Open-Source-Desktop-Agent aiFetchly für Geschäftsarbeit veröffentlicht

Open-Source-Desktop-Agent aiFetchly für Geschäftsarbeit veröffentlicht

Mit aiFetchly ist eine neue Open-Source-Desktop-AI-Agent-Plattform für Geschäftsanwendungen verfügbar. Nach Angaben des Herstellers handelt es sich um eine lokal-first ausgerichtete Plattform für Business-User, die lokale Daten und steuerbare Ausführung bevorzugen. Der Quellcode wird auf GitHub bereitgestellt; die Software läuft unter Windows, macOS und Linux.

Die Plattform kombiniert lokales Wissen, Browser-Automatisierung, installierbare Fähigkeiten, geplante Aufgaben, Plugins und spezialisierte Subagenten. Dadurch können Teams Recherche, Dokumentenverarbeitung, Website-Informationssammlung, Kundenkommunikation und wiederkehrende Abläufe aus einer Anwendung heraus automatisieren. Gestartet ist aiFetchly mit Marketing-Automatisierungsfunktionen wie Lead-Entdeckung, Kontaktextraktion und E-Mail-Outreach. Diese Workflows sind weiterhin enthalten, doch die Produktrichtung ist breiter angelegt: aiFetchly entwickelt sich zu einem local-first AI-Agent-Arbeitsbereich, der Tools, Speicher, Dateien, Web-Automatisierung und kontrollierbare Ausführung vereint.

Die lokale Ausrichtung bedeutet, dass die Knowledge Library und der Aufgabenverlauf auf dem Desktop bleiben. Das macht wiederkehrende Abläufe überprüfbar: Nutzer sehen, welche Tools ausgeführt wurden, was entworfen wurde und was vor dem Versand noch menschliche Freigabe benötigt. Eine Installationsanleitung ist in der Dokumentation verfügbar. Der Entwickler begrüßt ausdrücklich Feedback von Personen, die lokale Agenten für Nicht-Programmier-Workflows entwickeln.

Funktionen: Lead-Generierung, Recherche und Subagenten

Die Architektur von aiFetchly setzt auf mehrere Bausteine, die Business-Usern ohne tiefe Programmierkenntnisse entgegenkommen. Das Chat-Interface vereinfacht die Interaktion erheblich: Statt für jede Aufgabe ein eigenes Skript zu schreiben oder mehrere Anwendungen manuell zu bedienen, formulieren Nutzer ihren Arbeitsauftrag in natürlicher Sprache. Der Agent interpretiert die Anfrage, wählt die passenden Werkzeuge aus und führt die notwendigen Schritte aus – etwa Recherchen, Dateianalysen, Datenextraktionen oder das Vorbereiten von Nachrichten. Das senkt die Einstiegshürde und beschleunigt wiederkehrende Abläufe.

Die lokale Knowledge Library nutzt Retrieval-Augmented Generation (RAG): Nutzer laden Dokumente wie PDFs, Word-Dateien oder HTML-Seiten hoch, und der Agent generiert Antworten oder Entwürfe, die auf diesen eigenen Dateien basieren. Spezialisierte Subagenten erlauben die Delegation von Teilaufgaben im Hintergrund, was parallele Workflows ermöglicht. Zu den ersten enthaltenen Marketing-Automatisierungsfunktionen zählen Lead-Entdeckung über Suchmaschinen, Kontaktextraktion sowie E-Mail-Outreach-Kampagnen über einen eigenen SMTP-Server mit Filtern und Deduplizierung. Ein Task-Scheduler unterstützt geplante Aufgaben mit Abhängigkeiten, Pause/Fortsetzen und Ausführungsverlauf. Die lokale Speicherung von Knowledge Library und Aufgabenverlauf sorgt dafür, dass wiederkehrende Abläufe überprüfbar bleiben: Es ist nachvollziehbar, welche Tools ausgeführt wurden, was entworfen wurde und was vor dem Versand noch menschliche Freigabe benötigt.