Memuat PHRONELITH...
🤖

PHRONELITH Assistant

● Online — Siap membantu

Halo! 👋 Saya PHRONELITH Assistant. Ada yang bisa saya bantu tentang platform PHRONELITH?
Baru saja
v2.0.0 — Baru Dirilis

PHRONELITH

Platform agen AI yang berjalan sepenuhnya di komputer Anda. Privasi penuh, tanpa ketergantungan cloud, kontrol total atas data Anda.

Mulai Sekarang Lihat Dokumentasi
0
Agen Siap Pakai
0
Integrasi Tools
0
Pengembang Aktif

Dibangun untuk Pengembang

Semua yang Anda butuhkan untuk membangun, menjalankan, dan mengelola agen AI lokal yang powerful.

🤖

Runtime Agen Lokal

Jalankan agen LLM sepenuhnya offline dengan dukungan Ollama, llama.cpp, dan model GGUF kustom. Tidak ada data keluar dari mesin Anda.

🔧

Tool Calling Native

Definisikan tools sebagai fungsi TypeScript/JavaScript. Agen memanggilnya langsung — tanpa wrapper HTTP, tanpa latency jaringan.

📦

Manajemen Konteks

Jendela konteks dinamis dengan summarization otomatis, RAG terintegrasi, dan persistence memori antar sesi.

🎨

Visual Workflow Builder

Desain alur agen multi-step dengan editor node-based. Debug step-by-step, lihat state real-time, export ke kode.

🔒

Privasi by Design

Zero telemetry, zero panggilan rumah. Semua inferensi, log, dan data tetap lokal. Anda menguasai infrastruktur sepenuhnya.

⚡

Performa Tinggi

Optimasi GPU (Metal/CUDA/ROCm), quantization 4-bit, batching request, dan streaming token untuk latency minimal.

🔌

Ekstensi Mudah

Plugin system untuk model baru, vector store, dan tools. Tulis sekali, pakai di mana saja — CLI, API, atau UI.

📊

Observabilitas

Tracing terintegrasi, metrics token/biaya/latency, replay sesi, dan evaluasi otomatis kualitas jawaban.

Lihat Aksi Nyata

Terminal interaktif menampilkan eksekusi agen real-time dengan streaming output.

PHRONELITH run researcher --task "analisis pasar AI"
$PHRONELITH init researcher

Coba Sendiri

$ Memuat model: llama3.1:8b-q4
$ ✓ Model siap (VRAM: 4.2GB)
$ 🔍 Mencari: "tren pasar AI 2024"
$ 📄 Membaca 12 sumber...
$ 🧠 Menganalisis pola & insight...
$ ✅ Selesai — laporan tersimpan ke ./output/market-analysis.md
$

Siap Memulai?

Install PHRONELITH dalam hitungan detik. Satu binary, nol dependensi, jalan di Linux, macOS, dan Windows.

Apa Kata Pengguna

Developer yang sudah menggunakan PHRONELITH untuk membangun agen AI lokal mereka.

★★★★★

"PHRONELITH mengubah cara saya membangun agen AI. Sekarang saya bisa menjalankan semua model secara lokal tanpa khawatir privasi data."

👨‍💻
Ahmad Rizki
Senior Developer, TechCorp
★★★★★

"Visual Workflow Builder-nya sangat powerful. Saya bisa membuat alur agen kompleks tanpa menulis kode sama sekali."

👩‍💻
Sari Dewi
AI Researcher, StartupXYZ
★★★★★

"Performa GPU acceleration-nya luar biasa. Inference 4-bit di RTX 4090 sangat cepat dan efisien."

👨‍🔬
Budi Santoso
ML Engineer, DataIndo

Pilih Paket Anda

Mulai gratis, upgrade sesuai kebutuhan. Semua fitur lokal, tanpa biaya tersembunyi.

Starter

Gratis

Untuk eksplorasi dan pembelajaran

  • ✓ Runtime agen lokal
  • ✓ 3 agen aktif
  • ✓ Model hingga 8B parameter
  • ✓ Tool calling dasar
  • ✓ Community support
Mulai Gratis

Enterprise

Custom

Untuk tim dan organisasi

  • ✓ Semua fitur Pro
  • ✓ Self-hosted deployment
  • ✓ SSO & audit logs
  • ✓ Custom integrations
  • ✓ SLA 99.9%
  • ✓ Dedicated support
Hubungi Kami

Pertanyaan Umum

Jawaban untuk pertanyaan yang sering diajukan tentang PHRONELITH.

