wardrowbe
Wardrowbe es una aplicación autocontenida en la nube para organizar y gestionar el armario con IA. Toma fotos de tus prendas, utiliza modelos multimodales para analizarlas y te sugiere combinaciones de ropa según ocasión y clima.
Ficha actualizada 23 sept 2026, 8:34 · upstream 23 sept 2026, 8:17 · release wardrowbe-v1.10.1
Qué es wardrowbe
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Wardrowbe es un sistema de gestión de armario que permite a los usuarios subir fotografías de sus prendas de vestir y recibir recomendaciones personalizadas de outfits basadas en el tiempo, la ocasión y las preferencias del usuario. La aplicación se ejecuta completamente en tu propio hardware mediante Docker Compose, lo que garantiza que tus datos personales nunca sean compartidos con terceros. Utiliza un modelo multimodal llamado Gemma3 para analizar imágenes y generar sugerencias de ropa, ofreciendo una experiencia totalmente sin dependencias externas.
- Organizar el armario de forma ordenada mediante fotos
- Recibir recomendaciones de outfits según la ocasión del día
- Seguir un calendario de lavado para prendas que ya no usas
- Gestionar ropa compartida entre miembros de una familia
- Analizar qué prendas se usan más y cuáles son las menos
- Ver tendencias de moda basadas en lo que tu armario tiene
- Funciona completamente sin dependencias externas: no necesitas API key de OpenAI ni conexión a internet para usar la funcionalidad básica
- Soporta múltiples lenguajes con traducción completa mediante Next-intl, incluyendo chino simplificado y tradicional
- Permite gestionar armarios para varios miembros de una familia en un solo sistema
- Ofrece historial detallado de prendas usadas y análisis visual de cada prenda
- Compatible con cualquier API OpenAI compatible (Ollama, localai, OpenAI, etc.)
- La funcionalidad de recomendaciones de outfits depende del modelo de lenguaje utilizado; si no se configura un backend AI, la app funciona pero sin sugerencias
- No incluye funciones de compra ni gestión de pedidos (solo visualización)
- El análisis de imágenes requiere que las fotos sean claras y bien iluminadas para obtener resultados precisos
- La interfaz está diseñada principalmente para uso en escritorio con ratón; la versión móvil aún no se ha documentado
- No incluye funciones de pago ni integración con plataformas como Amazon o Shopify
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Se recomienda usar Docker Compose para despliegue. Se pueden usar imágenes pre-buqueadas desde GitHub Container Registry (ghcr.io/anyesh/wardrowbe) que ya incluyen PostgreSQL, Redis y el backend FastAPI. Para producción, se debe configurar un entorno de producción con variables de entorno seguras, un servidor web como Nginx o Caddy para HTTPS, y un firewall configurado. Se recomienda mantener al menos 4GB de RAM en la máquina donde se ejecuta la aplicación. Si se desea usar Ollama localmente, es necesario instalar el modelo gemma3:1b que pesa aproximadamente 3.4 GB.
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.