lintasan
Lintasan es un endpoint OpenAI-compatible para todos los proveedores de IA en una sola aplicación. Ofrece routing inteligente, failover automático, caché integrada y monitoreo en tiempo real.
Ficha actualizada 23 sept 2026, 0:54 · upstream 23 sept 2026, 0:50 · release v0.26.2
Qué es lintasan
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Lintasan es un endpoint único que conecta a múltiples proveedores de LLM (OpenAI, Anthropic, DeepSeek, Gemini, Groq, etc.) mediante un solo punto de entrada. Su arquitectura en Go con SQLite integrado elimina la necesidad de Node.js, reduce el consumo de RAM hasta 35 veces y permite autenticación centralizada con un único API key. La plataforma incluye descubrimiento automático de modelos, balanceo de carga inteligente, circuit breaker para fallos, gestión de tokens y un dashboard SvelteKit con 25 páginas interactivas.
- Gestionar múltiples proveedores de IA (OpenAI, Anthropic, DeepSeek) desde una sola API key
- Automatizar flujos de trabajo que requieran diferentes modelos según el contexto
- Implementar failover automático cuando un proveedor cae para mantener la disponibilidad
- Monitoreo en tiempo real del rendimiento y costos de cada modelo por cuenta
- Gestión centralizada de credenciales con cifrado AES-256-GCM mediante Vault
- Escalado horizontal mediante pools de conexión con balanceo round-robin
- Reduce el consumo de RAM hasta 35 veces comparado con Node.js (aprox. 14MB vs 500MB)
- Single binary (~26MB) que incluye tanto la API como el frontend SvelteKit
- 1021+ tests automatizados y 43 paquetes de pruebas en Go estándar
- Soporte nativo para streaming SSE con token compression RTK
- Circuit breaker automático que desactiva proveedores fallidos sin intervención manual
- Dashboard con 25 páginas interactivas de monitoreo en tiempo real
- No incluye SDKs o herramientas de desarrollo para los proveedores externos (solo endpoints OpenAI-compatible)
- Qoder es experimental y no está disponible por defecto, requiriendo configuración manual
- El modelo vectorial se basa en SQLite con limitaciones de rendimiento en bases de datos grandes
- No incluye integración nativa con IDEs como VS Code o GitHub Copilot
- Depende de proveedores externos para modelos y servicios de IA
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Instala el binary compilado (26MB) directamente mediante SCP a un servidor Linux. Configura systemd para iniciar el servicio en modo automático con autostart al inicio del sistema. El endpoint HTTP se activa en puerto 20180, y la base de datos SQLite se inicia en modo in-memory por defecto. Para producción, considera replicar la base de datos en un cluster PostgreSQL o MySQL para escalar horizontalmente.
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.