🤖 Mini-CELIA — Copilot Inteligente de Licitaciones para la Administración

Sistema de IA especializado que automatiza la generación de documentación para licitaciones públicas en España, reduciendo tiempos de semanas a minutos con cumplimiento normativo garantizado

🛠️ Tecnologías

📋 ¿Qué es Mini-CELIA?

Mini-CELIA (Copilot Inteligente de Licitaciones para la Administración) es un sistema de IA multi-agente que automatiza la generación de documentación para procesos de licitación pública en España. Utilizando arquitectura LangGraph, coordina múltiples agentes especializados (Retriever RAG, Generadores, Validadores) para producir documentos completos con validación automática y cumplimiento normativo garantizado.

🎯 Problema que Resuelve

En la administración pública española, preparar documentación de licitación es:

⏱️ Lento: 2-4 semanas por expediente
📚 Complejo: Requiere conocimiento profundo de normativa (LCSP, RGPD, DNSH)
❌ Propenso a errores: Riesgo de incumplimiento normativo
🔄 Repetitivo: Mismos patrones en documentos similares

✅ Solución: Mini-CELIA

Mini-CELIA automatiza el proceso completo:

⚡ Rápido: De semanas a menos de 10 segundos
🤖 Inteligente: Sistema multi-agente con auto-validación y auto-reparación
✅ Compliant: Cumplimiento normativo automático (LCSP + RGPD + DNSH)
📊 Trazable: Observabilidad completa con LangFuse y TruLens
📄 Exportable: PDF multi-sección con narrativas legales completas

🚀 Instalación Completa desde Cero

📋 Prerequisitos

🐍 Python 3.11+ (Descargar)
📦 Node.js 18+ (Descargar)
🔑 OpenAI API Key (Obtener) (opcional)
🔑 Groq API Key (Obtener) (opcional)
🍃 MongoDB (Atlas Cloud o local)

⚙️ Paso 1: Configuración del Entorno

1.1 Clonar el Repositorio

git clone https://github.com/Bootcamp-IA-P4/ADD4U.git
cd ADD4U

1.2 Crear y Activar Entorno Virtual

🪟 Windows (PowerShell)

# Crear entorno virtual
python -m venv .venv

# Activar entorno virtual
.\.venv\Scripts\Activate.ps1

# Si tienes problemas de permisos, ejecuta primero:
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

🪟 Windows (CMD)

# Crear entorno virtual
python -m venv .venv

# Activar entorno virtual
.venv\Scripts\activate.bat

🐧 Linux / 🍎 macOS (Bash/Zsh)

# Crear entorno virtual
python3 -m venv .venv

# Activar entorno virtual
source .venv/bin/activate

🪟 Windows (Git Bash)

# Crear entorno virtual
python -m venv .venv

# Activar entorno virtual
source .venv/Scripts/activate

💡 Verificación: Deberías ver (.venv) al inicio de tu línea de comandos

1.3 Configurar Variables de Entorno

Crear archivo .env desde la plantilla:

# Copiar plantilla de variables de entorno
cp .env.example .env

Editar el archivo .env con tus credenciales reales (OpenAI API Key, MongoDB URI, etc.). El archivo .env.example contiene todas las variables necesarias con valores de ejemplo.

💡 Nota: Para desarrollo local, el sistema puede funcionar sin MongoDB ni APIs externas usando datos mock.

📄 Variables de Entorno: Revisa el archivo .env.example para ver todas las variables disponibles y su descripción.

⚙️ Paso 2: Configuración del Backend (FastAPI)

2.1 Instalar Dependencias de Python

# Asegúrate de que el entorno virtual esté activado
# Deberías ver (.venv) en tu prompt

# Instalar todas las dependencias
pip install -r requirements.txt

2.2 Ejecutar el Servidor Backend

🪟 Windows (PowerShell/CMD)

