OpenJarvis से बनें पूरी तरह लोकल‑फ़र्स्ट पर्सनल AI सहायक

परिचय

GitHub पर उपलब्ध OpenJarvis प्रोजेक्ट, लोकल‑फ़र्स्ट सॉफ़्टवेयर स्टैक पेश करता है जिससे व्यक्तिगत AI एजेंट आपके डिवाइस पर ही चल सकें। अधिकांश मौजूदा सहायक अभी भी क्लाउड API पर निर्भर हैं, जबकि OpenJarvis का लक्ष्य है कि अधिकांश प्रोसेसिंग डिवाइस पर ही हो और केवल आवश्यक होने पर ही क्लाउड को बुलाया जाए। यह पहल *Intelligence‑Per‑Watt* रिसर्च प्रोग्राम का हिस्सा है, जिसे Hazy Research और Stanford के Scaling Intelligence Lab ने शुरू किया है।

मुख्य सिद्धांत

OpenJarvis की डॉक्यूमेंटेशन में तीन बुनियादी विचार बताए गए हैं:

• साझा प्रिमिटिव्स – सामान्य बिल्डिंग ब्लॉक्स जो डेवलपर्स को लो‑लेवल कोड लिखे बिना ऑन‑डिवाइस एजेंट बनाने की सुविधा देते हैं।
• ऊर्जा‑सचेत मूल्यांकन – FLOPs, लेटेंसी, पावर खपत और लागत को पारंपरिक सटीकता मेट्रिक के साथ समान महत्व दिया जाता है।
• लोकल लर्निंग लूप – एजेंट अपने हार्डवेयर पर उत्पन्न ट्रेस डेटा से सीखते हैं, जिससे बार‑बार क्लाउड री‑ट्रेनिंग की जरूरत कम होती है।

प्रोजेक्ट का लक्ष्य स्पष्ट है: “डिफ़ॉल्ट रूप से लोकल पर चलने वाले पर्सनल AI एजेंट बनाना, और केवल ज़रूरत पड़ने पर क्लाउड को कॉल करना।”

इंस्टॉलेशन एवं त्वरित शुरूआत

विभिन्न प्लेटफ़ॉर्म (Linux, macOS, Windows WSL2 आदि) के लिए एक‑कमांड इंस्टॉलर उपलब्ध है:

1. अपना OS चुनें और कमांड चलाएँ; स्क्रिप्ट Python venv, uv, Ollama और एक शुरुआती मॉडल को सेट‑अप करती है (ब्रॉडबैंड पर लगभग 3 मिनट)।
2. `jarvis` कमांड से सहायक शुरू करें।
3. बैकग्राउंड में Rust एक्सटेंशन और बड़े मॉडल डाउनलोड होते रहते हैं; `jarvis doctor` स्थिति दिखाता है।

ग्राफ़िकल इंटरफ़ेस के लिए `jarvis gui` चलाएँ। यह स्थानीय API सर्वर शुरू करता है, Node.js 22+ पर आधारित फ्रंट‑एंड लॉन्च करता है और डिफ़ॉल्ट ब्राउज़र में चैट विंडो खोलता है। GUI स्रोत कोड या नवीनतम रिलीज़ के पैकेज्ड डेस्कटॉप इंस्टॉलर से उपलब्ध है।

निर्मित एजेंट और स्किल्स

OpenJarvis में आठ प्री‑कॉन्फ़िगर किए गए एजेंट हैं, जो तीन मोड में काम करते हैं:

• ऑन‑डिमांड – मैन्युअल रूप से बुलाए जाते हैं।
• शेड्यूल्ड – निर्धारित अंतराल पर चलते हैं।
• कंटीन्युअस – हमेशा ट्रिगर सुनते रहते हैं।

एजेंट *स्किल्स* (टूल) को सार्वजनिक कैटलॉग (जैसे Hermes Agent, OpenClaw) या `agentskills.io` मानक का पालन करने वाले किसी भी GitHub रिपॉज़िटरी से इम्पोर्ट कर सकते हैं। प्रमुख स्किल्स में शामिल हैं:

• सुबह का समाचार सारांश
• गहन शोध का संक्षेप
• कोड असिस्टेंट
• सिस्टम मॉनिटरिंग

समुदाय, रोडमैप और योगदान

परियोजना सक्रिय योगदान को स्वागत करती है। Contributing Guide में इनाम, PR प्रक्रिया और “take” टिप्पणी द्वारा इश्यू ऑटो‑असाइन करने की विधि बताई गई है। सार्वजनिक Roadmap में Docker डिप्लॉयमेंट, नई स्किल रचना आदि के लिए प्राथमिकता वाले कार्य सूचीबद्ध हैं।

दावों की पुष्टि कैसे करें

सभी तकनीकी विवरण सीधे OpenJarvis GitHub रिपॉज़िटरी (https://github.com/open-jarvis/openjarvis) और उसकी डॉक्यूमेंटेशन साइट (https://open-jarvis.github.io/OpenJarvis) से लिये गये हैं। सत्यापन के लिए आप:

• `README.md` और `docs/` फ़ोल्डर पढ़कर आर्किटेक्चर समझ सकते हैं।
• रिपॉज़िटरी क्लोन करके इंस्टॉलर चलाएँ और ऑन‑डिवाइस इन्फ़रेंस का परीक्षण करें।
• `benchmarks/` फ़ोल्डर में *Intelligence‑Per‑Watt* के 88.7 % सिंगल‑टर्न कवरेज और 2025 तक 5.3× सुधार के आँकड़े देखें।

व्यावहारिक प्रभाव

यदि स्टैक अपने वादे पूरे करता है, तो डेवलपर्स और पावर‑यूज़र को मिलेंगे:

• ऐसी प्राइवेसी‑फ़्रेंडली सहायक, जो उपयोगकर्ता डेटा को क्लाउड पर नहीं भेजता।
• क्लाउड कंप्यूट लागत में कमी, क्योंकि अधिकांश प्रोसेसिंग डिवाइस पर ही होती है।
• कस्टम एजेंट बनाना आसान, बिना बड़े बैक‑एंड इन्फ्रास्ट्रक्चर के।

--- *यह लेख OpenJarvis GitHub पेज पर उपलब्ध सार्वजनिक जानकारी पर आधारित है (नवंबर 2026)। स्वतंत्र परीक्षण नहीं किया गया है।*