readprism
Lector RSS/newsletter auto-hospedable con ranking conductual explicable. Agrega fuentes y creadores, aprende de tu lectura real (scroll depth) y envía digests diarios por email. Stack: Next.js + FastAPI + PostgreSQL + Redis.
Ficha actualizada 23 sept 2026, 22:21 · upstream 23 sept 2026, 22:09 · release sin release detectada
Qué es readprism
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
ReadPrism es una herramienta de lectura auto-hospedable que agrupa todas las fuentes y creadores que sigues y ordena tu digesto diario según relevancia personal mediante un motor de ranking conductual y explicable. A diferencia de los lectores tradicionales, aprende de tu comportamiento real (profundidad de scroll, tiempo activo) en lugar de reglas manuales o palabras clave.
La arquitectura combina Next.js para el frontend con FastAPI/Python en el backend, utilizando PostgreSQL + pgvector para almacenamiento semántico y Redis para caché. Incluye workers de Celery para scraping, generación de embeddings y construcción del digesto diario. El sistema soporta múltiples plataformas (RSS, Substack, YouTube, Medium, etc.) y marca claramente las fuentes no soportadas.
El motor de ranking utiliza un grafo de intereses dirigido con pesos semánticos y ajusta los pesos de las señales personalizadas mediante aprendizaje meta para cada usuario. Incluye telemetría real en el lector in-app y envío de digests diarios por email con Zoho SMTP o cualquier otro servidor SMTP.
- Agregación unificada de RSS, Atom, newsletters y creadores (Substack, YouTube, Medium) con scraping robusto vía Playwright/Trafilatura
- Lectura in-app con telemetría real de scroll depth y tiempo activo para alimentar el ranking conductual
- Envío de digestos diarios por email segmentados en lead items, actualizaciones de creadores y contenido de descubrimiento
- Gestión de intereses mediante grafo semántico dirigido que permite relevancia transitiva entre temas conexos
- Auto-hospedaje completo para desarrolladores que toleran rough edges y quieren introspección del motor de ranking
- Motor de ranking explicable con 8 señales conductuales (Semantic Alignment, Reading Depth, Suggestion Signal, etc.)
- Telemetría real de lectura en-app que captura scroll depth y tiempo activo, no heurísticas de pestaña
- Soporte multi-plataforma con transparencia: fuentes soportadas vs best-effort vs unsupported claramente marcadas
- Embeddings locales con sentence-transformers (no API cost) y LLM vía Groq para resumen de artículos
- Cold start handling con collaborative filtering warmup antes de acumular datos conductuales propios
- Dependencia obligatoria de Groq API key para el LLM principal (llama-3.3-70b-versatile) para resumen
- Requiere mínimo 4GB RAM por el modelo de embeddings que carga en memoria local
- Twitter/X y LinkedIn no soportados oficialmente por falta de feeds públicos
- Scraping depende de Playwright/Trafilatura con posibles bloqueos si los sitios cambian su estructura
- Solo un usuario por instancia en la configuración actual (no hay multi-tenant explícito)
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Usa docker compose up --build. Configura GROQ_API_KEY y ZOHO_EMAIL/ZOHO_PASSWORD en .env. Ejecuta alembic upgrade head antes de acceder. Mínimo 4 núcleos CPU, 8GB RAM (modelo embeddings local). Workers Celery escalables horizontalmente. Para producción, considera separar workers scrape/embed/digest en instancias distintas para evitar starvation.
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.