Pitch: Fiz um amigo virtual que mora em cima do relógio do Windows e conversa com o Claude ou o GPT (código aberto)
Faz tempo que eu queria um assistente que não fosse mais uma aba de chat. Queria algo que ficasse ali no canto da tela, vendo o que eu faço, e que eu pudesse chamar sem trocar de janela. Tipo aqueles bichinhos de desktop dos anos 2000, só que com uma IA de verdade por trás.
Então fiz o Bitu. É um personagem que fica em cima do relógio do Windows, anda pela barra de tarefas, conversa por voz e ajuda no dia a dia.
O que ele faz
- Conversa por texto ou voz, com memória local do que você conta pra ele
- Percebe a música que está tocando (Spotify, YouTube, Deezer) e dança junto
- Avisa quando chega notificação
- Pesquisa na internet, abre programas, controla a música e cria lembretes
- Com sua permissão: olha a tela, mexe no mouse e no teclado, roda comandos no PowerShell e lê ou salva arquivos de código
- Faz meme com a própria cara, conta piada ruim, cochila quando você sai do PC e fica tonto se você chacoalhar ele com o mouse
- Você monta o avatar (formato, cor, olhos, acessório) ou importa uma imagem ou GIF
- Fala português, inglês e espanhol
Algumas decisões técnicas que talvez interessem
Electron sem nenhuma dependência nativa. Mouse, teclado e janela ativa são chamados direto na user32.dll por um PowerShell que fica aberto em segundo plano. Os scripts vão em Base64 para não ter problema com escape. Nada de robotjs ou nut.js, e por isso o build no GitHub Actions é só um npm ci e pronto.
A música vem da API de mídia do próprio Windows (GlobalSystemMediaTransportControlsSessionManager, via WinRT no PowerShell). Isso funciona com qualquer app que mostra a música naquele controle de volume do Windows.
Claude e GPT com o mesmo conjunto de ferramentas. Escrevi um adaptador pequeno que traduz as ferramentas e os resultados para cada API, incluindo o print da tela. Na Anthropic a imagem vai dentro do tool_result; na OpenAI precisa ir numa mensagem de usuário separada.
A conexão não usa login da assinatura. A ideia original era "clica e loga no Claude", mas a Anthropic proibiu, neste ano, o uso do login do Claude.ai em apps de terceiros. Resolvi assim: o botão Conectar abre o console, você cria a chave e copia, e o app detecta a chave na área de transferência, testa, salva e limpa o clipboard. Pro usuário fica quase um clique só.
Segurança. As chaves e o histórico ficam criptografados com o safeStorage (DPAPI no Windows). As janelas rodam com sandbox e contextIsolation, e o preload só libera uma lista fechada de canais. Tudo que mexe no PC vem desligado; quando você liga, ele pergunta antes de cada ação. Comando e gravação de arquivo sempre pedem confirmação, e Ctrl+Alt+X para tudo na hora. O conteúdo de sites e arquivos vai pro modelo marcado como dado, nunca como instrução, porque prompt injection em agente com acesso ao mouse não é brincadeira.
A voz. A API do Claude não gera áudio, então a voz padrão é a do próprio Windows, que é grátis e offline. Se você tiver uma chave da OpenAI, dá pra usar as vozes naturais dela e o microfone.
O que ainda não está bom
- Ler o conteúdo das notificações depende do Windows liberar o acesso. Quando ele não libera, o Bitu tenta perceber pelos contadores no título das janelas, e nem todo app mostra isso (o WhatsApp Desktop, por exemplo, não mostra).
- O controle de mouse só funciona na tela principal e não mexe em janelas de administrador.
- Por enquanto é só Windows.
Links
- Código: https://github.com/sdalberto/bitu
- Instalador: https://github.com/sdalberto/bitu/releases/latest
É MIT. Se alguém quiser fazer um pacote de avatar, sugerir alguma maluquice nova pra ele fazer ou abrir uma issue reclamando, fico feliz. Especialmente quem tiver ideia melhor pra ler notificações sem precisar de identidade de pacote MSIX.