Вердикт AI-ReadyТестировать как local-first runtime для задач, которые продолжаются между сессиями.

Что это

локальная рабочая среда для агентов, способных продолжать задачи между сессиями, командами, человеческими подтверждениями и внешними событиями.

Бизнес-проблема

большинство coding agents живут внутри одного terminal/chat session. Если задача ждёт ответа человека, внешнего события или завершения фонового процесса, состояние часто рассыпается по логам и разговорам.

Практическая польза

Holon оформляет работу как постоянный WorkItem: цель, план, прогресс, блокеры, ожидания и итоговый отчёт. Агент может остановиться, дождаться результата или подтверждения, проснуться и продолжить с правильным контекстом. Это близко к нужному AI-Ready слою для длинных Codex/Claude workflows.

Почему интересно сейчас

132 stars, 12 forks, 1,339 commits, 22 issues, 0 PR, 46 releases; свежий v0.28.0 от 8 июля, contributors не отобразились. Есть tests, benchmarks, E2E manuals, AGENTS.md и CLAUDE.md. Лицензия Apache-2.0.

Проверка официального репозитория, README и LICENSE выполнена 2026-07-18; эти данные относятся к текущему наблюдению и не заменяют собственный тест.

Технические особенности

Rust + TypeScript web UI; Homebrew и готовые Linux/macOS binaries. Поддерживает Anthropic, OpenAI, DeepSeek, OpenRouter, Qwen, GLM, Kimi, MiniMax и custom-compatible providers; умеет использовать локальную сессию codex login. Есть daemon, TUI, API, worktrees, child agents и явное разделение операторского ввода, внешних событий и внутренних traces.

Значение для AI-Ready

внутренний runtime / компонент памяти рабочего процесса / архитектурный референс. Риски: агент работает с реальным shell и репозиториями; сохранение состояния сохраняет не только полезный прогресс, но и плохие предпосылки; remote UI требует аккуратной настройки token/CORS/network access. Вердикт: Test now.

Риски

  • Агент работает с shell и репозиториями, поэтому ошибка в policy может иметь широкий эффект.
  • Сохранённый контекст может закреплять неверные предпосылки и чувствительные данные.

Граница вывода

Первый тест - отдельный репозиторий и synthetic task; внешние действия и доступ к рабочим данным оставить выключенными до отдельного approval.

Ключевые риски

  • Агент работает с shell и репозиториями, поэтому ошибка в policy может иметь широкий эффект.
  • Сохранённый контекст может закреплять неверные предпосылки и чувствительные данные.

Разберите эту страницу со своей LLM

Скопируйте контекст страницы в ChatGPT, Claude, Gemini или другую LLM и попросите применить эту схему к вашему бизнесу.

Можно спросить:

  • Какую ограниченную задачу AI-Ready разумно проверить с помощью Holon?
  • Какие риски и условия нужно закрыть перед пилотом Holon?
Открыть каталог