PHRONELITH adalah platform agen AI lokal yang memungkinkan Anda menjalankan model AI sepenuhnya di komputer Anda tanpa bergantung pada cloud. Mendukung Ollama, llama.cpp, dan berbagai model GGUF.

Ya, PHRONELITH memiliki versi gratis (Starter) dengan fitur lengkap untuk eksplorasi. Kami juga menawarkan paket Pro dan Enterprise untuk kebutuhan yang lebih advanced.

PHRONELITH mendukung semua model GGUF termasuk Llama 3, Mistral, CodeLlama, dan lainnya. Anda bisa menjalankan model dari 1B hingga 70B+ parameter tergantung hardware Anda.

100% aman. Semua inferensi berjalan lokal di mesin Anda. Tidak ada data yang dikirim ke server kami. Zero telemetry, zero panggilan rumah.

Minimum: RAM 16GB, CPU modern. Untuk pengalaman optimal: RAM 32GB+, GPU dengan VRAM 8GB+ (NVIDIA/AMD/Apple Silicon).

Stay Updated

Dapatkan update terbaru tentang PHRONELITH, tips AI lokal, dan tutorial langsung ke inbox Anda.

Bergabung dengan Komunitas

Terhubung dengan developer AI lokal lainnya, berbagi pengalaman, dan belajar bersama.

💬

Discord

Bergabung dengan server Discord kami untuk diskusi real-time dan support.

Join Discord
🐙

GitHub

Contribusi kode, laporkan issue, atau bintang di repository kami.

View GitHub
🐦

Twitter

Ikuti untuk update berita, tips, dan pengumuman terbaru.

Follow Us

Dokumentasi

Panduan lengkap untuk memulai, mengembangkan, dan meng-deploy agen AI dengan PHRONELITH.

🚀

Quick Start

Install dan jalankan agen pertama Anda dalam 5 menit.

📖

API Reference

Dokumentasi lengkap API dan SDK untuk developer.

🎓

Tutorials

Step-by-step guides dan contoh penggunaan.

🔧

Configuration

Panduan konfigurasi advanced dan optimasi.

Dipercaya oleh tim inovatif di seluruh Indonesia

🏢 TechCorp Indonesia
🚀 StartupXYZ
💡 DataIndo
🎯 Digital Nusantara
⚡ Inovasi Asia
🌟 Nusantara Tech

Aktif Berkembang di GitHub

Open source, transparan, dan dikembangkan oleh komunitas

12.8K
⭐ Stars
3.2K
🍴 Forks
450+
👥 Contributors
850+
📦 Releases
Lihat di GitHub →

Lihat PHRONELITH dalam Aksi

Demo 2 menit — dari instalasi hingga menjalankan agen AI pertama Anda

▶

🎬 Klik untuk memutar video demo • Durasi: 2:15

Mengapa Memilih PHRONELITH?

Perbandingan lengkap dengan solusi lainnya

FiturPHRONELITHOllamaLM Studio
Visual Workflow Builder✓✗✗
Multi-Agent Orchestration✓✗✗
Plugin Marketplace✓✗✗
GPU Acceleration (4-bit)✓✓✓
Team Collaboration✓✗✗
API & Webhooks✓✓✗
Enterprise Security✓✗✗
HargaGratisGratisGratis

Kebutuhan Sistem

Spesifikasi minimum dan recommended untuk pengalaman terbaik

💻
Minimum
RAM: 8 GB
Storage: 20 GB SSD
GPU: Integrated
OS: Windows 10 / macOS 12 / Ubuntu 20.04
🚀
Recommended
RAM: 32 GB
Storage: 100 GB NVMe
GPU: NVIDIA RTX 3060+ (6GB VRAM)
OS: Windows 11 / macOS 14 / Ubuntu 22.04
⚡
Optimal
RAM: 64 GB
Storage: 500 GB NVMe
GPU: NVIDIA RTX 4090 (24GB VRAM)
OS: Windows 11 / macOS 15 / Ubuntu 24.04

Roadmap 2025

Rencana pengembangan yang transparan

Q1 2025
Core Platform & Visual Builder
Rilis v1.0 dengan 50+ agen template, workflow builder, dan dukungan model LLM utama.
Q2 2025
Plugin Marketplace & API
Marketplace plugin publik, REST API lengkap, webhook integration, dan dukungan Python/JS SDK.
Q3 2025
Team Collaboration & Enterprise
Real-time collaboration, role-based access, audit logs, dan SSO integration.
Q4 2025
AI Training & Custom Models
Fine-tuning UI, custom model training, model sharing, dan AI model marketplace.

