Proyecto personal de código abierto

ForgeGraph

ForgeGraph muestra un sistema complejo en funcionamiento que integra interfaz de producto, flujos de backend, datos persistentes, ejecución e IA.

ForgeGraph es un proyecto personal de código abierto creado por GreyX. Permite revisar el proceso completo: cómo se diseña, implementa, depura y prepara para despliegue un sistema complejo.

Demo pública anonimizadaBucle de control de ejecución
Cómo recorre ForgeGraph una operación

Los comandos se vuelven estado persistente antes de ejecutarse. La IA y las herramientas operan tras límites gobernados; las personas conservan la autoridad final.

Browser -> Next.js -> Django -> Postgres -> Go Engine -> LLMs
  1. 01 · REST + WebSocketConsola del operadorNext.js · Crea comandos y refleja el estado que pertenece al backend.

    El operador inicia el recorrido; la interfaz nunca se convierte en la fuente de verdad.

  2. 02 · Persistir + despacharPlano de controlDjango · Valida acceso, políticas, idempotencia y cada transición persistente.
    • PostgreSQL + pgvectorVerdad persistente, memoria vectorial y snapshots
    • Workers del backendCola de ejecución, intenciones y proyecciones
    • RedisCola, caché y transporte; nunca autoridad
  3. 03 · Contrato gRPC firmadoPlano de ejecuciónMotor en Go · Planifica nodos, coordina trabajo, reintenta lo seguro y falla de forma cerrada.
    • Adaptadores de nodos y herramientasNodos de flujo, herramientas, transformaciones y salidas
    • Proveedores de modelosOpenAI, Anthropic, Gemini o modelos locales
    • Memoria gRPCRecuperación acotada mediante un servicio del backend
  4. 04 · Callback + intenciónDecisión humanaPunto de aprobación · Pausa trabajo relevante para que una persona apruebe o rechace antes de continuar.
    • Reanudación persistenteSnapshot, intento y recuperación siguen bajo control del backend
Autoridad persistente
Django + PostgreSQL
Ejecución efímera
Motor en Go
Ruta de retorno
Callbacks firmados + WebSocket
Vista general del espacio de trabajo de ForgeGraph en la demo ficticia Northstar Analytics.
Captura general del espacio de trabajo de la demo ficticia aislada Northstar Analytics.Abrir captura completa

Problema y restricciones

ForgeGraph coordina aprobaciones, áreas, flujos de trabajo, ejecución de IA y estado operativo en una misma interfaz de producto.

Producto y flujo de aprobación

Una operación relevante se detiene en un punto de decisión visible en vez de ocultar la aprobación dentro de la automatización.

Flujo de aprobación de una operación de ForgeGraph en la demo ficticia Northstar Analytics.
Captura del flujo de aprobación humana en la demo ficticia aislada Northstar Analytics.Abrir captura completa

Estas capturas provienen de una demo ficticia aislada de Northstar Analytics. Muestran solo la interfaz de producto y el flujo de trabajo; no son evidencia de cliente, ingresos, usuarios ni resultados de producción.

Mapa público del sistema

Lee el mapa público como tres responsabilidades. Cada límite tiene una función; el modelo es solo una parte del sistema.

Diagrama que muestra Browser, Next.js, Django, Postgres, Go Engine y LLMs en secuencia.
Arquitectura pública simplificada: Browser -> Next.js -> Django -> Postgres -> Go Engine -> LLMs.
  1. 01Interfaz de productoBrowser + Next.js
  2. 02Estado de negocio persistenteDjango + Postgres
  3. 03Ejecución e IAGo Engine + LLMs

Decisiones que dieron forma al sistema

  1. 01Interfaz de producto

    Mantener clara la experiencia en el navegador mientras el grafo de trabajo sigue controlado desde el servidor.

  2. 02Estado persistente

    Usar Django y Postgres para conservar el estado de negocio en vez de dispersar datos del flujo entre herramientas.

  3. 03Límite de ejecución

    Ejecutar trabajo especializado con un motor en Go cuando la latencia y la orquestación requieren mayor control.

  4. 04Límite de IA

    Tratar las llamadas a LLMs como una parte del sistema, no como todo el producto.

Qué demuestra la prueba pública

  • Las capturas públicas aprobadas muestran la interfaz de producto y el flujo de aprobación humana.
  • La narrativa pública se centra en arquitectura, decisiones de flujo y restricciones operativas.
  • Nombres, IDs, correos, claves y detalles privados de producción quedan fuera del caso.

Lo que esta prueba no afirma

  • La arquitectura pública está simplificada a propósito.
  • Las capturas vienen de una demo ficticia aislada de Northstar Analytics, no de un entorno de cliente.
  • El impacto comercial no se presenta como métrica sin material verificable.

Diagnóstico de muestra de IA y Producto

Revisa el tipo de artefacto de decisión que entrega GreyX antes de pagar por uno.

Este diagnóstico de muestra se basa en la demostración ficticia de ForgeGraph; no corresponde a un trabajo para un cliente.

Qué demuestra

Puedes revisar cómo GreyX maneja la ambigüedad, los límites del sistema y las decisiones técnicas antes de iniciar un proyecto pagado.

Trae a GreyX un sistema complejo

Un Diagnóstico convierte restricciones, riesgos e incógnitas en una decisión de construcción antes de asumir un compromiso mayor.