Non un chatbot: un esecutore sotto controllo

Descrivi un'attività — trasforma questi CSV, genera il report, aggiorna questo script — K-app lavora sui tuoi file in una workspace isolata, esegue solo i comandi che gli strumenti consentono, e ti restituisce un risultato verificato prima di essere consegnato. Tu decidi se accettarlo.

Cosa ottieni da ogni richiesta

Ogni task chiuso produce un pacchetto completo — non solo "il risultato", ma la prova che il risultato è quello giusto:

①Il risultato

I file creati o modificati (PATCH_SET): script, report, dataset trasformati, pagine — idratati dal disco reale, mai testo "a memoria" del modello.

②La prova

La verifica eseguita sul deliverable: conteggi righe, controlli di schema, test, exit code dei comandi. VERIFIED significa "ha passato i gate", non "sembra giusto".

③La decisione

Review esplicita dell'operatore: ACCEPTED, AMENDED, rifiutato. Niente entra in produzione senza il tuo passaggio — la responsabilità resta tua, documentata.

④La traccia

Audit completo di ogni azione: file letti, scritti, comandi eseguiti, chi ha approvato e quando. Il log è tamper-evident: ogni evento è legato al precedente da una hash-chain SHA-256 verificata a ogni avvio — una riga modificata rompe la catena e il sistema lo dichiara. In contesti regolamentati o con clienti esigenti, la traccia è il prodotto.

⑤Il costo reale

Token effettivamente consumati per turno, tentativi, stop reasons. Con LLM locale il conto è piatto; con provider cloud vedi esattamente cosa spendi.

⑥La riservatezza

Bilanci, anagrafiche, dati clienti: con Ollama locale il canale modello non esce dalla macchina; con ARQEN_NET_OFF anche i processi del runner girano senza stack di rete (netns su Linux, Seatbelt su macOS — dove l'OS non offre containment, il comando viene rifiutato). Per uno studio che tratta dati di terzi questo non è un plus — è il prerequisito.

Scenari concreti per uno studio dati

Esempi di task che K-app esegue nel loop strumenti → verifica → consegna:

RichiestaCosa fa K-appCosa ricevi
"Normalizza questo lotto di CSV e segnala le righe anomale" Scrive lo script di trasformazione, lo esegue sui file nella workspace, verifica conteggi e schema di output Dataset normalizzato + report anomalie + prova (righe in/out, exit 0)
"Genera il report mensile dal foglio vendite" Costruisce la pipeline dato→report, la esegue, rigenera l'output quando i dati cambiano Report verificato + script riutilizzabile per il mese successivo
"Aggiorna il portale interno con la nuova procedura" Modifica i file nel workspace shadow, verifica, presenta il diff Patch revisionabile riga per riga — accetti, emendi o rifiuti
"Controlla che questi 500 documenti rispettino il formato richiesto" Applica regole deterministiche in batch, elenca le non conformità con posizione esatta Elenco difetti verificato, audit di ogni file esaminato
"Crea l'endpoint API per esporre i dati al cliente" Scrive il codice, lo testa, documenta — nell'ambiente isolato, poi sotto la tua review Codice funzionante testato + traccia completa delle decisioni

I guardrail sono il prodotto

Quello che K-app non fa è importante quanto quello che fa: