Sibylla

Lectora periódica de noticias. Selecciona con reglas públicas, resume en español y enlaza siempre a la fuente original.

---

Elegir qué leer se volvió un trabajo: portadas ordenadas por el clic, la misma historia repetida diez veces y criterios de selección que ningún lector puede inspeccionar. Sibylla toma el camino contrario: es un agregador donde todas las reglas de selección son públicas. Qué fuentes usa y por qué, cómo las rankea, cuándo interviene una IA y con qué límites — está escrito en este repositorio, para que cualquiera pueda auditarlo, discutirlo o proponer cambios.

Cada mañana, Sibylla lee un centenar de fuentes — papers, agencias espaciales, prensa de ciencia y tecnología, medios chilenos — descarta lo irrelevante y lo duplicado, y publica en sibylla.cl un tablero de tarjetas por tema: cada una con su sello de confiabilidad, un resumen en español y el enlace al original. No republica contenido: detecta la noticia y te lleva a quien la publicó.

Estado: en producción y en desarrollo activo. El sitio se regenera solo, una vez al día, con GitHub Actions (regenerate.yml).

Cómo decide qué mostrar

Las decisiones editoriales de Sibylla no son un algoritmo opaco: son reglas versionadas que se pueden leer.

• Confiabilidad antes que popularidad. Cada fuente tiene un tier (1 = primaria / peer-review, 2 = periodismo, 3 = agregadores y discusión) y el ranking pondera tier × frescura, con un límite de diversidad para que ningún medio tape al resto. El registro curado — 100 fuentes, 80 activas por defecto — vive en config/sources.yaml.
• Medios chilenos elegidos por modelo de financiación, no por línea editorial. La sección de actualidad nacional exige además corroboración cruzada entre medios; un juez LLM ordena por valor noticioso sin castigar la investigación exclusiva, con cuota por medio y espacio garantizado para prensa regional.
• Reglas por sección, escritas. Qué fuentes alimentan cada sección, cómo se eligen sus tarjetas y en qué orden: documentado regla por regla en SECCIONES.md.
• Una historia, una tarjeta. Deduplicación por URL canónica y agrupación de la misma noticia cubierta por medios distintos ("También en: …"), conservando como representante a la fuente más confiable.
• La IA tiene un rol acotado. Traduce, resume y ordena la sección nacional; nunca genera noticias y toda tarjeta enlaza al original. Es multi-proveedor (Anthropic, OpenAI, OpenRouter, cualquier endpoint compatible u Ollama local) y opcional: sin LLM, el pipeline degrada a listas deterministas y tarjetas en su idioma original.
• Sin publicidad ni tracking. La web es HTML estático. La personalización (intereses, orden de secciones, modo feed) vive en el navegador del visitante (localStorage), sin cuentas de por medio. Los votos y comentarios son opcionales y con límites anti-abuso; sus reglas de Firestore también están versionadas aquí (firestore.rules).
• Presupuestos duros para lo que cuesta dinero. X/Twitter es de pago por uso: tope mensual de lecturas y caché diaria. Traducciones y resúmenes por IA se cachean para no gastar tokens dos veces.

Secciones

Sección	Qué muestra
Actualidad en Chile	Prensa nacional: 8 medios por RSS nativo más un agregador, con juez LLM y corroboración cruzada.
Frontera Digital	Inteligencia artificial, computación y ciberseguridad.
Medicina	Papers (PubMed, arXiv) y prensa de salud y biomedicina.
Astronomía	Instituciones chilenas (ALMA, CATA, SOCHIAS) y agencias espaciales (NASA, ESA, JAXA…), más la foto astronómica del día.
Divulgación	El video más reciente de canales de divulgación científica en español (YouTube).
SIBYLLA	Publicaciones propias del sitio (Markdown en publicaciones/).
Voces de la red	Mastodon, Bluesky y X: lo que se comenta, con lentes temáticas rotativas.

Cómo funciona

Grafo real de módulos del proyecto: fetchers.py normaliza cada fuente a un modelo común (NewsItem), pipeline.py orquesta (dedupe → cluster → rank → diversify) y web.py renderiza el sitio estático. Versión interactiva en docs/codebase-graph.html.

Es Python sin frameworks: ~7.000 líneas en 24 módulos. Cada fuente tiene su fetcher y falla de forma aislada (una API caída jamás rompe la corrida). La capa LLM usa requests puro, sin SDKs de proveedor. Los 533 tests cubren la lógica de dominio pura y corren en ~1 segundo, sin red.

La estructura de módulos, las convenciones y las guías para extender (temas, fuentes, secciones, proveedores LLM) están en AGENTS.md.

Instalación y uso

Requiere Python 3.10+ (probado en 3.12).

python -m venv .venv
# Windows:  .venv\Scripts\activate     |  Linux/Mac:  source .venv/bin/activate
pip install -r requirements.txt
cp .env.example .env        # opcional: claves de IA, X, etc.

# Resumen Markdown en output/ (con IA si hay clave; lista determinista si no)
python -m sibylla.cli

# Temas a la carta
python -m sibylla.cli --topics ai,medicine --max-per-source 8

# Generar la web estática (web/index.html, en español)
python -m sibylla.cli --topics nacional,ai,medicine --html

# Incluir X (DE PAGO, respeta el tope mensual)
python -m sibylla.cli --topics ai --with-x

# Herramienta admin local: /metricas (historial + costo de tokens) y
# /divulgacion (gestión de canales de YouTube)
python -m sibylla.cli --dashboard

Temas disponibles: nacional, ai, computing, space, physics, biotech, medicine, neuroscience, climate, energy, general_science, general_tech (más las secciones curadas astronomia y divulgacion).

Configuración

Todo lo sensible vive en .env (ignorado por git; plantilla en .env.example):

• IA (opcional): LLM_PROVIDER (anthropic / openai / openrouter / openai_compatible / ollama), LLM_MODEL, LLM_API_KEY, LLM_BASE_URL.
• X / Twitter (opcional, de pago): X_BEARER_TOKEN; el tope mensual vive en config/sources.yaml (x_twitter.monthly_read_budget).
• Otras (opcionales): NCBI_API_KEY, GUARDIAN_API_KEY, BLUESKY_*, YOUTUBE_API_KEY.
• Boletín diario: SMTP_HOST, SMTP_PORT, SMTP_USER, SMTP_PASSWORD, SMTP_FROM; límite y modo seguro en SIBYLLA_NEWSLETTER_MAX y SIBYLLA_NEWSLETTER_DRYRUN. La lista se lee de Firestore con SIBYLLA_FIREBASE_SA_JSON.

Las fuentes y sus tiers se definen en config/sources.yaml; el registro está documentado en config/README.md.

Roadmap

• Señal más fuerte para agrupar la misma historia entre medios (entidades / embeddings / LLM)
• Entrega del resumen por email (implementada; pendiente validar entrega real extremo a extremo)
• Resolver URLs opacas de Google News — mitigado con medios por RSS directo

Notas

• Seguridad: nunca subas .env (claves reales). Ver AGENTS.md.
• Tests: python -m pytest tests/ -v — lógica de dominio pura, sin red. Ver TEST.md.
• Despliegue: guía genérica en DEPLOY.md.
• Licencia: MIT.