Open-source Hob переносит режим Claude Cowork на ваш ноутбук без облака

Разработчик Christian представил на Hacker News проект Hob: бесплатное десктопное приложение под лицензией MIT для Mac, Windows и Linux. Оно делает с локальными файлами то же, что приложения Claude и ChatGPT: читает и меняет документы в папке, разбирает изображения, запускает код в песочнице и рисует графики. Только модель работает на вашей машине. Пост набрал 162 балла и 39 комментариев, исходники лежат в репозитории FrigadeHQ/hob.

Чего не хватало существующим локальным клиентам

Перед началом работы автор перепробовал все локальные ИИ-приложения, которые смог найти. Ни одно не умело главного: работать с файлами так, как это делают облачные ассистенты. Самое продвинутое, что он видел, — вставка текстового файла в небольшое контекстное окно. Такая схема ломалась уже на файле в несколько килобайт. Изображения и крупные PDF вообще никто не разбирал внятно.

Решения посложнее, по его наблюдению, по умолчанию уходили к хостируемым моделям, открытым или закрытым. Это лишает смысла приватность локального запуска. Часть проектов к тому же тянула в сторону аккаунтов и модели open-core. Hob построен по обратному принципу: чаты и файлы не покидают систему, а интернет нужен только для веб-поиска (его можно отключить в настройках) и для MCP-коннекторов, которые пользователь добавляет сам. Без сети приложение работает полностью автономно.

Как собран Hob: Electron, llama.cpp и три слоя изоляции

Приложение написано на Electron и общается с llama.cpp, запущенным в отдельном процессе. При первой загрузке Hob определяет, есть ли совместимая видеокарта, и подбирает лучшую открытую модель под железо. Если карты нет, он переключается на CPU. Автор признаётся, что здесь пришлось повозиться: карты формально подходили, а на первом же запросе падали.

Код, который пишет модель, исполняется в песочнице. Она может писать только в папку текущего чата и не имеет доступа к сети, пока пользователь этого не разрешит. На каждой платформе используется свой механизм:

• macOS: sandbox-exec
• Linux: Landlock
• Windows: процесс с низким уровнем целостности (low-integrity)

Через такие скрипты модель делает разовые инструменты: обработку данных, конвертацию документов, построение графиков.

Малые модели и инструменты

По словам автора, самым трудным было заставить небольшие модели надёжно вызывать инструменты. Четырёхмиллиардные модели с удовольствием писали «вот ваш график», так и не обратившись к инструменту построения диаграмм, или застревали в бесконечном цикле вызовов. Правка промптов на малых моделях почти не помогала. Основное время ушло на программные ограничители вокруг вызовов.

Полный набор того, что входит в проект:

• Модели общего назначения: Gemma 4 и gpt-oss, открытые веса
• Распознавание изображений: небольшая модель Qwen3-VL
• Голосовой ввод: локальная модель Whisper
• Веб-поиск: на базе SearXNG, отключается в настройках
• Поддержка MCP-коннекторов, которые добавляет пользователь
• Операции создания, чтения, изменения и удаления файлов в локальной файловой системе
• Код на Python в изолированной песочнице: обработка данных, конвертация документов, графики
• Автоподбор лучшей модели под железо на первом запуске
• Полностью офлайн-режим
• Лицензия MIT, платформы Mac, Windows и Linux

Кому подойдёт и чего ждать от качества

Автор не спорит, что локальные модели слабее облачных флагманов. Но для большинства задач обычного пользователя, считает он, новейшая frontier-модель нужна редко. По его собственным замерам, системы с 16 ГБ оперативной памяти и больше справляются хорошо, а с дискретной видеокартой или бóльшим объёмом памяти результат сильно приближается к тому, что даёт хостируемая модель из коробки. Это оценка самого разработчика, независимых бенчмарков пока нет, и он прямо просит сообщество проверить Hob на других конфигурациях.

Практический вывод для читателя такой. Если вы работаете с договорами, финансовыми таблицами или внутренними документами, которые нельзя отправлять в облако, Hob стоит поставить и прогнать на типичных для вас файлах. Проверьте три вещи: стабильность вызова инструментов на вашей модели, поведение на машине без дискретной карты и качество разбора больших PDF. Командам, которые строят собственные агентные продукты, полезно заглянуть в код: схема из изолированного процесса llama.cpp, песочницы на уровне ОС и ограничителей вызовов инструментов решает проблемы, с которыми рано или поздно сталкивается любой, кто пробует агентов на малых моделях.