Try-Works agrupa varias herramientas de software orientadas a flujos de trabajo con modelos de inteligencia artificial. Su pieza central es role-model, un protocolo y motor de ejecución para inferencia híbrida local y vía API. Los modelos se asignan a roles según capacidad, rendimiento, velocidad y coste, y las solicitudes de tarea se dirigen al modelo más adecuado para optimizar el triángulo coste-velocidad-precisión. role-model actúa como capa de enrutamiento entre el código y los modelos, lo que permite cambiar de proveedor o mezclar ejecución local y remota sin reescribir la aplicación. La documentación y el repositorio están disponibles en role-model.dev y en GitHub.
Junto a role-model, el proyecto incluye rlm-workflow, una habilidad (Agent Skill) para entornos como Codex, inspirada en el artículo académico Recursive Language Models (arXiv 2512.24601). Ese trabajo demostró cómo ampliar el contexto efectivo hasta 10 millones de tokens mediante subagentes que trasladan información fuera de la ventana de chat. rlm-workflow aplica esa idea a la ingeniería asistida: las especificaciones, los análisis de código y los planes de implementación no se envían por el chat, sino que se almacenan en documentos Markdown locales organizados como un flujo kanban secuencial por fases. Cada fase genera un documento (requisitos, análisis del estado actual, estado objetivo, resumen de implementación y QA manual) que se bloquea antes de pasar a la siguiente, y un archivo DECISIONS.md registra qué requisitos se han implementado y por qué. El resultado es un flujo autodocumentado, legible para humanos y con menor degradación de contexto.
El paquete se completa con tinytunes DJ, un controlador de DJ minimalista que funciona en el navegador; lurkkit, una meta-interfaz que combina feeds de Reddit y Substack con filtrado por palabras clave, guardado con notas y exportación; y Pocketmodel, un cliente web para inferencia híbrida compatible con zeroclaw y role-model.