logwhisperer
LogWhisperer es una herramienta autoalojada de análisis de logs impulsada por IA para servidores Linux. Utiliza modelos locales vía Ollama para resumir entradas de journalctl, archivos y contenedores Docker, enviando alertas a Discord con deduplicación y limitación de tasa.
Ficha actualizada 25 sept 2026, 6:52 · upstream 25 sept 2026, 6:47 · release 1.1.0
Qué es logwhisperer
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
LogWhisperer es una solución autoalojada diseñada para la monitorización y análisis inteligente de registros en servidores Linux. Utiliza modelos de lenguaje grandes (LLMs) ejecutados localmente mediante Ollama para procesar entradas de logs como journalctl, archivos de texto o contenedores Docker, proporcionando resúmenes contextuales y detección de patrones sin enviar datos sensibles a la nube.
La herramienta ofrece capacidades de sumarización inteligente y monitorización en tiempo real con alertas proactivas a Discord mediante webhooks. Incluye características de producción listas para uso, como limitación de tasa (rate limiting), deduplicación de mensajes y caché para optimizar el rendimiento del modelo local. La configuración se gestiona mediante archivos YAML en /etc/logwhisperer/, permitiendo definir modelos específicos y niveles de escalada de alertas.
El despliegue requiere un entorno Python 3.8+ con dependencias instaladas vía pip o compilación desde fuente usando Nuitka. Soporta despliegues autoalojados completos, aunque no incluye Dockerfile nativo, sí cuenta con archivos de composición para orquestación. Es ideal para equipos que priorizan la privacidad y el procesamiento local de datos críticos del sistema.
- Análisis inmediato de errores en journalctl tras fallos de servicio
- Monitorización continua de logs de aplicaciones en contenedores Docker
- Detección temprana de anomalías mediante alertas a Discord con menciones específicas
- Auditoría de seguridad revisando logs críticos sin intervención manual constante
- Resumen automático de grandes volúmenes de registros para reportes diarios
- Procesamiento local de LLMs vía Ollama, garantizando privacidad y baja latencia
- Soporte nativo para múltiples fuentes de logs (journalctl, archivos, Docker)
- Integración directa con Discord para alertas en tiempo real con webhooks
- Mecanismos de producción como deduplicación y limitación de tasa implementados
- Configuración flexible mediante YAML para modelos y niveles de prioridad
- Dependencia crítica de una instancia local de Ollama funcionando correctamente
- Requiere configuración manual de webhooks de Discord y permisos de usuario
- Consumo significativo de recursos (RAM/CPU) durante la inferencia del modelo
- No es un SIEM completo; carece de correlación avanzada entre múltiples fuentes sin configuración extra
- La compilación desde fuente requiere herramientas adicionales como Nuitka para binarios
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Instalar Ollama en el servidor antes de ejecutar LogWhisperer. Configurar /etc/logwhisperer/config.yaml con la URL del host de Ollama (default localhost:11434) y webhooks de Discord. Asegurar permisos de lectura en logs (/var/log/). Para producción, considerar alojar el modelo LLM en hardware dedicado o usar un servidor con GPU para inferencia eficiente. Verificar que Python 3.8+ esté instalado antes de ejecutar pip install -r requirements.txt.
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.