# Asegúrate de tener el entorno virtual activado
# Deberías ver (.venv) en tu prompt

# Ejecutar con uvicorn
uvicorn backend.main:app --reload --host 0.0.0.0 --port 8000

🐧 Linux / 🍎 macOS

# Asegúrate de tener el entorno virtual activado
source .venv/bin/activate

# Ejecutar con uvicorn
uvicorn backend.main:app --reload --host 0.0.0.0 --port 8000

El backend estará disponible en: http://localhost:8000
Documentación Swagger: http://localhost:8000/docs
Health Check: http://localhost:8000/health

✅ Verificación: Deberías ver Application startup complete en la consola

🎨 Paso 3: Configuración del Frontend (React + Vite)

3.1 Instalar Dependencias de Node.js

# Ir al directorio del frontend
cd frontend

# Instalar dependencias
npm install

3.2 Ejecutar el Frontend

Todos los Sistemas Operativos

# Dentro del directorio frontend/

# Modo desarrollo (con hot reload)
npm run dev

# Build para producción
npm run build

# Preview del build de producción
npm run preview

El frontend estará disponible en: http://localhost:5173

✅ Verificación: Deberías ver el mensaje Local: http://localhost:5173/ en la consola

🚦 Paso 4: Verificación Completa

4.1 Verificar que Todo Funciona

1. Backend funcionando:

🪟 Windows (PowerShell):

Invoke-WebRequest -Uri http://localhost:8000/health
# Debería responder: {"status":"ok","service":"mini-celia-backend","timestamp":"..."}

🐧 Linux / 🍎 macOS:

curl http://localhost:8000/health
# Debería responder: {"status":"ok","service":"mini-celia-backend","timestamp":"..."}

🌐 Navegador:

Abrir http://localhost:8000/docs (Swagger UI)
Verificar que se muestra la documentación de la API

2. Frontend funcionando:

Abrir navegador en http://localhost:5173
Verificar que la interfaz carga correctamente
Verificar que el chat muestra el mensaje de bienvenida

3. Integración backend-frontend:

Escribir en el chat: "Hola"
Verificar respuesta del bot
Probar generación: "Generar JN.1 para servicios de limpieza"
Verificar que se genera la narrativa completa

4.2 Solución de Problemas Comunes

❌ Error: "Backend not available" o "Connection refused"

🪟 Windows:

# Verificar que el backend esté corriendo en puerto 8000
netstat -an | findstr :8000

# Verificar proceso Python
Get-Process python

🐧 Linux / 🍎 macOS:

# Verificar que el backend esté corriendo en puerto 8000
lsof -i :8000

# O alternativa:
netstat -tuln | grep :8000

Solución: Asegúrate de que el backend esté ejecutándose y el firewall no bloquee el puerto 8000

❌ Error: "Module not found" o "ImportError"

Todos los sistemas:

# 1. Activar entorno virtual primero
# Windows PowerShell:
.\.venv\Scripts\Activate.ps1
# Linux/macOS:
source .venv/bin/activate

# 2. Reinstalar dependencias de Python
pip install --upgrade pip
pip install -r requirements.txt

# 3. Verificar instalación
pip list | grep fastapi

❌ Error: "Cannot activate venv" (Windows)

Windows PowerShell:

# Habilitar ejecución de scripts:
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

# Verificar cambio:
Get-ExecutionPolicy

# Luego activar:
.\.venv\Scripts\Activate.ps1

Windows CMD (alternativa):

# Usar script .bat en lugar de .ps1
.venv\Scripts\activate.bat

❌ Error: "Port 8000 already in use"

🪟 Windows:

# Encontrar proceso usando puerto 8000
netstat -ano | findstr :8000

# Matar proceso (reemplaza PID con el número encontrado)
taskkill /PID <PID> /F

🐧 Linux / 🍎 macOS:

# Encontrar proceso
lsof -ti:8000

# Matar proceso
kill -9 $(lsof -ti:8000)

❌ Error: Frontend no conecta con Backend

Verificar VITE_API_URL:

# En frontend/.env
VITE_API_URL=http://localhost:8000

# NO usar https, NO añadir /api al final

Verificar CORS: El backend debe permitir peticiones desde http://localhost:5173. Esto ya está configurado en backend/main.py

📚 Comandos de Desarrollo Rápido

Iniciar todo el stack de desarrollo:

🪟 Windows PowerShell (2 terminales)

