоянной зависимости от облачного сервиса.

Задача важнее названия модели

LOPATA стремится двигаться от задачи и необходимых возможностей к модели, а не наоборот.

Пользователю не обязательно знать, чем отличаются семейства моделей, форматы и способы запуска, чтобы выполнить обычную работу.

Железо — часть контекста

Одна и та же модель может быть удобной на одном компьютере и практически бесполезной на другом.

LOPATA собирает паспорт ПК и учитывает:

• CPU;
• RAM;
• GPU;
• VRAM;
• диски и доступное место;
• установленные компоненты;
• доступные способы выполнения.

Программа должна рекомендовать подходящий режим, но не обязательно запрещать более тяжёлый вариант.

Если пользователь сознательно готов ждать дольше ради потенциально более качественного результата — это его выбор.

LLM не считается всемогущей

Модель работает внутри управляемой программной среды.

Доступ к файлам, интернету, системным действиям и другим возможностям должен предоставляться через отдельные инструменты, программные контракты, подтверждения и журналы.

Модель не должна получать неограниченный доступ к компьютеру только потому, что ей может понадобиться выполнить действие.

Управление остаётся у пользователя

Значимые действия, загрузка тяжёлых компонентов и завершение продолжительных сценариев должны оставаться понятными пользователю.

Автоматизация должна убирать рутину, а не управление.

Модели приходят и уходят

AI развивается слишком быстро, чтобы строить всю платформу вокруг одной конкретной модели.

Модели, backends и runtime-компоненты должны быть заменяемыми частями системы.

То, что сегодня является лучшим вариантом, через несколько лет может стать историей проекта — сама платформа при этом должна иметь возможность продолжить развитие.

---

Что уже реализовано

Проект давно вышел за пределы первоначального каркаса.

Сейчас в LOPATA уже существуют:

• нативное Windows-приложение на C# / .NET / WPF;
• адаптивный интерфейс и пользовательское масштабирование;
• первичная настройка хранилища моделей и результатов;
• паспорт компьютера;
• аппаратные проверки и рекомендации;
• общая библиотека AI-моделей;
• сохранение происхождения ранее найденных моделей;
• загрузка больших файлов с возможностью продолжения;
• локальное AI-ядро;
• structured tool calling;
• web- и Hugging Face-инструменты через управляемый gateway;
• локальный каталог моделей и поиск подходящих кандидатов;
• профиль пользователя и контекстная память;
• долговечные сессии;
• дерево состояния сценариев;
• версионность результатов;
• экспериментальная Песочница как интеграционный полигон;
• профильные сценарии — анализ изображений и работа над произведением;
• литературный редактор с Советником и Писателем, маршрут, главы, RAG, сюжетные якоря и подтверждаемая память;
• стандартные и пользовательские наборы промптов;
• публичный beta-установщик и обновления программы;
• несколько режимов выполнения под разное железо;
• локальные голосовые компоненты;
• озвучивание результатов;
• экспорт отдельных результатов;
• диагностика и JSONL-журналы;
• система управляемого доступа моделей к пользовательским файлам;
• единый механизм лицензий сторонних компонентов;
• русский и английский интерфейс;
• механизм пользовательских локализаций.

Не все перечисленные части считаются окончательно завершёнными.

Некоторые являются экспериментальными, имеют известные ограничения или продолжают изменяться вместе с развитием проекта.

---

Два профильных сценария

Первый профильный сценарий посвящён анализу изображений: одиночным и групповым задачам, описанию, сохранению и озвучиванию результатов в доступных режимах.

Второй — работа над произведением. Советник помогает обсуждать и готовить задание, Писатель создаёт текст; пользователь переносит выбранный результат в рукопись. Источники, маршрут и память помогают сохранять контекст. Факты памяти проверяются человеком, стандартные промпты защищены от случайного изменения, а свои варианты хранятся отдельно.

Это не граница проекта и не его конечная специализация.

Анализ изображений использовался как первый достаточно сложный эталонный сценарий, на котором можно проверить:

• подбор моделей;
• аппаратные режимы;
• управление runtime;
• взаимодействие нескольких моделей;
• пользовательский интерфейс;
• продолжительные сессии;
• результат;
• голос;
• диагностику;
• работу общих компонентов платформы.

После проверки на разных задачах удачные общие механизмы могут становиться частью всей LOPATA.

---

Куда движется проект

Долгосрочная идея проста:

Если задача имеет практический смысл и её можно разумно выполнить локально на пользовательском ПК — для неё потенциально может появиться сценарий LOPATA.

Это может включать:

• локальные LLM и текстовые задачи;
• анализ и понимание изображений;
• генерацию изображений;
• OCR;
• речь и TTS;
• распознавание аудио;
• музыку;
• видео;
• работу с документами;
• код и специализированные code-модели;
• RAG;
• локальную долговременную память;
• браузерные инструменты;
• файловые инструменты;
• безопасную автоматизацию;
• управление моделями;
• управление backends и runtime-компонентами.

Это направление развития, а не обещание состава ближайшей версии.

Актуальный технический план находится в ROADMAP.

---

Языки и локализация

LOPATA изначально имеет два штатных языка:

• Русский
• English

Но список языков не должен обязательно ограничиваться тем, что подготовил автор проекта.

Текст интерфейса хранится во внешних JSON-словарях.

Пользователь может подготовить собственную локализацию без изменения исходного кода и без пересборки приложения.

Для этого не требуется быть программистом: достаточно создать или изменить соответствующий языковой JSON-файл.

