Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

webftl_crm

CRM personal autoalojado para freelancers y equipos pequeños. Gestiona clientes, proyectos, tareas (lista/kanban), notas, salarios y permisos. Stack ligero: Django, HTMX, Alpine.js, Tailwind CSS y PostgreSQL sin frameworks JS pesados.

Ficha actualizada 27 sept 2026, 8:34 · upstream 27 sept 2026, 8:09 · release sin release detectada

Ver códigoProblemas y ayudaRepositorio ↗
00

Qué es webftl_crm

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

WebFTL CRM es una herramienta de gestión de relaciones con clientes (CRM) diseñada específicamente para freelancers y equipos pequeños que buscan simplicidad y autoalojamiento. Permite rastrear información de clientes, proyectos en curso, tareas con vistas de lista y tablero Kanban, notas adjuntas y seguimiento de salarios del equipo.

La aplicación se basa en un backend robusto utilizando Django 5.1 y Python 3.12+, mientras que el frontend es ligero, empleando HTMX para interactividad sin recargas completas, Alpine.js para manipulación del DOM y Tailwind CSS para estilos. La autenticación se gestiona mediante django-allauth con registro por correo electrónico.

El sistema incluye un panel de control con estadísticas recientes, gestión de usuarios con control de acceso basado en roles (RBAC) y una integración experimental con GitHub para sincronizar issues con tareas. Está diseñado para ser rápido, ligero y fácil de mantener sin pasos de compilación complejos.

CASOS DE USO
  • Gestión centralizada de clientes y proyectos para freelancers independientes.
  • Seguimiento de tareas mediante tableros Kanban o listas con subtareas y comentarios.
  • Control de salarios del equipo y registro de pagos mensuales.
  • Autoalojamiento seguro en servidores propios sin dependencias de JavaScript pesadas.
  • Sincronización experimental de issues de GitHub con tareas internas.
PUNTOS DESTACADOS
  • Arquitectura ligera sin frameworks de JavaScript frontend (HTMX + Alpine.js).
  • Base de datos PostgreSQL 16 robusta y autoalojada vía Docker.
  • Autenticación segura mediante django-allauth con registro por email.
  • Gestión de permisos granular con presets de roles para equipos pequeños.
  • Integración experimental bidireccional con GitHub (issues <-> tareas).
  • Licencia MIT permisiva para uso, modificación y redistribución libre.
PRECAUCIONES
  • La integración con GitHub se etiqueta como experimental y limitada a creación/cierre de issues.
  • Tailwind CSS cargado desde CDN sin compilación previa, lo que ralentiza la primera carga.
  • Requiere configuración manual de entorno (.env) y migraciones antes del despliegue.
  • No incluye pasos de instalación one-click automáticos para el backend (solo DB en Docker).
  • Dependencia de conexión a internet para cargar assets frontend desde CDNs.
VISUAL

Capturas del proyecto

Imágenes reales detectadas en la documentación del repositorio.

DashboardClient DetailProject OverviewTask ListKanban BoardTask Detail SidebarTask Detail Full Page
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU2 vCPUrecomendación inicial
MEMORIA2 GBRAM estimada
DISCO20 GBalmacenamiento base
COMPLEJIDADmediumnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Listo para automatizar

Requiere Python 3.12+ y Docker para la base de datos PostgreSQL 16. Clona el repositorio, inicia la DB con docker compose, copia .env.example a .env y configura variables si es necesario. Crea entorno virtual (.venv), instala dependencias (requirements.txt) y ejecuta migraciones. Inicia servidor con python manage.py runserver en puerto 8000. Para producción, compilar Tailwind localmente se recomienda para mejorar rendimiento.

✓Dockerfile
✓Compose
✓One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsDjangoPython
SERVICIOS
PostgreSQL
BASES DE DATOS
PostgreSQL
PUERTOS
80005433
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.