# ===== TERMINAL 1 - Backend =====
cd "C:\ruta\a\tu\ADD4U"
.\.venv\Scripts\Activate.ps1
uvicorn backend.main:app --reload --host 0.0.0.0 --port 8000

# ===== TERMINAL 2 - Frontend =====
cd "C:\ruta\a\tu\ADD4U\frontend"
npm run dev

🪟 Windows CMD (2 terminales)

REM ===== TERMINAL 1 - Backend =====
cd C:\ruta\a\tu\ADD4U
.venv\Scripts\activate.bat
uvicorn backend.main:app --reload --host 0.0.0.0 --port 8000

REM ===== TERMINAL 2 - Frontend =====
cd C:\ruta\a\tu\ADD4U\frontend
npm run dev

🐧 Linux / 🍎 macOS (Bash/Zsh - 2 terminales)

# ===== TERMINAL 1 - Backend =====
cd ~/ruta/a/tu/ADD4U
source .venv/bin/activate
uvicorn backend.main:app --reload --host 0.0.0.0 --port 8000

# ===== TERMINAL 2 - Frontend =====
cd ~/ruta/a/tu/ADD4U/frontend
npm run dev

🪟 Windows Git Bash (2 terminales)

# ===== TERMINAL 1 - Backend =====
cd /c/ruta/a/tu/ADD4U
source .venv/Scripts/activate
uvicorn backend.main:app --reload --host 0.0.0.0 --port 8000

# ===== TERMINAL 2 - Frontend =====
cd /c/ruta/a/tu/ADD4U/frontend
npm run dev

Script de inicio rápido (opcional):

Crear start-dev.ps1 (Windows):

# Archivo: start-dev.ps1
Write-Host "🚀 Iniciando Mini-CELIA..." -ForegroundColor Green
.\.venv\Scripts\Activate.ps1
Start-Process powershell -ArgumentList "-NoExit", "-Command", "cd frontend; npm run dev"
uvicorn backend.main:app --reload

Crear start-dev.sh (Linux/macOS):

#!/bin/bash
echo "🚀 Iniciando Mini-CELIA..."
source .venv/bin/activate
gnome-terminal -- bash -c "cd frontend && npm run dev; exec bash" &
uvicorn backend.main:app --reload

🎯 Uso del Sistema

Funcionalidades Principales:

💬 Chat Inteligente
- Interfaz conversacional tipo ChatGPT
- Respuestas contextuales sobre licitaciones
- Modo offline (sin APIs) y online (con IA)
📋 Generación de Justificación de la Necesidad (JN)
- Click en "Generar JN"
- Introduce ID del expediente
- Describe la necesidad
- IA genera la documentación completa
🔍 Validación Normativa
- Cumplimiento DNSH
- Protección de datos RGPD
- Prevención de fraccionamiento
📊 Exportación
- Formatos Word, PDF
- Plantillas oficiales
- Metadatos incluidos

Flujo de Trabajo Típico:

flowchart TD

    A[Usuario abre Mini-CELIA] --> B[Chat de bienvenida]
    B --> C["Click \"Generar JN\""]
    C --> D[Introduce ID expediente]
    D --> E[Describe la necesidad]
    E --> F[IA procesa con GPT-4]
    F --> G[Documento JN generado]
    G --> H[Revisar y exportar]