Artikel Terbaru

Tutorial, tips, dan berita terbaru dari tim PHRONELITH

📝
Tutorial

Cara Setup PHRONELITH untuk Pertama Kali dalam 5 Menit

Panduan lengkap instalasi dan konfigurasi awal PHRONELITH di Windows, macOS, dan Linux.

5 min read12 Jan 2025
🔧
Tips & Tricks

Optimasi Performa: Inference 4-bit di GPU Consumer

Cara memaksimalkan kecepatan inference model LLM di GPU RTX 3060/4060 dengan quantization.

8 min read8 Jan 2025
🚀
Product Update

Rilis v2.0: Visual Workflow Builder & Plugin Marketplace

Semua yang baru di PHRONELITH v2.0 — dari workflow builder hingga 100+ plugin siap pakai.

6 min read3 Jan 2025

Changelog

Riwayat versi dan pembaruan PHRONELITH

v2.0.03 Januari 2025
  • Visual Workflow Builder — drag & drop agen AI
  • Plugin Marketplace dengan 100+ plugin
  • REST API & Webhook integration
  • Python & JavaScript SDK
  • Multi-model inference (jalankan beberapa model sekaligus)
v1.5.015 Desember 2024
  • GPU Acceleration dengan 4-bit quantization
  • 50+ agen template siap pakai
  • Integrasi dengan Discord, Slack, dan Telegram
  • Memory & RAG (Retrieval Augmented Generation)
v1.0.01 November 2024
  • Rilis pertama PHRONELITH
  • Dukungan Llama, Mistral, Phi, dan Gemma
  • Local inference engine
  • Basic agen templates

Cara Kerja

Tiga langkah mudah untuk mulai menggunakan PHRONELITH

1
📥

Install & Setup

Download PHRONELITH, install di komputer Anda, dan pilih model LLM yang ingin digunakan. Support Ollama & llama.cpp.

2
🤖

Pilih atau Buat Agen

Pilih dari 50+ template agen siap pakai, atau buat agen kustom dengan visual workflow builder.

3
🚀

Jalankan & Otomasi

Jalankan agen Anda secara lokal. Hubungkan ke Discord, Slack, Telegram, atau API Anda sendiri.

Integrasi Populer

Terhubung dengan tools yang sudah Anda gunakan

Dipercaya Pengembang

Keamanan dan privasi adalah prioritas utama kami

🔒

Privasi Penuh

Data Anda tidak pernah meninggalkan komputer. 100% offline, 100% aman.

📜

Open Source

Kode sumber terbuka di GitHub. MIT License. Bebas digunakan dan dimodifikasi.

⚡
h3>Performa Tinggi

Optimasi GPU dengan 4-bit quantization. Cepat bahkan di hardware consumer.

🌍

Multi Platform

Windows, macOS, dan Linux. Satu aplikasi, semua sistem operasi.

Use Cases

PHRONELITH bisa digunakan untuk berbagai kebutuhan

👨‍💻

Developer

Code review, debugging, documentation generation, dan otomasi tugas repetitif.

📈

Data Analyst

Analisis data, pembuatan laporan, visualisasi, dan insight generation.

✍️

Content Creator

Penulisan artikel, social media management, dan content planning.

🏢

Enterprise

Customer support automation, internal knowledge base, dan workflow optimization.

Tim Kami

Orang-orang di balik PHRONELITH

👨‍💻

Alex Chen

Founder & Lead Engineer

Ex-Google, 10+ tahun di bidang AI/ML. Membangun PHRONELITH karena percaya AI harus bisa dijalankan secara lokal.

👩‍🔬

Dr. Sari Wijaya

AI Research Lead

PhD di Machine Learning. Fokus pada optimasi model LLM untuk hardware consumer.

div class="team-avatar">👨‍🎨

Budi Santoso

Product Designer

Membuat AI accessible untuk semua orang. Pengalaman di Figma dan Stripe.

