databounty
DataBounty es una plataforma open-source auto-hospitable basada en karma para crear, validar y publicar conjuntos de datos. Permite que patrocinadores soliciten datasets, los contribuyentes creen items, se ejecutan validaciones automáticas y humanos revisan resultados.
Ficha actualizada 23 sept 2026, 5:32 · upstream 23 sept 2026, 5:26 · release sin release detectada
Qué es databounty
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
DataBounty Community es una plataforma auto-hospitable donde los patrocinadores solicitan conjuntos de datos, los contribuyentes crean elementos, las validaciones automatizadas verifican cada solicitud y los humanos revisan los resultados. Los aportes aceptados reciben karma — un registro permanente público y portátil del trabajo realizado en datasets, con atribución al contribuyente que sigue a la data hasta su publicación.
El sistema utiliza un modelo de karma basado en niveles (Dharma, Bodhi, Moksha, Nirvana) donde cada acción tiene una recompensa escalable. El karma se acumula por items aceptados, auditorías registradas, peticiones aprobadas y contribuciones a pools que alcanzan publicación. Cada punto representa trabajo verificado y el sistema mantiene un registro completo de todo lo realizado.
La plataforma incluye validación humana como gateo final: cada item pasa por etapas automáticas (duplicidad, malware, calidad) antes de ser revisado por humanos. Esto garantiza que solo trabajos con evidencia verificable lleguen a la publicación. Los contribuyentes pueden optarme o no, y el sistema registra este hecho para evitar credenciales falsas.
La arquitectura es modular: API en Node.js con Next.js, base de datos PostgreSQL, almacenamiento S3/MinIO, servicios de auditoría separados, notificaciones por múltiples canales (email, Telegram, Slack, Discord) y un servidor MCP que ofrece 45 herramientas JSON-RPC. Todo está auto-hospitable mediante Docker Compose.
- Crear conjuntos de datos con validación automática de calidad
- Validar contenido antes de su publicación pública
- Recompensar a contribuyentes por trabajo verificado y aceptado
- Publicar datasets con credenciales verificables y atribución permanente
- Auditar el cumplimiento de estándares de calidad en conjuntos de datos
- Crear comunidades colaborativas alrededor de proyectos de data
- Validación humana como gateo final: cada item pasa por auditoría antes de ser aceptado, asegurando que solo trabajos con evidencia real llegan a la publicación.
- Karma permanente y portátil: los puntos se acumulan en un registro público que sigue al dataset hasta su publicación, sin necesidad de reiniciar el sistema.
- Sandboxed execution genuinamente aislada: las pruebas no corren en el servidor principal, lo que garantiza que la validación sea real y verificable.
- Múltiples canales de notificación con confirmación de entrega: email, Telegram, Slack, Discord y Teams se envían mensajes reales, no asumiendo que llegan.
- Configuración sin despliegue: 30 parámetros operativos se configuran en la base de datos y aplican sin reinicio del servidor.
- Sistema MCP con 45 herramientas JSON-RPC soportadas para acceso a APIs desde agentes externos.
- No incluye escaneo de malware externo: el sistema depende de que el usuario configure su propio endpoint de escaneo en la configuración del artefacto.
- La validación por IA (LLM) es opcional y no está integrada por defecto; sin API key, las auditorías se ejecutan sin evaluación de calidad.
- El sistema no detecta contaminación externa: solo verifica duplicados internos mediante hash exactos o LSH. No hay escaneo de corpus externo ni detección de plagio.
- La publicación depende del confirmismo del proveedor: el dataset solo se marca como publicado cuando el proveedor lo confirma, lo que puede retrasar la disponibilidad.
- No incluye gestión de versiones de datasets: cada item tiene su propia versión pero no hay un sistema de versionado centralizado para los datasets en sí.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Para desplegar DataBounty Community, se recomienda usar Docker Compose con las siguientes aplicaciones separadas: API (Node.js + Next.js), Web, Admin y Landing. Se debe configurar la variable DATABASE_URL antes de ejecutar `npx prisma migrate deploy`. Para producción, se deben implementar límites de tasa en el MCP server, activar notificaciones por correo SMTP con confirmación de entrega, habilitar escaneo de malware en cada artefacto y usar un CDN para los datasets públicos. El sistema es idempotente: las operaciones pueden ejecutarse múltiples veces sin errores. Se recomienda mantener un backup diario del estado de karma y auditorías.
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.