🏗️ Arquitectura del Sistema

Vista de Alto Nivel

┌─────────────────────────────────────────────────────────────────┐
│                    MINI-CELIA ARCHITECTURE                      │
├─────────────────────────────────────────────────────────────────┤
│                                                                 │
│  ┌──────────────┐         ┌──────────────┐                     │
│  │   FRONTEND   │         │   BACKEND    │                     │
│  │              │         │              │                     │
│  │  React 18    │◄──HTTP─►│  FastAPI     │                     │
│  │  Vite        │         │  Python 3.11 │                     │
│  │  Tailwind    │         │  Async/Await │                     │
│  │  Port 5173   │         │  Port 8000   │                     │
│  └──────────────┘         └──────┬───────┘                     │
│                                   │                             │
│                    ┌──────────────┼──────────────┐             │
│                    │              │              │             │
│             ┌──────▼─────┐ ┌─────▼──────┐ ┌────▼─────┐       │
│             │  LANGCHAIN │ │  MONGODB   │ │  OPENAI  │       │
│             │ Orchestrator│ │  Database  │ │  GPT-4o  │       │
│             │  LangGraph │ │  Atlas     │ │          │       │
│             └──────┬─────┘ └────────────┘ └──────────┘       │
│                    │                                           │
│         ┌──────────┼───────────┐                              │
│         │          │           │                              │
│   ┌─────▼────┐ ┌──▼──────┐ ┌─▼──────────┐                   │
│   │ RETRIEVER│ │GENERATOR│ │ VALIDATOR  │                   │
│   │  Agent   │ │ Agents  │ │   Agent    │                   │
│   │ (RAG)    │ │  A & B  │ │ (Schemas)  │                   │
│   └──────────┘ └─────────┘ └────────────┘                   │
│                                                               │
│   ┌──────────────────────────────────────────────┐           │
│   │        OBSERVABILITY & MONITORING            │           │
│   │  ┌──────────┐  ┌──────────┐  ┌───────────┐  │           │
│   │  │ LangFuse │  │ TruLens  │  │  Logging  │  │           │
│   │  │ Tracing  │  │ Metrics  │  │  System   │  │           │
│   │  └──────────┘  └──────────┘  └───────────┘  │           │
│   └──────────────────────────────────────────────┘           │
│                                                               │
└───────────────────────────────────────────────────────────────┘

🔄 Pipeline Completo: Generación de JN.1

[1] USUARIO                     [2] FRONTEND                [3] BACKEND
     │                               │                           │
     │ "Generar JN.1                 │                           │
     │  para limpieza"               │                           │
     └──────────────────────────────►│                           │
                                     │ POST /jn/generate         │
                                     │ {expediente_id,           │
                                     │  user_text,               │
                                     │  seccion: "JN.1"}         │
                                     └──────────────────────────►│
                                                                 │
                        [4] ORCHESTRATOR (LangGraph)
                                     │
                    ┌────────────────┼────────────────┐
                    │                │                │
            [5] RETRIEVER      [6] PROMPT      [7] GENERATOR A
             (RAG Agent)        MANAGER         (Estructurado)
                    │                │                │
                    │ Vector Search  │ Build Prompt   │ LLM GPT-4o
                    │ MongoDB Atlas  │ A + context    │ → JSON_A
                    │ Embeddings     │                │
                    │                │                │
                    └────────────────┴────────────────┘
                                     │
                            [8] VALIDATOR A
                            (Schema Check)
                                     │
                              ┌──────┴──────┐
                              │ ❌ Error?   │
                              └──────┬──────┘
                                     │ Sí
                          [9] AUTO-REPAIR (max 2 retries)
                                     │
                              Regenera JSON_A
                                     │
                                     │ No (✅)
                                     │
                    ┌────────────────┼────────────────┐
                    │                │                │
           [10] GENERATOR B   [11] VALIDATOR B  [12] SAVE TO DB
            (Narrativa)        (Coherence)       (MongoDB)
                    │                │                │
            LLM GPT-4o         JSON_A vs JSON_B       │
            → JSON_B           Semantic check         │
                    │                │                │
                    └────────────────┴────────────────┘
                                     │
                          [13] RETURN TO FRONTEND
                                     │
                              JSON_A + JSON_B
                                     │
         ┌───────────────────────────┘
         │
[14] FRONTEND RENDER
         │
    ┌────┴─────┐
    │ Display  │
    │ Chat     │
    │ Response │
    └────┬─────┘
         │
[15] USER ACTIONS
    │
    ├─► 💾 Guardar
    ├─► 📄 Exportar PDF
    ├─► 📝 Exportar Word
    └─► 🔄 Regenerar

⏱️ Tiempos de Ejecución

Fase	Tiempo Promedio	Descripción
Retriever (RAG)	~1-2 seg	Búsqueda vectorial en MongoDB
Generator A	~3-5 seg	Generación JSON estructurado
Validator A	~100 ms	Validación + Auto-repair si es necesario
Generator B	~3-4 seg	Generación narrativa legal
Validator B	~100 ms	Validación de coherencia
TOTAL	~8-12 seg	Pipeline completo end-to-end

