Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

postecho

PostEcho es una herramienta open source para automatizar la creación de contenido en X y LinkedIn usando Claude Code localmente. Permite encontrar temas, convertir videos en posts, escribir borradores personalizados y programar publicaciones oficiales.

Ficha actualizada 28 sept 2026, 13:46 · upstream 28 sept 2026, 13:35 · release v0.1.0

Ver códigoProblemas y ayudaRepositorio ↗
00

Qué es postecho

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

PostEcho es una aplicación web auto-alojada que combina inteligencia artificial con control total del usuario sobre el contenido generado. La herramienta utiliza Next.js 16 con React 19 y TypeScript para crear una interfaz completa donde los usuarios pueden descubrir temas de interés desde fuentes abiertas como Hacker News, GitHub, Bluesky y arXiv.

El sistema funciona mediante un agente local que ejecuta Claude Code en tu propia suscripción, eliminando costes por token y manteniendo la privacidad del contenido. La aplicación incluye PostgreSQL para persistencia de datos y ofrece funcionalidades como análisis de videos de YouTube, generación de múltiples versiones de texto y programación de publicaciones en las APIs oficiales de X y LinkedIn.

Lo que distingue a PostEcho es su enfoque en la autenticidad: utiliza Jev (un modelo de TypeSafe) para evaluar qué tan humano lee cada borrador, permite personalización del estilo mediante material de referencia propio, y mantiene transparencia mostrando el progreso de cada operación con tiempos reales. Todo el sistema está diseñado para funcionar sin scraping ni automatización no autorizada.

CASOS DE USO
  • Convertir videos de YouTube en hilos de posts para X automáticamente
  • Descubrir temas de actualidad desde fuentes académicas y tecnológicas
  • Personalizar el tono de escritura basándose en contenido previo del usuario
  • Programar publicaciones semanales en X y LinkedIn sin intervención manual constante
  • Evaluar la calidad humana de textos generados por IA antes de publicar
PUNTOS DESTACADOS
  • Ejecución local con Claude Code elimina costes por token y mantiene privacidad
  • APIs oficiales de X y LinkedIn garantizan cumplimiento de términos de servicio
  • Sistema de evaluación Jev detecta contenido spam y califica autenticidad humana
  • Arquitectura modular permite integrar otros modelos de IA alternativos fácilmente
  • Licencia MIT con documentación completa para despliegue en Vercel o local
PRECAUCIONES
  • Requiere macOS o Linux con Node.js 22.9 o superior
  • Necesita suscripción a Claude Code para funcionalidad de escritura principal
  • Jev es opcional pero mejora significativamente la calidad del ranking y detección humana
  • No incluye soporte nativo para Windows según documentación actual
VISUAL

Capturas del proyecto

Imágenes reales detectadas en la documentación del repositorio.

Trends, a videoCaptura de postechoFind Ideas: a search for design systems, best firstVideo posts: twelve ready X posts from one videoWrite: three takes, the chosen one, and the chat to change itCalendar: the week, and the posts scheduled on X and LinkedIn
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU2 vCPUrecomendación inicial
MEMORIA2 GBRAM estimada
DISCO20 GBalmacenamiento base
COMPLEJIDADmediumnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Despliegue manual

Requiere Node.js 22.9+, PostgreSQL o PGlite local, y Claude Code con suscripción activa. El setup inicial genera claves y prepara base de datos local. Para producción en Vercel/Neon usar free tiers disponibles. Verificar compatibilidad del sistema operativo antes de instalar.

—Dockerfile
—Compose
—One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsReactNode.js
SERVICIOS
PostgreSQL
BASES DE DATOS
PostgreSQL
PUERTOS
3000
06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.