topic_watch
Topic Watch es una herramienta de monitoreo de noticias autoalojada que utiliza detección de novedad basada en IA para notificar solo cuando un tema presenta información nueva.
Ficha actualizada 23 sept 2026, 13:37 · upstream 23 sept 2026, 13:13 · release v1.5.0
Qué es topic_watch
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Topic Watch es un monitor de noticias autoalojado que funciona con un único modelo LLM. Su característica principal es la detección de novedad por temas: no muestra noticias repetitivas, sino que solo alerta sobre cambios reales dentro de cada tema. El sistema mantiene un estado de conocimiento por tema y solo notifica cuando algo nuevo se detecta.
El software permite conectar a múltiples fuentes de noticias (RSS, Bing News, Google News) o usar búsqueda semántica con Exa AI. Se puede ejecutar en Docker, construir desde el código fuente o instalar directamente con Python 3.11+. El estado del conocimiento por tema es persistente y se guarda como revisiones.
Tiene un sistema de notificaciones configurable a través de Apprise, que soporta Discord, Slack, Telegram, email, ntfy y más. También incluye puntuación de importancia para los hallazgos, historial de cambios en el estado del conocimiento con diff visual, y alertas de "silence heartbeat" cuando las fuentes fallan consecutivamente.
Es ideal para usuarios que buscan información relevante sin ser inundados por contenido repetitivo o noticias obsoletas. Funciona como un monitor inteligente que aprende qué es nuevo sobre cada tema.
- Monitoreo de noticias en tiempo real sobre temas específicos (política, tecnología, economía) para evitar notificaciones repetitivas
- Seguimiento de cambios en una noticia existente sin mostrar el contenido completo hasta que se confirma un cambio real
- Gestión de información sobre proyectos o comunidades donde la novedad es clave para mantener interés
- Monitoreo de noticias con restricciones de longitud (por ejemplo, solo 100 palabras) para ahorrar espacio en notificaciones
- Integración con sistemas de comunicación como Slack o Discord para alertas puntuales sobre novedades
- Investigación académica o profesional que requiere verificación de novedad antes de compartir información
- Detección de novedad por temas en lugar de coincidencias de palabras, evitando notificaciones repetitivas sobre el mismo contenido
- Soporte para múltiples modelos LLM (OpenAI, Anthropic, Ollama, Groq, Gemini) mediante LiteLLM sin necesidad de reemplazar la arquitectura
- Estado persistente del conocimiento por tema que se actualiza con revisiones y diffs visuales
- Detección automática de fuentes fallidas con alertas de "silence heartbeat" para alertar sobre problemas de conectividad o datos expirados
- Configuración flexible de intervalos de verificación (desde 10 minutos hasta 6 meses) según el tipo de contenido
- Soporte para búsqueda semántica con Exa AI como fuente alternativa a RSS y Google News
- No tiene autenticación integrada por defecto; debe configurarse un proxy o reverse proxy con autenticación si se usa en entornos compartidos
- El estado de novedad es basado en una sola instancia del LLM, lo que puede generar inconsistencias si el modelo cambia entre verificaciones
- La detección de novedad depende de la calidad de los datos de entrada; noticias muy similares pueden ser marcadas como nuevas por error
- No tiene un sistema de recomendación automático de qué temas priorizar ni de qué fuentes seguir
- El estado del conocimiento se guarda en SQLite local, lo que puede generar problemas de rendimiento con grandes volúmenes de contenido
- La configuración de intervalos de verificación es manual y no hay una estrategia automática para optimizar la frecuencia según el tipo de contenido
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.
Recomendado ejecutar en Docker con Docker Compose, que simplifica la gestión del entorno y permite escalar fácilmente,Se recomienda usar un proxy con autenticación (Authelia, Authentik, Caddy) para acceder desde dispositivos externos por seguridad,El modelo LLM debe tener acceso a internet para descargar noticias; se puede configurar un proxy de red si es necesario,Para producción, se recomienda replicar el entorno en múltiples nodos y usar un sistema de notificaciones centralizado,Se recomienda mantener backups diarios del estado del conocimiento por tema mediante la función de respaldo automática,Si se usa Ollama o modelos locales, se debe configurar un archivo override para permitir conexiones desde el contenedor al host
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.