Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

EcomGen

Suite local-first de generación de imágenes para e-commerce con enfoque en autonomía de datos. Utiliza Pi Agent para planificación, soporta 25+ plantillas y protección de verdad de producto mediante PIXEL_PROTECTED mode.

Ficha actualizada 22 sept 2026, 17:31 · upstream 22 sept 2026, 14:51 · release v0.1.0

Ver códigoProblemas y ayudaRepositorio ↗
00

Qué es EcomGen

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

EcomGen es una plataforma local-first de generación de imágenes para e-commerce dirigida a vendedores individuales que buscan autonomía sobre sus datos. La arquitectura se basa en tres componentes principales: API (Fastify), Worker (BullMQ) y Frontend (React 19 con Vite). El sistema utiliza Pi Agent para la planificación inteligente de storyboards, integrando 25 plantillas predefinidas más suites reutilizables que cubren categorías específicas del e-commerce.

La plataforma implementa un sistema robusto de protección de verdad de producto mediante PIXEL_PROTECTED mode, que requiere el uso de materiales auténticos del producto durante la generación. Soporta múltiples proveedores de imágenes compatibles con OpenAI y Google Gemini, incluyendo capacidades de segmentación para exportación en capas PNG/PSD. La gestión de tareas asíncronas se realiza a través de BullMQ con Redis, permitiendo procesamiento escalable de generación, edición y auditoría de imágenes.

El sistema incluye Suite Forge para ingeniería inversa de campañas exitosas, creando plantillas reutilizables basadas en análisis de productos virales. La arquitectura prioriza la seguridad con cifrado de claves API, almacenamiento local de SQLite y soporte completo para despliegue autoalojado mediante Docker Compose.

CASOS DE USO
  • Generación automatizada de storyboards para páginas de producto e-commerce
  • Creación de suites de imágenes reutilizables por categoría de producto
  • Edición inteligente con protección de verdad del producto original
  • Exportación en capas (PNG/PSD) para diseño avanzado
  • Análisis y replicación de estilos de campañas exitosas mediante Suite Forge
  • Gestión completa de activos visuales con auditoría manual integrada
PUNTOS DESTACADOS
  • Arquitectura local-first que mantiene control total sobre datos y generación
  • Sistema de protección PIXEL_PROTECTED que garantiza fidelidad al producto original
  • Soporte nativo para múltiples proveedores (OpenAI, Gemini, SAM) sin dependencia única
  • Suite Forge permite ingeniería inversa de campañas exitosas a plantillas reutilizables
  • Exportación en capas con soporte PNG/PSD y manifest.json para gestión profesional
  • Arquitectura modular con separación clara API/Worker/Web facilita mantenimiento
PRECAUCIONES
  • Dependencia crítica de Redis (requiere 2GB RAM mínimo)
  • Configuración inicial compleja con múltiples servicios y claves maestras
  • Limitaciones en edición avanzada cuando se usa Gemini como proveedor principal
  • Requiere conocimientos técnicos para despliegue y mantenimiento
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU2 vCPUrecomendación inicial
MEMORIA2 GBRAM estimada
DISCO20 GBalmacenamiento base
COMPLEJIDADmediumnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Listo para automatizar

Requiere Redis 6.2+ (2GB RAM mínimo), Node.js 22+, pnpm 11.19.0. Para producción, usar Docker Compose con volumen persistente en ./data. Configurar ECOMGEN_MASTER_KEY con 32 bytes base64. Exponer solo puerto 8787 si se usa API+Web integrado. En VPS, usar Nginx/Caddy con HTTPS. Variables de entorno críticas: VITE_API_BASE_URL para separación frontend-backend. Verificar compatibilidad de providers antes de producción.

✓Dockerfile
✓Compose
✓One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
ReactNode.jsPython
SERVICIOS
Redis
BASES DE DATOS
Redis
PUERTOS
637987875173
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.