Plataforma orientada al procesamiento ágil y desatendido de URLs para construir grafos semánticos privados.
Explora la Documentación »
Ver Instalación
·
Reportar un Bug
·
Proponer Funcionalidad
LinkAnvil no es únicamente un "cerebro digital" genérico; es una plataforma analítica diseñada para el procesamiento asíncrono de URLs.
El objetivo principal es proporcionar un cauce estructurado donde puedas "enviar y olvidar" enlaces (artículos, documentación, foros). LinkAnvil se encarga de extraer el contenido, procesarlo mediante LLMs, vectorizarlo (RAG), y establecer colisiones semánticas (relacionar automáticamente conceptos similares) mediante su grafo de conocimiento interno.
- Ingesta Desatendida de URLs: Uso de colas (RabbitMQ) para procesar información web en segundo plano, sin bloqueos ni latencia para el usuario final.
- Colisión Semántica Vectorial: Interconexión autónoma de recursos utilizando similitud del coseno en Qdrant, desvelando relaciones ocultas entre tus documentos guardados.
- Proxy LLM Resiliente y Privado: Fallbacks automatizados (ej: OpenAI → Anthropic → Local) usando LiteLLM. Además, es 100% compatible con Ollama, permitiendo ejecutar modelos de IA de forma totalmente privada y desconectada si tu hardware lo permite.
- Pipeline Zero-Defect: Aislamiento de fallos mediante Dead Letter Queues (DLQ). Si el scraping de una URL falla, el ecosistema sigue funcionando y el error se audita.
- Observabilidad Completa: Telemetría, métricas y trazas nativas con OpenTelemetry, Jaeger, Prometheus y Grafana.
El backend de LinkAnvil está desacoplado y funciona mediante una orquestación de contenedores.
- API Gateway: Traefik
- Message Broker: RabbitMQ
- Bases de Datos: PostgreSQL (Relacional + RLS) y Qdrant (Vectorial)
- Caché Temporal: Redis
- Lógica y Orquestación: LiteLLM (Gateway de IA) y n8n (Workflows)
- Observabilidad: OpenTelemetry, Jaeger, Prometheus, Grafana
LinkAnvil está compuesto por una arquitectura de microservicios ligera que puede desplegarse en cualquier entorno compatible con Docker (Servidor VPS, NAS, Nube o Local). Los siguientes requisitos contemplan únicamente la ejecución de los servicios base del sistema (bases de datos, orquestador, colas y telemetría), excluyendo el host (SO) y excluyendo la ejecución de Modelos de Lenguaje (IA).
| Recurso | Mínimos | Recomendados |
|---|---|---|
| CPU | 2 Cores (x86_64 o ARM64) | 4+ Cores (x86_64 o ARM64) |
| Memoria RAM (Docker) | 4 GB asignados a los contenedores | 8 GB asignados a los contenedores |
| Dependencias | Docker Engine v24+, Compose v2 | Docker Engine v24+, Compose v2 |
| Almacenamiento | 10 GB (Imágenes y volúmenes base) | 20 GB+ (Persistencia a largo plazo) |
Aceleración y Modelos Privados (Ollama): El sistema envía y delega todo el cómputo de inteligencia artificial a través de LiteLLM. Puedes usar APIs externas (OpenAI, Anthropic) sin un aumento en el uso del hardware, o si lo prefieres, LinkAnvil es compatible directamente para conectar con motores locales como Ollama permitiendo un ecosistema 100% privado y sin red.
Nota: Si decides alojar modelos privados mediante Ollama en esa misma máquina, deberás sumarle al sistema los requisitos proporcionales del LLM seleccionado (p. ej. sumar +8GB extra de RAM/VRAM para correr un Llama 3 de 8B parámetros).
Para mantener este README conciso, la guía completa paso a paso con configuración de variables, arranque de contenedores, scripts de health-check e inyección de la primera URL, se encuentra en nuestra documentación:
👉 Ir al Tutorial Paso a Paso: Guía de Instalación y Configuración
Toda la arquitectura, diagramas e hitos de desarrollo residen en VitePress y GitHub Pages. Si eres desarrollador, te sugerimos leer:
- 🏛️ Arquitectura y Diseño de Sistemas
- 📐 Diagramas C4 de Componentes
- 📋 Planificación y Registro de Épicas
¡Las contribuciones hacen que la comunidad de código abierto sea un lugar increíble para aprender, inspirar y crear! Cualquier contribución que hagas será muy apreciada.
- Haz un Fork del proyecto
- Crea tu rama para la nueva Feature (
git checkout -b feature/IncreibleFeature) - Haz commit de tus cambios (
git commit -m 'Add some IncreibleFeature') - Sube la rama (
git push origin feature/IncreibleFeature) - Abre un Pull Request
Distribuido bajo la Licencia MIT. Consulta el archivo LICENSE para más información.