🔑 Stack Tecnológico Detallado

Capa	Tecnología	Función	Versión
🎨 Frontend	React	Interfaz de usuario	18.x
	Vite	Build tool + HMR	5.x
	Tailwind CSS	Estilos utility-first	3.x
	jsPDF	Generación PDF client-side	Latest
	Axios	Cliente HTTP	Latest
🚀 Backend	FastAPI	Framework web	0.109+
	Python	Lenguaje	3.11+
	Uvicorn	Servidor ASGI	Latest
	Pydantic	Validación de datos	2.x
🤖 IA Multi-Agente	LangGraph	Orquestación de agentes	Latest
	LangChain	Framework LLM	Latest
	OpenAI GPT-4o	Generación estructurada	Latest
	Groq Llama 3.1	Generación narrativa	70B
🔍 RAG	SentenceTransformers	Embeddings vectoriales	all-MiniLM-L6-v2
	MongoDB Atlas	Vector search	7.0+
✅ Validación	BinderSchemas	JSON Schema validation	Custom
	OutputParser	Limpieza y parsing	Custom
📊 Observability	LangFuse	Tracing distribuido	Cloud
	TruLens	Métricas y evaluación	Latest
🗄️ Base de Datos	MongoDB Atlas	Persistencia + Vector DB	7.0+

🔧 Configuración Avanzada

Variables de Entorno Detalladas:

Variable	Descripción	Valor por Defecto	Requerido
`OPENAI_API_KEY`	API Key de OpenAI	-	No*
`GROQ_API_KEY`	API Key de Groq	-	No*
`MONGODB_URI`	Conexión MongoDB	`mongodb://localhost:27017`	No*
`VITE_API_URL`	URL del backend	`http://localhost:8000`	Sí
`PORT`	Puerto del backend	`8000`	No
`DEBUG`	Logs detallados	`true`	No

* El sistema funciona offline sin estas variables

Modelos de IA Configurables:

# Modelos OpenAI disponibles
DEFAULT_STRUCTURED_MODEL=gpt-4o-mini          # Más económico
# DEFAULT_STRUCTURED_MODEL=gpt-4o             # Más potente

# Modelos Groq disponibles  
DEFAULT_NARRATIVE_MODEL=llama-3.1-70b-versatile  # Recomendado
# DEFAULT_NARRATIVE_MODEL=llama-3.1-8b-instant   # Más rápido
# DEFAULT_NARRATIVE_MODEL=mixtral-8x7b-32768     # Alternativo

Configuración de MongoDB:

Opción 1 - MongoDB Local:

# Instalar MongoDB Community
# Windows: https://www.mongodb.com/try/download/community
# Ubuntu: sudo apt-get install mongodb
# macOS: brew install mongodb/brew/mongodb-community

# Iniciar servicio
mongod --dbpath ./data/db

Opción 2 - MongoDB Atlas (Cloud):

MONGODB_URI=mongodb+srv://usuario:password@cluster0.xxxxx.mongodb.net/mini_celia?retryWrites=true&w=majority

🧪 Testing y Desarrollo

Ejecutar Tests:

# Tests del backend
pytest backend/tests/ -v

# Tests del frontend  
cd frontend && npm test

Desarrollo con Hot Reload:

# Backend con auto-reload
uvicorn backend.main:app --reload

# Frontend con HMR (Hot Module Replacement)
cd frontend && npm run dev

Debugging:

# Logs detallados del backend
DEBUG=true uvicorn backend.main:app --reload

# Inspeccionar base de datos
mongosh mini_celia --eval "db.expedientes.find().pretty()"

🚀 Deployment en Producción

Backend (FastAPI):

# Build para producción
pip install -r requirements.txt

# Ejecutar con Gunicorn
gunicorn backend.main:app -w 4 -k uvicorn.workers.UvicornWorker --bind 0.0.0.0:8000

Frontend (React):

