reminiscence
Gestor de marcadores y archivos auto-alojado basado en Django que permite archivar enlaces web en HTML, PDF o PNG, con etiquetado automático, resumen de contenido y soporte para múltiples usuarios mediante Docker o instalación nativa.
Ficha actualizada 18 sept 2026, 20:34 · upstream 23 abr 2024, 0:58 · release v0.3
Qué es reminiscence
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Reminiscence es una aplicación web diseñada para gestionar marcadores y archivar contenido de internet de forma auto-alojada. Utiliza Django como framework principal y se conecta a bases de datos PostgreSQL y Redis para el almacenamiento y la cola de tareas. La herramienta permite a los usuarios guardar enlaces, editar metadatos y organizarlos en directorios públicos o privados.
- Gestión personal de marcadores web con categorización por directorios jerárquicos.
- Archivado automático de contenido web en formatos PDF o imágenes PNG para lectura offline.
- Sumario automático de artículos largos utilizando procesamiento de lenguaje natural (NLTK).
- Acceso a una API REST para integración con otros servicios externos o automatizaciones.
- Administración centralizada de múltiples usuarios y permisos mediante interfaz web.
- Soporte nativo para Docker y Docker Compose, facilitando el despliegue rápido en entornos modernos.
- Generación automática de etiquetas y resúmenes basados en frecuencia de palabras clave.
- Modo lector optimizado que elimina scripts y presenta contenido limpio para móviles.
- Capacidad de archivar elementos multimedia (PDF, imágenes) directamente desde el navegador.
- Interfaz administrativa dedicada para la gestión segura de cuentas de usuario.
- El etiquetado automático es básico y no reconoce correctamente frases multi-palabra como 'data structure'.
- La generación de PDF y PNG consume recursos significativos; se recomienda usar Celery para tareas asíncronas.
- Dependencia crítica del paquete hlspy desde la versión 4.0+, reemplazando a wkhtmltopdf por seguridad.
- El resumen automático es simple (basado en puntuación de frases) y puede no capturar matices complejos.
- Algunas funciones avanzadas como Celery requieren configuración manual adicional en entornos Docker.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Recomendaciones: Utilizar Python 3.10+ para mejor rendimiento. Instalar hlspy desde v4.0+. Configurar USE_CELERY=True en settings.py para delegar tareas pesadas (PDF/PNG) a Redis. Para Docker, usar docker-compose up --build y cambiar la contraseña de admin por defecto inmediatamente. Asegurar que el sistema tenga Chromium o hlspy instalado para renderizado headless.
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.