SenteLabsAI выпустила Open Executive, open-source ИИ-команду топ-менеджеров
SenteLabsAI опубликовала на GitHub проект Open Executive, ИИ-систему, которая выступает виртуальной командой топ-менеджеров компании. Пользователь получает один связный «голос руководителя»: за кулисами на запрос отвечают восемь специализированных агентов, по стратегии (Chief Strategy Officer: конкурентный анализ, M&A, позиционирование, OKR), финансам (CFO: моделирование, привлечение инвестиций, юнит-экономика, денежный поток), персоналу (Chief HR/People Officer: найм, компенсации, оценка эффективности, культура), юридическим вопросам (генеральный юрисконсульт: контракты, интеллектуальная собственность, основы трудового права, комплаенс), операциям (COO: процессы, поставщики, масштабирование), маркетингу (CMO: стратегия выхода на рынок, бренд, коммуникации), продукту (CPO: дорожная карта, приоритизация) и коммуникациям с советом директоров (презентации для совета, работа с инвесторами). Внутренняя многоагентная архитектура от пользователя скрыта.
Оркестратор («Executive Orchestrator») работает на модели claude-sonnet-4-6 и через вызов инструментов параллельно раздаёт запрос нужным специалистам; каждый из них подтягивает контекст из базы ChromaDB, либо из встроенной MBA-базы знаний в формате Markdown (хранится прямо в репозитории), либо из отдельной коллекции с загруженными документами конкретной компании (питч-дек, финансовая модель, стратегия). Готовый ответ синтезируется заново из результатов работы всех вызванных специалистов.
После каждого ответа фоновый проход на модели claude-haiku-4-5 извлекает ключевые решения и инициативы и сохраняет их в SQLite, эпизодическую память: следующая сессия открывается с блоком «прошлые решения», так что «руководитель» помнит, что советовал в прошлый раз. Встроенный планировщик задач сам поднимает просроченные напоминания и время-чувствительные действия; он захватывает строки через SQL-конструкцию UPDATE … RETURNING, из-за чего API обязан работать в единственном экземпляре, запуск второй машины приведёт к повторному срабатыванию запланированных задач (в конфигурации Fly.io это закреплено параметром max_machines_running = 1).
Системный промпт разбит так, что персона руководителя, профиль компании и индекс базы знаний кешируются отдельно от изменяющегося содержимого, это даёт до 85% попаданий в кеш после первых нескольких реплик диалога.
Проект открытый: код на Python (FastAPI) и Next.js 15, минимальные требования, Python 3.11+ и Node 22+, для запуска нужен ключ ANTHROPIC_API_KEY. Первый запуск качает ML-зависимости и модель эмбеддингов (~90 МБ) для локального векторного индекса, поэтому занимает несколько минут. Вместо Anthropic API можно подключить любой OpenAI-совместимый локальный сервер, Ollama, LM Studio, vLLM или llama.cpp, либо маршрутизировать запросы через OpenRouter; хотя бы один провайдер обязателен, иначе приложение не стартует. У локальных моделей отключаются веб-поиск и промпт-кеширование с расширенным рассуждением, эти возможности специфичны для Anthropic API. Есть интеграции со Slack, почтой, Telegram, Google Chat и Discord, а в репозитории, набор из 29 оценочных сценариев, покрывающих все 8 доменов, с судьёй на базе LLM.
Ключевые факты
- Единый «голос руководителя» реализован восемью специализированными агентами (стратегия, финансы, персонал, юридические вопросы, операции, маркетинг, продукт, совет директоров) поверх модели claude-sonnet-4-6.
- Двухуровневый RAG через ChromaDB: встроенная MBA-база знаний плюс отдельная коллекция для загруженных документов конкретной компании.
- Эпизодическая память: фоновый проход на claude-haiku-4-5 извлекает решения после каждого ответа и хранит их в SQLite, подгружая в следующую сессию.
- Встроенный планировщик обязан работать в единственном экземпляре (защита через UPDATE … RETURNING), иначе запланированные действия задвоятся.
- До 85% попаданий в кеш системного промпта; проект открытый и поддерживает локальные модели (Ollama, vLLM и другие) как альтернативу Anthropic API.
Почему это важно
Open Executive, открытый пример того, как собрать несколько отдельных техник мультиагентных ИИ-систем в один законченный продукт: маршрутизацию запроса между специализированными агентами, двухуровневый RAG (встроенные знания плюс документы компании), эпизодическую память между сессиями и оптимизацию промпт-кеширования. Каждая техника по отдельности уже известна, но здесь они собраны в готовую архитектуру с открытым кодом, которую можно изучать и разворачивать самостоятельно.
Кому это важно
Основатели и небольшие команды стартапов, у которых нет бюджета на консультантов по стратегии, финансам, найму или юридическим вопросам, им предлагается единый ИИ-советник вместо нескольких отдельных специалистов. Инструмент интересен и разработчикам мультиагентных систем: репозиторий открыт и показывает рабочую схему оркестрации агентов, RAG-пайплайна и планировщика задач на продакшен-уровне.
Как это применить
Проект разворачивается локально командой make dev (нужны Python 3.11+ и Node 22+): поднимается FastAPI-бэкенд на порту 8000 и Next.js-интерфейс на порту 3000, для работы нужен ключ ANTHROPIC_API_KEY. Первый запуск качает модель эмбеддингов (~90 МБ) и тяжёлые ML-зависимости, поэтому занимает несколько минут. Вместо Anthropic можно подключить локальные модели через любой OpenAI-совместимый сервер, Ollama, LM Studio, vLLM или llama.cpp, или маршрутизировать через OpenRouter; хотя бы один провайдер обязателен. У локальных моделей отключаются веб-поиск и промпт-кеширование с расширенным рассуждением. Есть интеграции со Slack, почтой, Telegram, Google Chat и Discord, а для продакшена, готовые конфиги деплоя на Fly.io с раздельными dev- и QA-окружениями.
Можно ли доверять
Это открытый исходный код на GitHub (SenteLabsAI/OpenExecutive) с подробной документацией по архитектуре, деплою и авторизации, а не просто анонс. Заявленные возможности, оркестрация восьми агентов поверх claude-sonnet-4-6, эпизодическая память на claude-haiku-4-5, планировщик с защитой от повторного срабатывания через UPDATE … RETURNING, подтверждаются структурой репозитория и файлами конфигурации (например, max_machines_running = 1 в конфиге Fly.io). В репозитории есть набор из 29 оценочных сценариев, покрывающих все 8 доменов, с судьёй на базе LLM, заявленное поведение агентов проверяется автотестами.
Риски и подводные камни
Планировщик обязан работать в единственном экземпляре: горизонтальное масштабирование API без предварительной защиты планировщика приведёт к двойному срабатыванию запланированных задач, авторы прямо предупреждают об этом в документации. Для продакшен-режима с Discord, локальными моделями и деплоем на Fly.io нужна дополнительная настройка секретов и токенов. Насколько советы восьми ИИ-агентов, объединённые в один голос, действительно заменяют консультации живых специалистов по стратегии, финансам и праву, источник не проверяет: это готовая архитектура, а не независимая оценка качества самих советов.