embird
EmBird es una herramienta open-source para rastrear fuentes RSS y sitios web, extraer contenido de noticias y almacenarlo con embeddings vectoriales para búsqueda semántica, agrupación y visualización.
Ficha actualizada 25 sept 2026, 13:59 · upstream 25 sept 2026, 13:33 · release 0.3.0
Qué es embird
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
EmBird es un proyecto open-source diseñado para el rastreo automatizado de fuentes RSS y páginas web, extrayendo contenido de noticias y almacenándolo con embeddings vectoriales. Esto permite realizar búsquedas semánticas, agrupar artículos relacionados y visualizar relaciones entre contenidos desde una perspectiva global.
La arquitectura del sistema se compone de cinco componentes principales: un frontend moderno en Vue.js + Vite, una aplicación web con FastAPI que proporciona endpoints REST, un servicio de rastreo que ejecuta periódicamente para obtener y procesar contenido, un trabajador dedicado para gestionar embeddings vectoriales y operaciones de similitud, y bases de datos PostgreSQL con extensión pgvector junto con FAISS para búsqueda eficiente de vectores.
El sistema utiliza FAISS para operaciones eficientes de vectores, incluyendo índices en memoria para búsquedas rápidas de similitud, agrupación basada en distancia L2 con similitud coseno, actualizaciones automáticas de índices para noticias recientes y agrupación transitiva para encontrar grupos de noticias relacionados. Incluye detección de duplicados mediante seguimiento de contador de impactos.
- Centralizar y visualizar noticias de múltiples fuentes RSS en una interfaz unificada con búsqueda semántica
- Descubrir artículos relacionados automáticamente mediante agrupación por similitud vectorial
- Explorar relaciones entre noticias usando visualizaciones interactivas UMAP reducidas a dimensiones
- Automatizar la recolección de contenido de fuentes web específicas con intervalos configurables
- Arquitectura modular con servicios separados para rastreo, embeddings y búsqueda vectorial
- Integración con Cohere API para generación de embeddings semánticos
- Búsqueda eficiente mediante FAISS con soporte para índices en memoria y agrupamiento
- Visualizaciones interactivas UMAP para explorar relaciones entre noticias
- Configuración flexible vía variables de entorno para retención, límites y umbrales
- Despliegue simplificado con Docker Compose para desarrollo y producción
- Dependencia obligatoria de Cohere API key para generar embeddings vectoriales
- Requiere recursos mínimos de 2 núcleos CPU, 2GB RAM y 20GB disco según análisis técnico
- La detección de duplicados se basa en contador de impactos, no en comparación profunda de contenido
- Los umbrales de agrupación y visualización están predeterminados y pueden requerir ajuste manual
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Requiere Docker y Docker Compose. Para desarrollo local, usar docker compose up -d con hot-reload en puerto 5173 (frontend) y 8000 (backend). Para producción, usar docker-compose.prod.yml con nginx optimizado. Configurar COHERE_API_KEY en archivo .env antes de iniciar. Asegurar PostgreSQL con pgvector instalado. Los servicios se reinician automáticamente al cambiar código fuente en modo desarrollo.
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.