sustainability-workbench
Sustainability Workbench es una aplicación web open-source (MIT) para redactar informes ESG y de sostenibilidad con LLMs, exportando a Word (.docx). Cumple estándares HKEX (EN/繁體) y China A-share (SSE/SZSE/BSE), con rastreo de fuentes y auto-hospedado.
Ficha actualizada 28 sept 2026, 3:42 · upstream 28 sept 2026, 3:23 · release v0.1.0
Qué es sustainability-workbench
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Sustainability Workbench es una aplicación web open-source bajo licencia MIT diseñada para redactar informes ESG y de sostenibilidad utilizando modelos de lenguaje grandes (LLMs) y exportarlos a formato Word (.docx). La herramienta escribe sección por sección contra estándares de divulgación específicos —el HKEX Environmental, Social and Governance Reporting Code o las guías de sostenibilidad de las bolsas de Shanghái, Shenzhen y Beijing— redactando desde la información, métricas y documentos que el usuario proporciona, mostrando qué archivos y respuestas sustentan cada bloque de texto.
La arquitectura se basa en cinco agentes: File Agent (lee documentos con trazabilidad), Mapping Agent (selecciona material por capítulo sin escribir prosa), Block-by-block drafting (generación controlada), Diagnostic gate (verificación) y delivery.export_gate (puerta determinista). Solo los fundamentos de la empresa son obligatorios; el resto puede dejarse vacío, ajustando lo escrito en lugar de inventar contenido.
Soporta Azure OpenAI por defecto y cualquier endpoint compatible con OpenAI, incluyendo modelos auto-hospedados como vLLM o Ollama. Los datos permanecen en el equipo del usuario excepto el texto enviado al endpoint del modelo. Incluye corpus sintético para pruebas end-to-end sin datos reales.
- Empresas HKEX-listadas preparando informes ESG anuales con divulgaciones climáticas Part D
- Compañías A-share bajo guías de sostenibilidad de SSE/SZSE/BSE (obligatorio o voluntario)
- Consultores y firmas contables redactando borradores para clientes
- Empresas no listadas con requisitos ESG de bancos, clientes o licitaciones
- Rastreo completo de fuentes: cada bloque muestra qué archivos respaldan el contenido
- Agentes seleccionan material sin escribir prosa; generación bloque por bloque controlada
- Puerta determinista pre-exportación verifica completitud y consistencia sin intervención del modelo
- Licencia MIT, auto-hospedado en máquina local con datos que no salen del equipo
- Soporta múltiples modelos OpenAI-compatible (Azure, vLLM, Ollama, DeepSeek, Qwen, GLM, Kimi)
- Corpus sintético incluido para pruebas end-to-end sin necesidad de datos reales
- No calcula emisiones; solo usa cifras proporcionadas por el usuario (Scope 1, 2 y 3)
- No ofrece opinión de aseguramiento ni garantía de cumplimiento
- Solo aplicación single-user para auto-hospedado; no soporta servicio multiusuario público
- Paquete GRI está sellado y no seleccionable hasta cambios en el pipeline de generación
- No soporta CSRD/ESRS ni paquetes ISSB (IFRS S1/S2) como base de reporte
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.
Requiere Node 22, uv, Docker y Supabase CLI. Espacio ~2.5 GB para imágenes y dependencias. Opcional: LibreOffice para números de tabla de contenido en exportación. Ejecutar make doctor antes de pruebas. Configurar backend/.env con JWT_SECRET, SERVICE_ROLE_KEY, ANON_KEY y clave del modelo (Azure OpenAI o endpoint compatible). Supabase corre localmente en Docker; no requiere cuenta cloud.
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.