👩‍💼

Maya Putri

Community Manager

Membangun komunitas pengembang AI lokal yang aktif dan supportive.

📬 Tetap Update dengan PHRONELITH

Dapatkan notifikasi fitur baru, tips, dan tutorial langsung ke inbox Anda.

Tanpa spam. Unsubscribe kapan saja.

📥 15,000+ downloads bulan ini
/* ===== CLIENT LOGOS ===== */ .logos-section{padding:4rem 2rem;text-align:center;background:var(--surface)} .logos-section h3{color:var(--muted);font-size:.9rem;text-transform:uppercase;letter-spacing:2px;margin-bottom:2rem} .logos-grid{display:flex;flex-wrap:wrap;justify-content:center;gap:3rem;opacity:.6} .logo-item{font-size:1.1rem;font-weight:700;color:var(--text);display:flex;align-items:center;gap:.5rem} .logo-item span{font-size:1.5rem} /* ===== GITHUB STATS ===== */ .github-stats{display:flex;justify-content:center;gap:2rem;flex-wrap:wrap;margin:2rem 0} .stat-badge{background:var(--surface);border:1px solid var(--border);border-radius:12px;padding:1rem 1.5rem;text-align:center;min-width:120px} .stat-badge .number{font-size:1.8rem;font-weight:700;color:var(--accent)} .stat-badge .label{font-size:.8rem;color:var(--muted);margin-top:.25rem} /* ===== VIDEO DEMO ===== */ .video-section{padding:4rem 2rem;text-align:center} .video-container{max-width:900px;margin:2rem auto;border-radius:20px;overflow:hidden;box-shadow:0 20px 60px rgba(0,0,0,.4);position:relative} .video-placeholder{background:linear-gradient(135deg,#1e293b,#0f172a);aspect-ratio:16/9;display:flex;align-items:center;justify-content:center;cursor:pointer;transition:all .3s} .video-placeholder:hover{transform:scale(1.02)} .play-button{width:80px;height:80px;border-radius:50%;background:linear-gradient(135deg,var(--accent),var(--accent2));display:flex;align-items:center;justify-content:center;font-size:2rem;color:#fff;box-shadow:0 10px 40px rgba(99,102,241,.4);transition:all .3s} .play-button:hover{transform:scale(1.1);box-shadow:0 15px 50px rgba(99,102,241,.6)} .video-caption{color:var(--muted);margin-top:1rem;font-size:.9rem} /* ===== COMPARISON TABLE ===== */ .comparison-section{padding:4rem 2rem} .comparison-table{max-width:900px;margin:2rem auto;border-collapse:collapse;width:100%;background:var(--surface);border-radius:16px;overflow:hidden;box-shadow:0 10px 40px rgba(0,0,0,.2)} .comparison-table th,.comparison-table td{padding:1rem 1.5rem;text-align:left;border-bottom:1px solid var(--border)} .comparison-table th{background:rgba(99,102,241,.1);font-weight:600;color:var(--text)} .comparison-table tr:last-child td{border-bottom:none} .comparison-table .check{color:#27c93f;font-weight:700} .comparison-table .cross{color:#ff5f56;font-weight:700} .comparison-table tr:hover{background:rgba(99,102,241,.05)} /* ===== SYSTEM REQUIREMENTS ===== */ .requirements-grid{display:grid;grid-template-columns:repeat(auto-fit,minmax(250px,1fr));gap:1.5rem;max-width:900px;margin:2rem auto} .req-card{background:var(--surface);border:1px solid var(--border);border-radius:16px;padding:1.5rem;text-align:center;transition:all .3s} .req-card:hover{border-color:var(--accent);transform:translateY(-4px)} .req-icon{font-size:2.5rem;margin-bottom:1rem} .req-title{font-weight:600;margin-bottom:.5rem} .req-specs{color:var(--muted);font-size:.9rem;line-height:1.6} /* ===== ROADMAP ===== */ .roadmap{max-width:800px;margin:2rem auto;position:relative} .roadmap::before{content:'';position:absolute;left:24px;top:0;bottom:0;width:2px;background:linear-gradient(180deg,var(--accent),var(--accent2))} .roadmap-item{padding-left:60px;position:relative;margin-bottom:2rem} .roadmap-dot{position:absolute;left:16px;top:4px;width:18px;height:18px;border-radius:50%;background:var(--accent);border:3px