snflwr.ai
Plataforma de tutoría IA segura para K-12, totalmente offline y con privacidad. Filtrado backend de contenido, supervisión parental y cifrado AES-256. Diseñada bajo estándares COPPA/FERPA.
Ficha actualizada 23 sept 2026, 20:14 · upstream 23 sept 2026, 20:11 · release v1.0.0
Qué es snflwr.ai
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
snflwr.ai es una plataforma de tutoría artificial inteligente para educación secundaria (K-12) que prioriza la seguridad y la privacidad. Envuelve Open WebUI con un backend en FastAPI que aplica un pipeline de filtrado de contenido de cinco etapas, imposible de eludir desde el frontend. Todo el procesamiento ocurre localmente sin enviar datos a la nube.
La arquitectura soporta despliegues flexibles: desde unidades USB para familias hasta servidores empresariales con PostgreSQL y Redis. Incluye cifrado AES-256 en reposo, TLS 1.3 en tránsito y hashing Argon2id. El sistema adapta el contenido según la edad del estudiante y ofrece un panel de control parental para monitorizar conversaciones en tiempo real.
La seguridad es central: si cualquier etapa del pipeline falla, el contenido se bloquea (fail-closed). Los modelos de IA se ejecutan localmente vía Ollama, con clasificadores de seguridad como llama-guard3. La plataforma está diseñada para cumplir normativas educativas y proteger la PII.
- Tutoría offline en dispositivos locales sin conexión a internet.
- Supervisión parental de interacciones IA-estudiante en tiempo real.
- Despliegue escolar con auditorías COPPA/FERPA para distritos educativos.
- Uso educativo portátil mediante unidades USB cifradas.
- Análisis de incidentes de seguridad y uso analítico por padres.
- Pipeline de seguridad de 5 etapas que bloquea contenido si falla cualquier fase.
- Cifrado AES-256 en reposo (SQLCipher) y TLS 1.3 en tránsito.
- Ejecución totalmente offline sin cuentas externas ni datos saliendo de la red.
- Panel parental con alertas de incidentes y revisión completa del historial.
- Filtrado adaptativo por edad para ajustar contenido a cada perfil estudiantil.
- Licencia propietaria, no open source.
- Requisitos de hardware estrictos (VRAM/RAM) para modelos específicos como gemma4:31b.
- Documentación legal en borrador; no es un servicio pago legalmente lanzado aún.
- Clasificador de seguridad ejecutado en CPU, consumiendo memoria RAM 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.
Ejecuta ./setup.sh para entornos familiares (SQLite) o ./deploy.sh para servidores Docker. Para empresas, usa enterprise/build.sh con PostgreSQL y Redis. El instalador detecta hardware y selecciona modelos según VRAM/RAM disponibles. Requiere Python 3.10-3.12. Verifica requisitos de memoria antes de instalar modelos grandes.
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.