OpenExecutive — виртуальная управленческая команда из восьми Claude-агентов

Разработчики из sentelabs.ai выложили в открытый доступ OpenExecutive — AI-систему, которая играет роль управленческой команды компании: старший советник с экспертизой уровня Harvard MBA, адаптированный под конкретный бизнес. Проект собрал уже 3.4k звёзд на GitHub и распространяется под лицензией Apache 2.0.

Что делает система

OpenExecutive предоставляет единый целостный «голос руководителя», за которым стоят восемь специализированных AI-агентов:

• Chief Strategy Officer — конкурентный анализ, M&A, позиционирование на рынке, OKRs
• Chief Financial Officer — финансовое моделирование, привлечение инвестиций, юнит-экономика, денежный поток
• Chief HR/People Officer — найм, компенсации, performance-менеджмент, культура
• General Counsel — контракты, интеллектуальная собственность, основы трудового права, комплаенс
• Chief Operating Officer — проектирование процессов, работа с подрядчиками, операционный скейлинг
• Chief Marketing Officer — GTM-стратегия, бренд, коммуникации, PR
• Chief Product Officer — роадмап, приоритизация, продуктовая стратегия
• Board Communications Director — презентации для совета директоров, отношения с инвесторами, управление

Внутренняя агентная архитектура от пользователя скрыта — все ответы звучат одним последовательным голосом. Помимо ответов на вопросы система поддерживает эпизодическую память о прошлых решениях и инициативах между сессиями, а встроенный планировщик проактивно напоминает о срочных действиях.

Архитектура

Сообщение пользователя
    ↓
Executive Orchestrator (claude-sonnet-4-6)
    ↓ tool use → параллельные вызовы специалистов
CSO / CFO / CHRO / GC / COO / CMO / CPO / Board
    ↓ каждый специалист извлекает контекст из ChromaDB
Встроенные MBA-знания + документы вашей компании
    ↓
Синтезированный ответ руководителя

Ключевые инженерные решения:

• Знания — два слоя извлечения на каждый вызов специалиста: встроенные Markdown-знания уровня MBA (knowledge/builtin/) загружаются в ChromaDB при старте, а загруженные документы компании хранятся в отдельной коллекции company_docs. RAG-контекст инжектится в пользовательский ход, но никогда — в кешируемый системный промпт.
• Эпизодическая память — после каждого ответа фоновый проход на claude-haiku-4-5 извлекает ключевые решения и инициативы в SQLite. Следующая сессия открывается блоком <past_decisions>, так что «руководитель» помнит, что советовал месяц назад.
• Планировщик — job runner забирает задачи командой UPDATE … RETURNING, что защищает от двойного исполнения. API обязан работать в одном инстансе — горизонтальное масштабирование без блокировки планировщика запрещено.
• Промпт-кеширование — персона, профиль компании и индекс знаний кешируются отдельно, до 85% попаданий в кеш после первых ходов. Динамический контент в кешируемые блоки не попадает никогда.

Технологический стек

Интерфейсы и интеграции

При первом запуске мастер онбординга собирает профиль компании: базовые параметры, бизнес-модель, конкурентное окружение, стратегические приоритеты, культуру и ценности, опционально — финансовое положение и загрузку документов. Дальше «руководитель» учитывает этот контекст в каждом ответе.

Быстрый старт

# Clone the repo
git clone https://github.com/SenteLabsAI/OpenExecutive.git
cd OpenExecutive

# Set your Anthropic API key
cp .env.example .env
# Edit .env and add ANTHROPIC_API_KEY=sk-ant-...

# Start everything
make dev

Нужны Python 3.11+ и Node 22+. Первый запуск занимает несколько минут: uv sync подтягивает тяжёлые ML-зависимости (ChromaDB + sentence-transformers/PyTorch), а затем скачивается embedding-модель (~90 МБ) для локального векторного индекса. Веб-интерфейс поднимается на порту 3000, API — на 8000.

Документы (питч-дек, финансовая модель, стратегия) загружаются через UI или API:

# Via CLI
openexecutive upload deck.pdf model.xlsx strategy.md

# Via API
curl -X POST http://localhost:8000/documents \
  -F "file=@deck.pdf" \
  -F "domain=strategy"

Для продакшена — деплой на Fly.io с двумя окружениями (dev и qa), Google-авторизацией с email allow-list и защитой API shared-secret заголовком.

Локальные модели

Система работает с любым OpenAI-совместимым сервером — Ollama, LM Studio, vLLM, llama.cpp — вместо или рядом с Anthropic API:

LOCAL_MODELS_ENABLED=true
LOCAL_BASE_URL=http://localhost:11434/v1
LOCAL_MODELS=llama3.3

Подключённые слаги появляются в выпадающем списке моделей Council UI, так что можно оставить оркестратор на Claude, а отдельных специалистов переключить на локальные модели. Важный нюанс: мультиагентная маршрутизация активно использует tool use, поэтому стоит выбирать модели, которые с ним сильны (Llama 3.3 70B, Qwen 2.5) — маленькие модели маршрутизируют плохо. Промпт-кеширование и extended thinking для локальных моделей автоматически отключаются.

Оценка качества

В evals/ лежат 29 сценариев по всем восьми доменам, которые оценивает LLM-судья на claude-opus-4-7. Каждый сценарий определяет запрос, симулированный контекст компании, ожидаемые темы, требуемую маршрутизацию к специалисту и рубрику. Пять измерений — согласованность персоны, точность в домене, использование контекста компании, качество маршрутизации, применимость — оцениваются от 1 до 5. CI-гейт требует средний балл ≥ 3.5/5, а падение любого измерения более чем на 10% относительно main заваливает PR.

Приватность и лицензия

Всё в каталоге company/ (профиль YAML, загруженные документы, векторное хранилище) находится в gitignore и не покидает вашу машину — кроме как в составе промптов, отправляемых в Anthropic API. Anthropic не обучается на данных API. Лицензия Apache 2.0: коммерческое использование свободное, требуется атрибуция.

Ссылки

• Репозиторий: https://github.com/SenteLabsAI/OpenExecutive
• Демо-видео: https://youtu.be/O_g97xxVTMk
• Живая демо-инсталляция: https://openexec-ui-dev.fly.dev