Anagnorisis
Plataforma local de gestión de datos con motor de recomendaciones entrenable y ecosistema distribuido para búsqueda semántica. Procesa todo en tu máquina sin subir datos a la nube.
Ficha actualizada 27 sept 2026, 1:00 · upstream 27 sept 2026, 0:49 · release v0.4.0
Qué es Anagnorisis
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Anagnorisis es una plataforma de gestión de datos local que incluye un motor de recomendaciones entrenable y un ecosistema de intercambio de archivos distribuido. El sistema aprende tus preferencias desde tus propias valoraciones, permitiendo afinar modelos con tus datos personales sin riesgo de fugas, ya que todo se procesa localmente en tu equipo.
El proyecto invierte la arquitectura cliente-servidor tradicional: los servidores actúan como hosts ligeros de intercambio de datos, mientras que el procesamiento principal, búsqueda y recomendaciones ocurren en tu máquina. Puedes valorar archivos locales o remotos en una escala de 0 a 10, y este feedback se usa para entrenar localmente un modelo de recomendación que califica automáticamente todo lo que no has valorado.
El sistema soporta tres modos de búsqueda: basado en nombre (fuzzy matching), basado en contenido (embeddings del archivo) y basado en metadatos (descripciones automáticas, tags zero-shot, EXIF, ID3 y archivos sidecar .meta). El motor core es independiente y reutilizable como paquete Python con CLI.
- Sistema de recomendaciones personal para música, imágenes y archivos locales sin subir datos a la nube
- Búsqueda semántica distribuida mediante archivos sidecar .meta en redes peer-to-peer
- Plataforma de gestión de información privada con entrenamiento continuo del modelo basado en feedback del usuario
- Motor de búsqueda local para filtrar contenido en entornos con bots y AI slop
- Todo procesamiento local: no se envían datos a servidores externos, garantizando privacidad total
- Entrenamiento iterativo del modelo con correcciones manuales que mejoran la alineación a preferencias
- Soporte para múltiples formatos: audio, imágenes, texto y video con benchmarks documentados
- CLI independiente (anagnorisis_core) reutilizable sin dependencias de frontend o base de datos
- No descarga archivos remotos automáticamente; solo lee sidecar .meta como proxy de indexación
- Requiere GPU con al menos 8GB VRAM según especificaciones del README
- La búsqueda basada en contenido solo soporta archivos locales para evitar descargas no solicitadas
- Archivos no indexados no aparecen en resultados hasta que se procesan en segundo plano
- Tiempos de indexación elevados: ~9.8h para 100k archivos según benchmarks de contenido
- Benchmarks incompletos en README (sección de descripciones cortada)
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Despliega en PC o home server con GPU 8GB VRAM mínimo. Configura paths de project_config_path y embedding_models_path mediante CLI anag config set. Usa docker compose para despliegue one-click. El core engine funciona como API Python independiente compartiendo caché, ratings y modelo entrenado entre app web y CLI.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.