Petrichor
Petrichor es una plataforma de conocimiento auto-alojada que convierte Markdown en wikis semánticos y genera respuestas rastreables mediante Agentic RAG para humanos y agentes de IA.
Ficha actualizada 24 sept 2026, 2:22 · upstream 24 sept 2026, 1:52 · release sin release detectada
Qué es Petrichor
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Petrichor es una plataforma de conocimiento auto-alojada diseñada tanto para humanos como para agentes de inteligencia artificial. Permite publicar wikis, blogs y habilidades portables de agentes (Agent Skills). El sistema transforma documentos Markdown en wikis semánticos con evidencia y respuestas rastreables mediante Agentic RAG.
La arquitectura separa la búsqueda y la lectura estrictamente: los agentes localizan contenido primero mediante Search/Outline, luego leen el texto original para formar evidencia, evitando saturar el contexto con fragmentos similares. Incluye una capa intermedia de Wiki mantenible que extrae entidades, conceptos y relaciones de documentos completos, permitiendo la agregación de múltiples artículos en páginas unificadas.
El sistema soporta escritura estructurada (Markdown, código, fórmulas, tablas), búsqueda semántica híbrida (BM25/Vector/Wiki), integración con modelos de IA vía MCP/REST y exportación a formatos como OKF o paquetes de habilidades para agentes. La infraestructura incluye Go + Gin para la API, React + Vite para el frontend, PostgreSQL para datos y Redis con Asynq para tareas asíncronas.
- Auto-alojamiento de una wiki corporativa donde humanos escriben en Markdown y agentes de IA consultan respuestas con evidencia rastreable.
- Integración de habilidades de conocimiento (Agent Skills) en flujos de trabajo de automatización mediante MCP o llamadas REST.
- Publicación de blogs y wikis semánticos con agregación automática de entidades y conceptos entre múltiples documentos.
- Uso como backend para agentes de IA que requieren contexto estructurado, navegación por directorios y trazabilidad de fuentes.
- Exportación de conocimientos a formatos portables (OKF, Obsidian) para migrar o compartir bases de conocimiento externas.
- Arquitectura híbrida de recuperación: combina BM25, vectores y navegación semántica por wikis para evitar ruido en la búsqueda.
- Separación estricta entre localización (Search/Outline) y lectura profunda (Read/Evidence), optimizando el contexto del agente.
- Capa intermedia de Wiki mantenible que extrae entidades y relaciones, permitiendo agregación estructural de múltiples documentos.
- Infraestructura auto-alojable con Go + Gin, React + Vite, PostgreSQL 16+ (con pgvector) y Redis + Asynq para tareas asíncronas.
- Soporte nativo para exportación de habilidades de agente (Agent Skills) en formatos OKF o paquetes instalables.
- Gestión de tareas asíncronas mediante Asynq con soporte de reintentos, auditoría y recuperación idempotente vía Redis.
- El repositorio no incluye Dockerfile, requiriendo el uso de imágenes precompiladas en GHCR o construcción manual desde código fuente.
- La base de datos PostgreSQL debe configurarse externamente con las extensiones pg_trgm y vector (pgvector) activadas antes del despliegue.
- El sistema no crea cuentas de usuario por defecto; la inicialización como administrador solo puede ejecutarse una vez correctamente.
- Las imágenes oficiales en GHCR son multi-archivo; se recomienda fijar etiquetas SHA específicas para entornos de producción estables.
- La interfaz de gestión de Asynq (asynqmon) se expone por defecto solo en 127.0.0.1:8081 y no está accesible públicamente sin configuración adicional.
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 PostgreSQL 16+ con extensiones pg_trgm y vector activadas, Redis con AOF y política noeviction, y almacenamiento S3 o local. Configurar PETRICHOR_DOMAIN en .env y generar claves de cifrado en apps/api/config.toml. Usar etiquetas SHA fijas para imágenes en producción. No exponer asynqmon públicamente sin Caddy. Verificar migraciones Goose antes del arranque.
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.