Agent IA local · CLI · Ollama offline

Explore. Lis. Écris. Sans cloud.
Un agent IA local dans ton terminal, branché sur tes fichiers.

Installer Voir une session

miniagentic "cartographie le projet"

miniagentic — agent local
local
Modèle3B tool-calling
RAM~2 Go suffisent
GPUoptionnel
Cloudzéro
Télémétrieaucune

01 — Agent CLI dans le terminal

Tu tapes. L’agent local agit.

Sessions réelles d’agent fichiers : prompt → tool calls → fichiers → réponse. Choisis un scénario.

cartographier le projet
local

02 — Capacités de l’agent local

Ce que l’agent CLI exécute.

Quatre surfaces. Une boucle d’agent IA. Ton disque — offline.

01

Agent fichiers

tree, find, grep, read, write — filesystem agent dans un workspace borné.

/tree /find "*.py" /grep TODO
02

Petits modèles Ollama

Conçu pour du 3B tool-calling. Tourne sur laptop, CPU ok — pas besoin d’un datacenter.

/model list ministral-3:3b
03

Plugins Python

Drop un .py dans extensions/. register() l’expose au LLM local.

/extensions reload
04

Palette slash

↑↓ Tab, complétion chemins, shell intégré. Agent terminal pensé pour le clavier.

/ls /read path /help

03 — Léger · planète

Petits modèles. Moins de watts.

MiniAgentic est calibré pour des LLM légers en local. Moins de calcul, zéro aller-retour cloud — meilleur pour ta machine et pour la planète.

01

Tool-calling dès 3B

Pas besoin d’un 70B. Un petit modèle avec outils suffit pour explorer, lire et écrire des fichiers.

ollama pull ministral-3:3b
02

Inférence chez toi, pas en cloud

Chaque requête reste sur ta machine. Moins de serveurs distants, moins d’empreinte réseau et datacenter.

# offline · zéro API cloud · zéro télémétrie
03

Config vraiment minimale

Python 3.11+, Ollama, ~2 Go RAM pour un 3B, GPU optionnel. Un laptop suffit.

Python 3.11+ · Ollama · ~2 Go RAM · CPU OK

OS

macOS · Linux · Windows

Runtime

Python 3.11+

LLM

Ollama + modèle tool-calling

Mémoire

~2 Go RAM (3B)

GPU

Non requis

Réseau

Offline après pull

04 — Usages de l’agent local

Comment les devs lancent l’agent IA.

Prompts concrets pour un local AI agent. Résultats sur disque, pas dans le cloud.

01

Onboard un repo avec l’agent fichiers

L’agent local cartographie l’arborescence, repère les entrypoints, résume la structure.

miniagentic "cartographie le projet et liste les modules clés"
02

Chasse un bug en local

grep sur un motif, lit les fichiers touchés, propose un patch — agent CLI offline.

miniagentic "trouve où on parse les slash commands"
03

Écris sans quitter le shell

L’agent IA local génère un fichier, vérifie, itère — toujours dans le workspace.

miniagentic "crée extensions/example_stats.py avec register()"

05 — Pipeline de l’agent local

CLI → Agent IA → Tools.

Entrée terminal. Boucle tool-calling. Filesystem / Ollama offline / plugins Python.

01 CLI Palette · Shell · Input
02 Agent Loop Reason · Tool Call · Iterate
03a Filesystem Ops · Workspace
03b Ollama Local Inference
03c Plugins register()
core Agent
fs
llm
search
shell
plug
cli

06 — Installer l’agent IA local

Une commande. Un agent local.

Config min : Python 3.11+ · Ollama · ministral-3:3b (~2 Go RAM, CPU ok).
Pas de compte cloud. Pas de GPU obligatoire. Package release immuable.

Télécharger le package (.whl)
v0.3.0 miniagentic-0.3.0-py3-none-any.whl

SHA-256 e5d7aa98eef32a4c7fdc000c563edac4353687fbfb466b924f0a57391b82be55

Après téléchargement
pip install ./miniagentic-0.3.0-py3-none-any.whl
01 ollama pull ministral-3:3b
02 pip install ./miniagentic-0.3.0-py3-none-any.whl
03 miniagentic

Contributeurs : pip install -e ./product depuis le dépôt local. MiniAgentic = agent IA local open source pour fichiers + Ollama.

Documentation Revoir la démo