solid var(--bg);box-shadow:0 0 0 3px var(--accent)} .roadmap-item.done .roadmap-dot{background:#27c93f;box-shadow:0 0 0 3px #27c93f} .roadmap-item.current .roadmap-dot{background:#f59e0b;box-shadow:0 0 0 3px #f59e0b;animation:pulse 2s infinite} .roadmap-quarter{font-size:.8rem;font-weight:700;color:var(--accent);text-transform:uppercase;letter-spacing:1px} .roadmap-title{font-weight:600;margin:.25rem 0} .roadmap-desc{color:var(--muted);font-size:.9rem} /* ===== BLOG GRID ===== */ .blog-grid{display:grid;grid-template-columns:repeat(auto-fit,minmax(300px,1fr));gap:2rem;max-width:1100px;margin:2rem auto} .blog-card{background:var(--surface);border:1px solid var(--border);border-radius:16px;overflow:hidden;transition:all .3s} .blog-card:hover{border-color:var(--accent);transform:translateY(-4px);box-shadow:0 20px 60px rgba(0,0,0,.3)} .blog-image{height:180px;background:linear-gradient(135deg,#1e293b,#334155);display:flex;align-items:center;justify-content:center;font-size:3rem} .blog-content{padding:1.5rem} .blog-category{font-size:.75rem;font-weight:700;color:var(--accent);text-transform:uppercase;letter-spacing:1px} .blog-title{font-weight:600;margin:.5rem 0;line-height:1.4} .blog-excerpt{color:var(--muted);font-size:.9rem;line-height:1.6;margin-bottom:1rem} .blog-meta{display:flex;justify-content:space-between;align-items:center;font-size:.8rem;color:var(--muted)} /* ===== CHANGELOG ===== */ .changelog{max-width:800px;margin:2rem auto} .changelog-item{background:var(--surface);border:1px solid var(--border);border-radius:16px;padding:1.5rem;margin-bottom:1rem;transition:all .3s} .changelog-item:hover{border-color:var(--accent)} .changelog-header{display:flex;justify-content:space-between;align-items:center;margin-bottom:.5rem} .changelog-version{font-weight:700;color:var(--accent)} .changelog-date{font-size:.8rem;color:var(--muted)} .changelog-changes{list-style:none;padding:0;margin:0} .changelog-changes li{padding:.25rem 0;color:var(--muted);font-size:.9rem;display:flex;align-items:center;gap:.5rem} .changelog-changes li::before{content:'✓';color:#27c93f;font-weight:700} /* ===== NEWSLETTER ===== */ .newsletter{max-width:600px;margin:3rem auto;text-align:center;padding:2rem;background:linear-gradient(135deg,rgba(99,102,241,.1),rgba(139,92,246,.1));border-radius:20px;border:1px solid rgba(99,102,241,.2)} .newsletter h3{margin-bottom:.5rem} .newsletter p{color:var(--muted);margin-bottom:1.5rem;font-size:.9rem} .newsletter-form{display:flex;gap:.75rem;max-width:400px;margin:0 auto} .newsletter-form input{flex:1;padding:.75rem 1rem;border-radius:10px;border:1px solid var(--border);background:var(--surface);color:var(--text);font-size:.9rem} .newsletter-form input:focus{outline:none;border-color:var(--accent)} .newsletter-form button{padding:.75rem 1.5rem;border-radius:10px;border:none;background:linear-gradient(135deg,var(--accent),var(--accent2));color:#fff;font-weight:600;cursor:pointer;transition:all .3s;white-space:nowrap} .newsletter-form button:hover{transform:translateY(-2px);box-shadow:0 8px 30px rgba(99,102,241,.4)} /* ===== DOWNLOAD COUNTER ===== */ .download-badge{display:inline-flex;align-items:center;gap:.5rem;background:rgba(99,102,241,.1);border:1px solid rgba(99,102,241,.2);border-radius:50px;padding:.5rem 1rem;font-size:.85rem;color:var(--muted)} .download-badge strong{color:var(--accent);font-weight:700} ); ov.addEventListener('click',close); sb.querySelectorAll('a').forEach(function(a){a.addEventListener('click',close);}); })();