# Build estático
cd frontend && npm run build

# Servir con servidor web (nginx, apache, etc.)
# Los archivos están en frontend/dist/

Docker (Opcional):

# Dockerfile.backend
FROM python:3.11-slim
COPY requirements.txt .
RUN pip install -r requirements.txt
COPY backend/ ./backend/
EXPOSE 8000
CMD ["uvicorn", "backend.main:app", "--host", "0.0.0.0", "--port", "8000"]

# Dockerfile.frontend  
FROM node:18-alpine
COPY frontend/package*.json ./
RUN npm install
COPY frontend/ .
RUN npm run build
FROM nginx:alpine
COPY --from=0 /app/dist /usr/share/nginx/html

👥 Contribuidores

_{stephyangeles}
_{Frontend & IA Developer}

_abbyenredes
_{IA Developer & Base de Datos}

_Jorgeluuu
_{IA Developer & Backend}

_mikewig
_{IA Developer & Backend}

_merkandez
_{IA Developer & Backend}

✨ Características Principales

🎨 Interfaz de Usuario

💬 Chat Conversacional: Interfaz tipo ChatGPT optimizada para licitaciones
📱 Diseño Responsivo: Perfecto en móvil, tablet y desktop con Tailwind CSS
📄 Exportación PDF Multi-Sección: Detecta automáticamente todas las secciones JN generadas (JN.1 a JN.5)
💾 Gestión de Borradores: Sistema de guardado y carga de trabajos previos
🎯 Ejemplos Integrados: Panel lateral con casos de uso reales

🤖 Sistema Multi-Agente (LangGraph)

🧠 Orchestrator: Coordina flujo completo de 8 pasos con LangGraph
🔍 Retriever Agent (RAG): Búsqueda vectorial en MongoDB con embeddings (score > 0.75)
📝 Generator A: JSON estructurado (JSON_A) con campos validados
📖 Generator B: Narrativa legal legible (JSON_B) con referencias normativas
✅ Validator Agent: Validación automática con auto-retry (max 2 intentos)
🔧 Output Parser: Limpieza HTML y parsing centralizado
🧹 Sanitizer: Conversión automática de valores "faltantes" a campos vacíos

⚡ Validación Inteligente

📋 BinderSchemas: Validación contra JSON Schema con estructura nested
🔄 Auto-Repair: Regeneración automática con prompts especializados si falla validación
🎯 Nested Fields: Validación recursiva con dot notation (ej: secciones_JN.objeto)
⚠️ Warnings: Sistema de alertas para campos incompletos sin bloquear flujo
� Tasa de Éxito: Del 70% al 95% con auto-retry implementado

📊 Observabilidad y Monitoreo

🔍 LangFuse: Tracing distribuido de todas las invocaciones LLM con contexto
📈 TruLens: Métricas de evaluación y dashboard local (puerto 8501)
� Health Endpoint: /health con timestamp UTC y status del servicio
📝 Logs Estructurados: Sistema de logging con niveles configurables

🚀 Optimizaciones de Rendimiento

⚡ Local Cache: Modelos de embeddings en ./models_cache (reduce startup de 30s a <3s)
🔄 Async/Await: Backend completamente asíncrono con FastAPI
📦 HuggingFace Timeout Fix: Sin dependencia de descarga en cada inicio
🎯 Vector Search: MongoDB Atlas con índices optimizados (150 candidates, top 5)

📄 Cumplimiento Normativo

✅ LCSP: Ley 9/2017 de Contratos del Sector Público
✅ RGPD: Reglamento (UE) 2016/679 de Protección de Datos
✅ DNSH: Do No Significant Harm (EU Green Deal)
✅ Directiva 2014/24/UE: Contratación pública europea

