tanchi
Tanchi es un motor de prospección B2B autónomo y open source que automatiza la investigación y redacción de salidas por la noche. Utiliza IA para generar dossiers verificados y permite al usuario aprobar colas manualmente o activar autopiloto.
Ficha actualizada 25 sept 2026, 16:33 · upstream 25 sept 2026, 16:08 · release sin release detectada
Qué es tanchi
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Tanchi es un motor de prospección B2B autónomo diseñado para funcionar en segundo plano mientras el equipo duerme. La IA investiga prospectos, redacta salidas y gestiona seguimientos cada noche, permitiendo al usuario revisar la cola por la mañana para aprobar o rechazar mensajes. Prioriza el canal de email como único medio seguro para automatizar, manteniendo el control humano sobre el envío final.
Arquitecturalmente, se basa en un stack moderno con Bun como runtime y gestor de paquetes, reemplazando a npm/pnpm. El backend utiliza Hono con PostgreSQL (sin ORM) y BullMQ para colas, mientras que el frontend está construido con React y Vite. Todo el sistema es autoalojable mediante Docker o Docker Compose, garantizando privacidad y control sobre los datos bajo licencia AGPL-3.0.
El enfoque de inteligencia artificial se centra en la verificación de datos: cada hecho en un dossier proviene directamente del sitio web o LinkedIn del prospecto, nunca inventado. El sistema aprende cualitativamente de lo que realmente convierte antes de usar estadísticas complejas y mide respuestas y reuniones, no solo aperturas, ofreciendo métricas de negocio reales desde el primer mes.
- Automatización nocturna de prospección B2B sin intervención manual constante
- Gestión de colas de envío con aprobación humana o modo autopiloto controlado
- Investigación cualitativa de leads mediante dossiers verificados en fuentes primarias
- Aprendizaje continuo del sistema basado en conversiones reales y no en métricas falsas
- Despliegue privado en infraestructura propia para cumplir normativas estrictas de datos
- Licencia AGPL-3.0 que permite uso, modificación y publicación de código fuente si se ofrece como servicio
- Arquitectura monorepo optimizada con Bun, evitando dependencias de npm/pnpm para mayor velocidad
- Datos de IA verificados exclusivamente desde fuentes primarias (web/LinkedIn) sin alucinaciones inventadas
- Métricas centradas en resultados comerciales: respuestas y reuniones programadas, ignorando aperturas vacías
- Enfoque email-first por seguridad y cumplimiento normativo en automatización de comunicaciones
- Dependencia obligatoria de claves API externas (Anthropic para LLM) y configuración SMTP para envío
- Estado "early" del proyecto con bordes rugosos y posibles errores no documentados
- Configuración inicial compleja que requiere variables de entorno específicas y gestión de volúmenes
- Requiere Bun como runtime, lo que excluye entornos limitados a Node.js o Python nativos
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.
Para producción real, use docker compose con servicios separados (api, web, postgres, redis). Configure un reverse proxy (Caddy, Traefik) para HTTPS y establezca APP_URL y AUTH_BASE_URL correctamente. Asegúrese de definir ANTHROPIC_API_KEY y secretos en .env antes de iniciar. La verificación de email está desactivada por defecto; si se activa, es obligatorio configurar un mailer SMTP o RESEND_API_KEY, ya que el sistema no arrancará sin validación posible.
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.