angelgabrieljacintohuayllasco

G Mini Agent — AI skill for Claude Code

AI community

G-Mini Agent 🖥️👁️🗣️ Asistente IA open-source que VE tu pantalla, HACE CLIC automático y HABLA en tiempo real.

How to install G Mini Agent

This entry records only its repository, not the path inside it, so there is no exact command to give. Open angelgabrieljacintohuayllasco/G-Mini-Agent and copy the folder into ~/.claude/skills/, or the file into ~/.claude/agents/.

What G Mini Agent does

G-Mini Agent 🖥️👁️🗣️ | Asistente IA open-source que VE tu pantalla, HACE CLIC automático y HABLA en tiempo real. 7+ LLMs (GPT-4o, Claude, Gemini, Grok, Ollama local). Visión OCR, automatización PC/Android, voz TTS/STT. Electron UI + Python FastAPI. ¡Phase 3 completa! 🚀

Alternatives in AI

System Prompts Leaks — Extracted system prompts from ChatGPT (GPT-5.4, GPT-5.3, Codex), Claude (Opus 4.6, Sonnet 4.6, Claude Code), G 38.6k ★
AI Engineering Hub — In-depth tutorials on LLMs, RAGs and real-world AI agent applications 37.2k ★
Repomix — 📦 Repomix is a powerful tool that packs your entire repository into a single, AI-friendly file 22.7k ★

README

G-Mini Agent

**Super-agente de IA autónomo para Windows** que ve tu pantalla, hace clic, escribe, habla y ejecuta tareas completas de principio a fin — como lo haría un humano experto.

No es un chatbot. Es un agente operativo: ve la pantalla (OCR + OmniParser), controla mouse/teclado/navegador/Android, razona con cualquier LLM (cloud o local), habla y escucha, opera 24/7 en background, delega en sub-agentes y se recupera de errores.

**Filosofía:** *"Si un humano puede hacerlo en una computadora, G-Mini Agent debe poder hacerlo."*

Versión: 0.1.0
Stack: Electron (UI + overlay/avatar 3D) + Python FastAPI/Socket.IO (cerebro)
Plataforma: Windows 10/11 (Linux parcial)

✨ Capacidades

Capacidad	Cómo
Ver	Captura `mss`, OCR multi-motor (Tesseract / EasyOCR / PaddleOCR), detección de UI con OmniParser (YOLO + Florence-2)
Pensar	Router multi-proveedor con fallback, planificación multi-paso, critic gate, DAG executor, goal engine
Actuar	Control de escritorio (PyAutoGUI), navegador (extensión Chrome nativa + `browser-use`), Android (ADB)
Hablar	TTS (MeloTTS offline / ElevenLabs / Gemini TTS), STT (Faster-Whisper), voz en tiempo real + lipsync
Delegar	Sub-agentes especializados en paralelo, cada uno con su modo y modelo asignado
Persistir	Tareas 24/7, scheduler con cron, checkpoints, self-healing, rollback
Comunicar	Gateway multi-canal: WhatsApp, Telegram, Discord, Slack — control remoto desde el celular
Adaptarse	11 modos (Programador, Marketero, Pentester, Gamer, Creador…) + modos custom

🤖 Modelos soportados

Catálogo centralizado en [`data/models.yaml`](data/models.yaml) (fuente única de verdad para frontend + backend). Configura las API keys y elige modelo desde el selector de la UI.