Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

roastbook

Roastbook es una aplicación auto-alojada para registrar extracciones de espresso con asistencia IA nativa. Utiliza Next.js, React y Bun sobre PostgreSQL, permitiendo gestionar granos, recetas y equipos con OCR de etiquetas e investigación automática de tostadores y máquinas.

Ficha actualizada 24 sept 2026, 7:34 · upstream 24 sept 2026, 7:26 · release sin release detectada

Ver códigoProblemas y ayudaRepositorio ↗Sitio oficial
00

Qué es roastbook

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

Roastbook actúa como un diario digital para la cafetería en casa, gestionando todo el ciclo de vida del café: desde la compra de bolsas hasta el análisis de extracciones. Su arquitectura se basa en un stack TypeScript seguro (TanStack Start, Zod) que separa estrictamente la lógica del servidor del cliente. La aplicación permite escanear etiquetas de granos mediante IA para extraer origen y proceso, investigar perfiles de tostadores y recuperar especificaciones técnicas de máquinas de espresso desde manuales oficiales.

Para el despliegue, se recomienda usar Docker Compose con PostgreSQL y almacenamiento local o S3-compatible. Incluye un proxy de autenticación Hodor por defecto para proteger la base de datos y los recursos de almacenamiento. La interfaz es responsiva, optimizada tanto para uso móvil en la máquina como para análisis detallado en escritorio mediante gráficos y estadísticas filtrables.

Las funcionalidades avanzadas incluyen gestión de recetas editables, seguimiento de visitas a cafeterías con mapas y análisis de consistencia (grano, método, equipo). La IA opera de forma opcional, requiriendo una clave API compatible con OpenAI para funciones de extracción e investigación, mientras que el núcleo de la aplicación funciona sin ella.

CASOS DE USO
  • Registro rápido de extracciones con OCR automático de etiquetas
  • Investigación de tostadores y máquinas desde manuales oficiales
  • Análisis estadístico de consistencia y calidad de extracción
  • Gestión de recetas y seguimiento de visitas a cafeterías
  • Visualización de datos en móvil y escritorio simultáneamente
PUNTOS DESTACADOS
  • Arquitectura AI-native integrada en los flujos de trabajo existentes
  • Autenticación propia con Hodor sin dependencias externas de login
  • Stack TypeScript completo con validación Zod en todos los límites
  • OCR y extracción de datos desde imágenes de etiquetas de café
  • Soporte nativo para almacenamiento local o S3-compatible
PRECAUCIONES
  • Funcionalidades de IA requieren API externa compatible con OpenAI
  • Configuración manual obligatoria de secretos Hodor en el archivo .env
  • Dependencia de Bun 1.3.14 como gestor de paquetes y runtime
  • Requisito mínimo de 4 núcleos CPU y 4GB RAM para despliegue recomendado
VISUAL

Capturas del proyecto

Imágenes reales detectadas en la documentación del repositorio.

Roastbook overview with recent brews and quick actionsLogging a new espresso brew with method suggestions, taste controls,
    a selected coffee, and the brew timerRoastbook overview on a mobile phoneRoastbook bean collection with coffee bags on the shelfCaptura de roastbook
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU4 vCPUrecomendación inicial
MEMORIA4 GBRAM estimada
DISCO20 GBalmacenamiento base
COMPLEJIDADhighnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Docker Compose detectado

Despliega con `docker compose up --build`. Requiere configurar HODOR_PASSWORD, HODOR_SECRET y opcionalmente OPENAI_API_KEY. Usa PostgreSQL (puerto 5432) y expone la app en 3000. Necesita 4GB RAM y 20GB disco. Se puede usar Helm para clusters.

✓Dockerfile
✓Compose
—One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsReactNode.js
SERVICIOS
PostgreSQLS3/MinIO
BASES DE DATOS
PostgreSQL
PUERTOS
30005432
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.