A camada de presença entre você e a máquina.
Agente desktop open source que vê o que você vê, lê onde você está apontando o cursor, ouve o que você diz, age na web por você e aprende como você trabalha. Tudo rodando local por padrão. Rust + Tauri. Escada de modelos Gemma → Claude. Memória persistente. Sem mandar voz nem tela pra nuvem de Big Tech.
Construído pela AUMI Group como prova viva da filosofia AI Native.
Quando você diz "resume isso aqui", o "isso aqui" é resolvido pelo que está sob o cursor + o que está na tela ativa + a memória de conversas anteriores sobre aquele aplicativo. Sem ping-pong de "o quê?", sem upload de print manual, sem copia-cola.
Assistentes comerciais veem uma coisa: ou texto que você digita (ChatGPT desktop), ou imagem que você cola (Copilot). MIND vê tudo ao mesmo tempo, com um contexto unificado vindo da árvore de acessibilidade do Windows e da janela ativa — não de pixels.
Estado público e honesto de cada pilar. O que funciona, o que está em construção, o que está em design.
Captura de microfone via cpal. VAD adaptativo de energia que auto-calibra ao ruído do ambiente. Emite eventos mic-level, mic-vad, mic-state em tempo real pro overlay React. Próximo passo: plugar whisper.cpp pra transcrição local.
Screenshot da janela ativa + entendimento via modelo com visão. Resolve "o que é isso?" sem você descrever. Estratégia: usar árvore de acessibilidade quando bastar (Gemma resolve) e cair pra visão multimodal (Claude com imagem) só quando a UI for não-padrão.
Cursor como contexto: elemento sob o cursor (tipo, propriedades, accessible name), janela ativa, árvore de UI Automation completa. Resolve o "isso aqui" virando referência exata (ref=e42). Esse é o pulo do gato que torna modelo pequeno viável — não precisamos de pixel grounding.
Duas frentes:
T1 — Desktop: clica, digita, abre apps via OS automation, com gate humano em ação irreversível.
T2 — Web (ativo agora): Playwright MCP com perfil persistente do usuário. Gemma 4B lê a árvore de acessibilidade, escolhe ação por ref, executa. Caso de uso piloto: candidatura a vagas a partir do CV do João. Ver PLANO-MAO-NAVEGADOR.md
Padrões de uso, hábitos, decisões anteriores, perfil profissional. Persistente entre sessões. Semente já presente: o VAD auto-calibra ao microfone do usuário e persiste em disco. Vai conectar ao Brain corporativo em ambientes AUMI.
Roda local por padrão. Spec antes de código. Gate humano em ação irreversível. AGPL — reciprocidade obrigatória. Allowlist de domínios. Captcha/2FA → pausa pro humano, nunca burla. Sem slop, sem vibe-coding.
Cada passo do agente escolhe o modelo mais barato que resolve. Tarefas discretas (clicar campo X, transcrever áudio curto) ficam no Gemma 4B local. Decisões ambíguas (pergunta aberta, formulário não-padrão) escalam pro Claude Sonnet 4.6. Raciocínio multi-step crítico cai no Claude Opus 4.8. Tudo configurável.
Detalhe completo de quando aberto vence em IA open source em 2026.
ref → executa → re-snapshotVocê está num formulário de vaga, aponta pro campo "experiência", e diz:
Decisões deliberadas e versionadas. Nada de "X porque é legal".
App nativo leve, instala sem Admin. WinLibs MinGW pro dlltool.
Overlay elegante, comunicação Rust↔UI por eventos tipados.
Auto-calibração ao ambiente, persistência da curva entre sessões.
Privado, offline, sem chave de API. Modelos pequenos (small.pt) cabem em 1GB RAM.
Síntese decente offline, latência baixa, sem custo.
A11y snapshot + ações por ref. MCP server roda local, dirigível por modelo pequeno.
Escada de fuga. Aberto primeiro, fechado quando vale a pena.
Cliente MCP que orquestra modelo+tools. Mesmo harness das nossas operações de consultoria.
Copilot, Alexa, Siri, Gemini Desktop — todos mandam áudio e contexto pra nuvem da Big Tech, esquecem tudo a cada turn, e não enxergam sua tela porque "privacidade". E ainda assim, todos eles têm telemetria.
MIND inverte: roda local, persiste contexto, enxerga o que você está fazendo, e age só onde você manda — com gate humano em qualquer coisa irreversível. Cloud só quando você escolhe explicitamente, e mesmo aí com retenção zero via API corporativa.
É o tipo de assistente que agente em produção deveria ter sido desde o começo, com a disciplina que a AUMI usa em cliente real.
Projeto vivo, em alpha pública. Se a visão faz sentido pra você, deixa uma estrela, manda issue do que falta, ou PR. Lê CONTRIBUTING.md antes — temos disciplina.
AGPL v3 · model-agnostic · local-first · Windows alpha, macOS/Linux na sequência