Hedy es un empleado de IA de despliegue privado. Se ejecuta donde usted lo ejecuta: una VM con Docker Compose para un piloto, Helm sobre Kubernetes para alta disponibilidad, o totalmente air-gapped (aislado de red) con modelos locales. Un piloto está en marcha en unos 30 minutos. Aquí no hay ningún registro en la nube; toda la pila queda dentro de su perímetro.
| Ideal para | Cómo | HA | |
|---|---|---|---|
| Docker Compose | Piloto / un solo equipo | docker compose up -d en una VM | Nodo único |
| Kubernetes (Helm) | Producción / escala | Helm chart en su clúster | Multirréplica, StatefulSet |
| Air-gapped | Redes sin internet | Compose/Helm + vLLM u Ollama local; licencia Ed25519 offline | Cualquiera |
| Pasarela Managed (gestionado) | Cero configuración de modelos | Enrute las llamadas a modelos a la pasarela de Hedy; todo lo demás sigue siendo suyo | Cualquiera |
Self-hosted / BYO es la opción insignia: sus claves, sus modelos, cero subencargados (sub-processors). Managed cambia eso por velocidad sin configuración y modifica los hechos de residencia de datos; consulte el modelo de seguridad.
Una VM Linux en su VPC (un piloto va cómodo con ~2 vCPU / 8 GB; amplíe para recuperación más pesada). Docker + Compose, o un clúster de Kubernetes para Helm.
Una app de Feishu o Lark (soporte de primer nivel), o Slack. Aquí es donde vive y responde el empleado.
Sus propias claves de API — compatibles con Anthropic u OpenAI, o proveedores chinos como DeepSeek, Qwen, Kimi y GLM — o un endpoint local de vLLM / Ollama para air-gapped. O ejecute Managed y omita esto.
Apunte Hedy a un wiki, Git, Notion o Confluence. Opcional el primer día; la recuperación recurre a texto completo hasta que se configuren los embeddings.
Verificado offline — sin phone-home. Colóquelo antes del primer arranque (compatible con air-gap).
Descargue las imágenes ancladas a semver (nunca latest) y coloque su licence.json. El repositorio incluye solo un .env.example — los secrets se inyectan, nunca se suben al repositorio.
.envConfigure las credenciales del canal, las claves de modelos (o apunte a vLLM/Ollama local), y un token interno robusto. Vincule los puertos publicados a 127.0.0.1 detrás de su proxy inverso.
docker compose up -dSe levantan Postgres, Redis, el plano de control, la pasarela de LLM y el agente. Los health checks controlan la disponibilidad.
Añada la app a su workspace de Feishu/Lark o Slack; el empleado se presenta y ejecuta una autocomprobación.
Añada una fuente, haga una pregunta — la respuesta llega citada, limitada a lo que el solicitante puede ver. Primer entregable en minutos.
Los puertos publicados se vinculan a 127.0.0.1; su proxy inverso termina el TLS. La publicación de puertos de Docker elude los firewalls del host — la vinculación a loopback es el límite fiable.
Las credenciales entran mediante inyección desde el entorno de despliegue. El repositorio incluye un archivo de ejemplo; el agente tiene la regla estricta de nunca almacenar valores de credenciales en memoria, archivos ni logs.
Cada llamada a modelo pasa por una única pasarela que controla la cuota, la contabilidad de costos y la política de degradación — de modo que el gasto es medible por equipo y proyecto, y nada la elude.
Cada acción se registra con actor, objeto y razonamiento — sin vía de actualización ni de borrado, ni para el agente ni para los administradores.
Las imágenes están ancladas a semver. El conocimiento aprendido y la memoria del empleado viven en volúmenes preservados y respaldables — una actualización nunca reinicia lo que el empleado ha aprendido.
Se entregan con runbooks de copia de seguridad/restauración/actualización; sus datos son su Postgres, en su host.
Máquina de estados Ed25519: activa → gracia (solo lectura) → expirada. Verificada localmente, sin llamada externa — lista para air-gap.
.env, docker compose up -d, conecte un canal, apunte a una fuente de conocimiento. Los despliegues de producción con Helm tardan más en integrarse en su clúster y su IdP..env.example sin valores reales; el agente tiene la regla estricta de nunca escribir valores de credenciales en memoria, archivos ni logs, y las claves de modelos se usan solo del lado del servidor detrás de la pasarela.