TLDR;

Você pode reproduzir o exemplo localmente clonando o repositório Waku-Agent e seguindo o quick start para ter um agente funcional em cerca de 20 minutos. O tutorial mostra na prática os quatro pilares: harness, loop engineering, memória semântica e eval, além de LLM ops com chamadas de ferramentas e tracing. O demo usa por padrão APIs da Anthropic (mas permite modelos open-source mais baratos) e armazena dados e traces localmente no seu computador para maior privacidade.

Resumo

Shawn (Shen Sean Chan) apresenta o Waku-Agent, um assistente local open‑source que demonstra as quatro pilares de um sistema agente moderno: harness, loop engineering, memória, avaliação e operações com LLMs. No demo, o agente recebe a tarefa “encontre os jogos da Copa do Mundo e adicione ao meu calendário”, verifica a necessidade de recuperação, usa ferramentas como busca na web e executa um loop até concluir a tarefa, inclusive criando eventos no calendário mediante permissão. A interface mostra em tempo real o loop, as ferramentas ativadas, o consumo de tokens e custo (por padrão usa APIs Anthropic, mas suporta modelos open‑source) e grava traces locais detalhando chamadas e latências (a busca levou quase 100 segundos). O sistema também acessa memória semântica para fatos duráveis (ex.: amigos Sergey e Raj, contas sociais) e permite salvar novas memórias via ferramenta de nota. Há integração com gateways como Telegram para testar o bot, e todo o armazenamento é local para maior segurança. O repositório no GitHub contém instruções de quick start, banco de dados, arquivo soul.md com o prompt do sistema editável, e o autor convida a comunidade a experimentar e contribuir. O vídeo também explica o código passo a passo para desenvolvedores.