Если пользовательская локализация неполная, программа использует базовый fallback.

Такой подход намеренно сохраняет простую идею старого Windows-софта:

есть файл языка — при желании его можно перевести самому.

---

Модели и компоненты

Большие AI-модели не предназначены для хранения непосредственно в Git-репозитории.

LOPATA управляет моделями и runtime-компонентами отдельно.

По возможности сохраняются сведения, необходимые для понимания происхождения компонента и его повторного получения:

• repository;
• revision;
• filename;
• назначение;
• роль;
• условия использования;
• лицензия.

Разные сценарии могут использовать разные AI-модели и разные способы выполнения.

Актуальный технический реестр находится в:

Документы_проекта/REESTR.md

---

Сборка из исходников

На текущем этапе LOPATA ориентирована на:

• Windows 11 x64
• .NET 10 SDK
• Git

В репозитории зафиксирован .NET SDK 10.0.300.

Базовая сборка из корня репозитория:

dotnet restore .\Исходники\AIHub\AIHub.csproj
dotnet build .\Исходники\AIHub\AIHub.csproj
dotnet test .\Исходники\AIHub.Tests\AIHub.Tests.csproj

Для запуска разработки используйте start-aihub.ps1 или Запустить_AI_HUB.cmd. Версия читается из VERSION. Публичная beta и рабочая dev-версия различаются; порядок сборки и публикации описан в инструкции обновлений.

Для разработки отдельных AI-сценариев могут потребоваться дополнительные runtime-компоненты и модели.

Аппаратные требования зависят от конкретного сценария.

Часть задач может выполняться на CPU, другие режимы требуют совместимой GPU, достаточного объёма VRAM или RAM.

LOPATA должна по возможности объяснять такие требования сама, а не заставлять пользователя заранее изучать их вручную.

---

Документация

Репозиторий намеренно содержит значительно больше внутренней документации, чем обычно требуется небольшому личному проекту.

Это сделано не ради формальности.

Документация используется как память разработки и как точка входа для будущего человека или AI coding agent.

Основные документы:

• Руководство пользователя — установка, сценарии, кнопки и обновления;
• Документы проекта — текущее техническое состояние и история;
• ROADMAP — этапы и направления развития;
• Архитектура — архитектурные ориентиры;
• Реестр — модели, зависимости, backends и лицензии;
• AGENTS.md — краткие правила для AI coding agents;
• CODEX.md — расширенный регламент разработки;
• CONTEXTHUB.md — накопленная история решений;
• BRANDING.md — публичное имя и правила бренда;
• THIRD_PARTY_NOTICES.md — сторонние компоненты и уведомления.

В репозитории также сохраняются архивные ТЗ, диагностические материалы и история неудачных экспериментов.

Неудачные решения тоже являются частью истории проекта — иногда информация о том, почему что-то не сработало, полезнее самого успешного результата.

---

Если вы нашли этот проект через несколько лет

Одна из целей архитектуры LOPATA — сделать проект продолжимым без обязательного присутствия первоначального автора.

Автор может:

• потерять интерес;
• переключиться на другой проект;
• перестать иметь доступ к используемым сегодня инструментам разработки;
• просто не вернуться к уже завершённой части программы.

При этом AI развивается очень быстро, поэтому конкретные модели и runtime-компоненты в репозитории неизбежно будут устаревать.

Проект старается оставлять лёгкую дверь для входа следующему человеку.

Если вы нашли LOPATA позже и хотите что-то исправить или продолжить, начните с:

1. README.md
2. Документы_проекта/README.md
3. Документы_проекта/ROADMAP.md
4. Инструкции/AGENTS.md
5. CONTEXTHUB.md

После этого современный coding agent должен получить достаточно контекста, чтобы самостоятельно исследовать код и продолжить отдельную ветку работы.

Для небольших изменений необязательно быть профессиональным программистом.

Одна из идей проекта состоит именно в том, что современные AI-инструменты могут значительно снизить порог входа в разработку.

---

О разработке

LOPATA — личный open-source проект.

Он существует одновременно как:

• хобби;
• практический эксперимент с локальным AI;
• исследование возможностей AI-assisted разработки;
• публичное портфолио такой работы.

Проект создаётся итеративно.

Идеи сначала обсуждаются и проверяются теоретически, затем превращаются в небольшие технические задачи, реализуются, проходят автоматические проверки и тестируются на реальном Windows-ПК.

Крупные решения, удачные и неудачные эксперименты, ограничения и результаты по возможности сохраняются в документации.

Задача проекта — не продемонстрировать идеальный код или максимальное количество функций.

Гораздо важнее постепенно построить систему, которую можно:

• использовать;
• понять;
• проверить;
• изменить;
• починить;
• продолжить.

---

Лицензия

Код LOPATA распространяется под GNU General Public License v3.0.

Полный текст:

LICENSE

Сторонние библиотеки, AI-модели, backends и runtime-компоненты могут использовать собственные лицензии и условия распространения.

Лицензия LOPATA не заменяет лицензии сторонних компонентов.

Дополнительные сведения:

THIRD_PARTY_NOTICES.md

---

Статус проекта

LOPATA находится в активной разработке.

Публичный стабильный релиз пока не объявлен.

Текущая версия и рабочее состояние могут быстро изменяться вместе с развитием моделей, runtime-компонентов и пользовательских сценариев.

LOPATA is under active development.

Experiments, bug reports, careful improvements and attempts to continue the project are welcome.