📂 Estructura del Proyecto

ADD4U/
│
├── 📁 backend/                              # 🔧 API y Lógica del Sistema
│   │
│   ├── 📁 agents/                           # 🤖 Agentes de IA (LangGraph)
│   │   ├── orchestrator.py                  # Orquestador principal (LangGraph)
│   │   ├── retriever_agent.py               # RAG: Recuperación de contexto normativo
│   │   ├── prompt_manager.py                # Gestor de prompts dinámicos
│   │   ├── prompt_refiner.py                # Refinador de prompts por sección
│   │   ├── validator.py                     # Validador con auto-retry
│   │   │
│   │   ├── 📁 generators/                   # Generadores de contenido
│   │   │   ├── generator_a.py               # Genera JSON estructurado (JSON_A)
│   │   │   ├── generator_b.py               # Genera narrativa legal (JSON_B)
│   │   │   └── output_parser.py             # Parser centralizado de outputs
│   │   │
│   │   ├── 📁 schemas/                      # Esquemas de validación
│   │   │   └── json_schemas.py              # BinderSchemas (JSON_A, JSON_B)
│   │   │
│   │   └── 📁 nodes/                        # Nodos del grafo LangGraph
│   │
│   ├── 📁 api/                              # 🛣️ Endpoints REST
│   │   ├── jn_routes.py                     # POST /jn/generate, GET /jn/status
│   │   ├── routes_expedientes.py            # CRUD expedientes
│   │   ├── routes_normativa.py              # Gestión normativa Golden
│   │   └── routes_outputs.py                # Historial de outputs generados
│   │
│   ├── 📁 core/                             # ⚡ Lógica Central
│   │   ├── config.py                        # Configuración global (Settings)
│   │   ├── llm_client.py                    # Cliente OpenAI/Groq
│   │   ├── logic_jn.py                      # Lógica de negocio JN
│   │   ├── langfuse_client.py               # Cliente trazabilidad LangFuse
│   │   ├── trulens_client.py                # Cliente métricas TruLens
│   │   └── trulens_metrics.py               # Definición de métricas
│   │
│   ├── 📁 database/                         # 🗄️ Persistencia MongoDB
│   │   ├── mongo.py                         # Configuración cliente AsyncMongo
│   │   ├── init_expedientes.py              # Inicialización BD expedientes
│   │   ├── init_normativa.py                # Inicialización BD normativa
│   │   ├── init_outputs.py                  # Inicialización BD outputs
│   │   ├── outputs_repository.py            # Repositorio de outputs
│   │   └── process_normativa_global.py      # Procesamiento embeddings
│   │
│   ├── 📁 models/                           # 📋 Esquemas Pydantic
│   │   └── schemas_jn.py                    # Modelos de datos JN
│   │
│   ├── 📁 prompts/                          # 💭 Prompts Optimizados
│   │   ├── jn_prompts.py                    # Prompts específicos JN
│   │   └── 📁 templates/                    # Plantillas de prompts
│   │
│   ├── 📁 tests/                            # 🧪 Tests Unitarios
│   │   ├── test_orchestrator_e2e.py         # Test end-to-end
│   │   ├── test_validator_improvements.py   # Tests validador
│   │   ├── test_retriever.py                # Tests RAG
│   │   └── test_jn_validator.py             # Tests validación JN
│   │
│   ├── 📁 utils/                            # 🛠️ Utilidades
│   │   └── dict_utils.py                    # Helpers manipulación diccionarios
│   │
│   ├── 📁 trulens_data/                     # 📊 Base de datos TruLens
│   │   └── trulens.db                       # SQLite DB para métricas
│   │
│   └── main.py                              # 🚀 Punto de entrada FastAPI
│
├── 📁 frontend/                             # 🎨 Aplicación React
│   │
│   ├── 📁 src/
│   │   ├── 📁 components/                   # 🧩 Componentes React
│   │   │   ├── ChatSection.jsx              # Chat principal con IA
│   │   │   ├── ClarificationPrompts.jsx     # Prompts de clarificación
│   │   │   ├── DraftModal.jsx               # Modal de borradores
│   │   │   ├── ExportMenu.jsx               # Menú exportación (PDF/Word)
│   │   │   ├── LicitacionExamples.jsx       # Ejemplos de licitaciones
│   │   │   └── Toast.jsx                    # Sistema de notificaciones
│   │   │
│   │   ├── 📁 contexts/                     # 🔄 Context API
│   │   │   └── AppStateContext.jsx          # Estado global aplicación
│   │   │
│   │   ├── 📁 pages/                        # 📄 Páginas
│   │   │   └── MainApp.jsx                  # Página principal
│   │   │
│   │   ├── 📁 services/                     # 🌐 Servicios API
│   │   │   └── apiService.js                # Cliente HTTP (Axios)
│   │   │
│   │   ├── 📁 utils/                        # 🛠️ Utilidades
│   │   │   └── pdfGenerator.js              # Generador PDF (jsPDF)
│   │   │
│   │   ├── App.jsx                          # Componente raíz
│   │   ├── index.css                        # Estilos globales
│   │   └── main.jsx                         # Entrada React
│   │
│   ├── index.html                           # HTML principal
│   ├── package.json                         # Dependencias NPM
│   ├── postcss.config.js                    # Configuración PostCSS
│   ├── tailwind.config.js                   # Configuración Tailwind
│   └── vite.config.js                       # Configuración Vite
│
├── 📁 docs/                                 # 📚 Documentación
│   ├── 📁 diagrams/flujos/                  # Diagramas de flujo
│   │   ├── jn_operativo.md                  # Flujo operativo JN
│   │   ├── flujo_operativo.md               # Flujo general
│   │   └── bbdd_flujo.md                    # Flujo base de datos
│   │
│   ├── 📁 diagrams/ejemplos_json/           # Ejemplos de estructuras
│   │   ├── output_jsonA.json                # Ejemplo JSON_A
│   │   ├── output_jsonB.json                # Ejemplo JSON_B
│   │   ├── expediente.json                  # Ejemplo expediente
│   │   └── normativa_global.json            # Ejemplo normativa
│   │
│   ├── guia_endpoints_orquestador.md        # Guía API
│   ├── server_setup.md                      # Setup servidor
│   ├── mejoras_sistema_validacion.md        # Doc mejoras validación
│   └── Mini-CELIA-Final-Documento-Informativo.md  # 📖 Doc completo para entender proyecto
│
├── 📁 outputs/                              # 📤 Archivos generados
├── 📁 tests/                                # 🧪 Tests de integración
│
├── 📄 .env                                  # 🔐 Variables de entorno (local)
├── 📄 .env.example                          # 📄 Plantilla variables entorno
├── 📄 .gitignore                            # 🚫 Archivos ignorados Git
├── 📄 README.md                             # 📖 Este documento
├── 📄 requirements.txt                      # 📦 Dependencias Python
└── 📄 package.json                          # 📦 Metadatos proyecto

