markgitup-research-desk
Markgitup Research Desk es un portal de investigación autónomo que publica artículos estáticos cada hora sobre inteligencia artificial, mercados y política.
Ficha actualizada 22 sept 2026, 14:54 · upstream 22 sept 2026, 14:01 · release sin release detectada
Qué es markgitup-research-desk
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Markgitup Research Desk es un sistema de publicación autónomo diseñado para operar localmente, generando contenido informativo cada hora sobre una rotación de veinticuatro familias temáticas que abarcan desde inteligencia artificial hasta mercados financieros y política. El proceso comienza con un cronjob que selecciona un ángulo fresco mediante un modelo de lenguaje local, planifica búsquedas adyacentes y valida la evidencia en SearXNG antes de proceder a la síntesis. Si no se encuentran al menos dos fuentes únicas o si la inferencia falla, el sistema aborta sin alterar el portal público, garantizando que la información publicada siempre esté sustentada por múltiples perspectivas verificables.
La arquitectura prioriza la privacidad y la seguridad mediante un modelo de integridad estricto: el modelo de lenguaje solo produce datos estructurados en JSON, nunca código HTML directo, y los valores se escapan antes del renderizado para evitar inyecciones. El portal final es una página estática generada desde un manifest.json, que incluye características avanzadas como un héroe meteorológico basado en la ubicación IP del visitante sin almacenar datos personales, y controles de accesibilidad completos. La solución funciona con Python 3.11+ y Node.js, requiriendo aproximadamente 8 GB de RAM y 4 núcleos de CPU para el procesamiento local.
El despliegue es sencillo pero requiere infraestructura específica: un servidor con acceso a una API de IA local o un fallback remoto (como Hermes), SearXNG configurado para búsqueda, y un repositorio Git conectado a GitHub Pages. El sistema mantiene un registro exhaustivo de las búsquedas realizadas en search-history.json y los temas tratados en topic-cycle.json, permitiendo auditorías completas del proceso de investigación. Es ideal para entornos que buscan transparencia algorítmica y control total sobre la generación de contenido sin depender de servicios centralizados para la inferencia o el almacenamiento.
- Monitorización autónoma de noticias sobre inteligencia artificial y tecnología
- Portal de transparencia informativa con gate de fuentes múltiples
- Investigación de mercado local-first para análisis financieros o políticos
- Generación de contenido estático seguro para despliegue en GitHub Pages
- Herramienta educativa para demostrar prácticas de privacidad y verificación de fuentes
- Gate de fuentes estricto: Requiere al menos dos fuentes independientes antes de publicar cualquier síntesis
- Arquitectura local-first: Prioriza modelos locales para la inferencia, reduciendo latencia y dependencia de APIs externas costosas
- Seguridad por diseño: El modelo genera solo JSON; el renderizado HTML se realiza externamente con escape de caracteres para evitar inyecciones
- Privacidad del usuario: El héroe meteorológico utiliza datos de IP sin almacenar coordenadas ni preferencias en los servidores
- Determinismo: El renderizado es determinista, asegurando que el contenido publicado sea consistente y verificable
- Dependencia de un modelo local o fallback complejo; sin inferencia válida, no hay publicación
- No incluye Docker ni archivos Compose, requiriendo instalación manual de dependencias Python y Node.js
- Requiere infraestructura mínima de 8 GB de RAM y 4 núcleos de CPU para el procesamiento local
- El héroe meteorológico depende de la geolocalización IP del visitante, lo que puede ser inexacto con VPNs
- No genera artículos especulativos; si las fuentes son insuficientes, el ciclo avanza al siguiente tema sin contenido
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Requiere Python 3.11+ y Node.js. Configura SearXNG para búsqueda local o usa Bing News RSS como fallback. Asegúrate de tener un servidor compatible con OpenAI-compatible API para el modelo local (ej. Ollama, LM Studio) o configura el fallback Hermes. Ejecuta el cronjob markgitup-html-cron.py cada hora. Verifica que los puertos 8080 y 8888 estén libres. El sistema no usa Docker; instala las librerías Python manualmente en el servidor. Configura las variables de entorno para la API del modelo local y las credenciales de GitHub Pages.
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.