tg-spam
TG-Spam es un bot anti-spam auto-alojado para Telegram escrito en Go. Incluye librería y servidor HTTP, soporta Docker con múltiples arquitecturas y permite detección mediante reglas, bases de datos y modelos LLM opcionales como OpenAI o Gemini.
Ficha actualizada 24 sept 2026, 16:11 · upstream 24 sept 2026, 15:58 · release v1.28.0
Qué es tg-spam
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
TG-Spam es una herramienta de seguridad diseñada para grupos de Telegram que detecta y elimina contenido no deseado automáticamente. Funciona como un bot independiente o servidor HTTP, utilizando algoritmos complejos que combinan clasificación Bayesiana, integración con la API de Combot Anti-Spam (CAS) y análisis de similitud de mensajes. El sistema aprende con el tiempo mediante muestras de spam y ham almacenadas en bases de datos compatibles como PostgreSQL o SQLite.
Además de su función principal, TG-Spam ofrece una interfaz web para administración y soporta lógica personalizada a través de plugins en Lua sin modificar el código base. La detección puede potenciarse opcionalmente con modelos de lenguaje grandes (OpenAI, Google Gemini) para análisis contextual avanzado, aunque esto requiere configuración adicional de tokens y claves API.
- Protección automática de grupos privados contra enlaces maliciosos o bots no deseados
- Integración en infraestructuras existentes mediante su servidor HTTP API para escaneo externo
- Implementación en entornos con recursos limitados como Raspberry Pi gracias a la optimización del contenedor Docker
- Auditoría de seguridad en canales públicos mediante análisis de similitud y palabras clave predefinidas
- Soporte nativo para múltiples arquitecturas (amd64, arm64, armv7) en imágenes Docker oficiales
- Detección híbrida que combina reglas estáticas, aprendizaje automático y APIs externas sin latencia excesiva
- Extensibilidad mediante plugins de Lua para lógica personalizada de detección específica
- Persistencia de datos flexible con soporte para SQLite y PostgreSQL con volúmenes montados
- La integración con LLMs (OpenAI/Gemini) introduce latencia variable y dependencia de claves API externas
- Requiere configuración manual de variables de entorno obligatorias como el token de Telegram y el ID del grupo
- El análisis contextual histórico consume más recursos computacionales en modo paranoid o con historial activado
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.
Desplegar preferiblemente mediante Docker usando la imagen oficial en Docker Hub o GitHub Packages. Es obligatorio montar un volumen persistente para los datos dinámicos (por defecto /srv/data) y configurar las variables de entorno TELEGRAM_TOKEN y TELEGRAM_GROUP antes del arranque. Se recomienda iniciar en modo dry-run para validar la configuración sin acciones destructivas inmediatas.
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.