P0S31DON-AI es un agente de inteligencia artificial de nivel intermedio diseñado para la recuperación y generación de información contextual. El proyecto utiliza un enfoque de Generación Aumentada por Recuperación (RAG) para combinar la potencia de los modelos generativos con una base de datos de conocimiento externa, lo que permite respuestas precisas y basadas en datos en lugar de depender únicamente de datos preentrenados. Es una demostración de la capacidad para construir aplicaciones de IA robustas que integren múltiples tecnologías.
- Generación Aumentada por Recuperación: Utiliza el patrón RAG para mejorar la calidad de las respuestas.
- Recuperación de Datos en Tiempo Real: Interfaz de programación de aplicaciones (API) para consultas de datos.
- Modelo de Lenguaje Configurable: Permite la integración con diversos modelos de lenguaje grandes (LLM) para una mayor flexibilidad.
- Documentación de API: La API del proyecto está documentada utilizando Swagger, lo que facilita la integración con otras aplicaciones.
El proyecto está construido principalmente en Python y utiliza un conjunto de librerías y marcos de trabajo estándar en el ecosistema de IA. Las dependencias principales incluyen:
- Lenguaje de Programación: Python 3.10, 3.11, o 3.12.
- Marcos de IA: TensorFlow y PyTorch, según el modelo implementado.
- Librerías: Keras para la construcción de modelos, OpenCV para el procesamiento de imágenes, y
requestspara las llamadas a la API. - SDK: Denodo AI SDK, que simplifica el proceso de conexión a bases de datos y la implementación del patrón RAG.
Para ejecutar P0S31DON-AI, se necesitan los siguientes requisitos mínimos:
- Hardware: Mínimo 2 núcleos de CPU, 2GB de RAM, y 5GB de espacio en disco.
- Software: Python 3.10+ y un entorno de desarrollo compatible.
Pasos para la Instalación:
- Clonar el repositorio:
git clone - Navegar al directorio:
cd P0S31DON-AI - Crear un entorno virtual:
python -m venv venv - Activar el entorno:
- Windows:
.\venv\Scripts\activate - Linux/macOS:
source venv/bin/activate
- Windows:
- Instalar dependencias:
pip install -r requirements.txt
Una vez que el proyecto está configurado, la API puede ser ejecutada para comenzar a procesar las solicitudes. Los registros de la API (logs/api.log) son útiles para el monitoreo y la depuración.
Ejemplo de Uso de la API (cURL):
curl -X POST \
http://localhost:9992/predict \
-H 'Content-Type: application/json' \
-d '{ "query": "Tu consulta aquí" }'src/: Archivos de código fuente.data/: Datasets utilizados para el entrenamiento o la prueba.models/: Modelos de IA preentrenados o guardados.docs/: Documentación adicional, como el manual de la API.requirements.txt: Lista de dependencias del proyecto.
Las contribuciones son bienvenidas. Si encuentra un error o tiene una sugerencia, por favor, abra un issue. Si desea contribuir con código, cree una solicitud de pull detallada.
Este proyecto está bajo la Licencia.