sokkan
SOKKAN es un cockpit auto-alojado para orquestar múltiples sesiones paralelas de Claude Code con inyección automática de memoria del proyecto (RAG) al inicio, garantizando contexto histórico y supervisión humana en cada paso.
Ficha actualizada 27 sept 2026, 5:32 · upstream 27 sept 2026, 5:14 · release v2.3.0
Qué es sokkan
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
SOKKAN actúa como un panel de control centralizado para ejecutar agentes de IA en paralelo sobre proyectos de software. A diferencia de otros orquestadores, garantiza que cada sesión reciba automáticamente el conocimiento del proyecto mediante búsqueda semántica ejecutada por el servidor antes de iniciar la tarea. Esto asegura que los agentes conozcan convenciones, puertos y restricciones críticas sin depender de preguntas explícitas del modelo.
La plataforma incluye un tablero Kanban donde las tarjetas se convierten en sesiones pre-sembradas con contexto inyectado. Ofrece herramientas para gestionar costes por sesión/día, auditoría completa de acciones (Journal) y una asistente DevOps integrada llamada Nina. Soporta despliegue auto-alojado o cloud soberano en infraestructura suiza/EU.
Técnicamente se basa en Next.js, Node.js y FastAPI con PostgreSQL como base de datos. Permite usar modelos locales vía Magnitude (benchmarks reales) o proveedores externos (Kimi, GLM, DeepSeek). Incluye un CLI companion para flujos de trabajo en terminal sin depender de la interfaz web.
- Refactorización paralela de código con contexto histórico inyectado automáticamente
- Gestión de incidentes operativos donde el agente revisa memoria del proyecto antes de actuar
- Onboarding de repositorios nuevos mediante digest automático de la base de conocimiento
- Debugging colaborativo con múltiples sesiones explorando diferentes hipótesis simultáneamente
- Auditoría y revisión de código con guardrails HITL (Human-in-the-Loop) activos
- RAG automático garantizado: el servidor ejecuta la búsqueda semántica e inyecta notas en el primer mensaje, no es opcional para el modelo
- Soberanía de datos: despliegue auto-alojado o cloud con infraestructura EU/CH y contenido no usado para entrenamiento
- CLI companion independiente que interactúa con la misma API que la UI web
- Auditoría completa (Journal) de todas las acciones: quién, cuándo, qué se movió o eliminó
- Multi-proveedor de modelos: soporta Anthropic, Kimi, GLM, DeepSeek y modelos locales vía proxy
- Gestión de costes con alertas a 80% y parada automática al límite configurado
- Requiere Docker Engine 24+ con Compose v2; sin Docker es necesario usar el instalador que lo configura automáticamente
- Dependencia de API Anthropic o proxy compatible (Kimi/GLM/DeepSeek); no ejecuta modelos nativamente sin Magnitude
- Consumo inicial alto: ~4 GB RAM para modelo de embeddings y construcción del índice (~120 MB descargados)
- No es un agente autónomo: todas las sesiones esperan aprobación humana antes de ejecutar cambios (HITL)
- Requiere configuración manual de tokens en .env o uso de OAuth con Claude Code Pro/Max
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.
Usar docker compose up -d --build tras copiar .env.example a .env. Configurar ANTHROPIC_API_KEY o CLAUDE_CODE_OAUTH_TOKEN, SOKKAN_WORKSPACE y SOKKAN_LOCAL_TOKEN. Verificar requisitos: ~4 GB RAM libres, 3-20 GB disco según uso, Docker Engine 24+. Para producción, considerar SOKKAN Cloud para gestión de infraestructura o Magnitude para modelos locales con benchmarks reales.
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.