📌 Convenciones de Nomenclatura

*_agent.py: Agentes individuales de LangChain/LangGraph
*_routes.py: Endpoints FastAPI agrupados por dominio
schemas_*.py: Modelos Pydantic de validación
*.jsx: Componentes React
*_prompts.py: Colecciones de prompts para IA

💡 Cómo Usar Mini-CELIA

🎯 Ejemplos por Categoría

Al abrir la aplicación, encontrarás ejemplos organizados en 4 categorías:

📦 Servicios

Servicios de Limpieza: Ejemplo para limpieza de edificios municipales
Mantenimiento Informático: Soporte técnico para equipos IT

🏗️ Obras

Rehabilitación de Edificio: Restauración de edificios históricos
Pavimentación Urbana: Obras de mejora de calles y aceras

📋 Suministros

Equipos Informáticos: Renovación de parque informático
Mobiliario de Oficina: Adquisición de mesas, sillas y archivadores

💼 Consultoría

Auditoría Energética: Análisis y mejora de eficiencia energética
Asesoría Legal: Servicios jurídicos especializados

💡 Consejo: Haz clic en cualquier ejemplo para prellenarlo en el chat, luego personalízalo con tus datos específicos.

💬 Chat Conversacional

Escribe directamente en el chat para obtener ayuda personalizada:

"Necesito una justificación para contratar servicios de limpieza de 5 edificios"
"Genera documentación para rehabilitar un edificio histórico de 1500m²"
"Ayúdame con la contratación de 50 ordenadores portátiles"
"Quiero hacer una auditoría energética de 10 edificios"

📋 Flujo de Trabajo

🚀 Iniciar: Abre la aplicación en http://localhost:5173
🎯 Seleccionar: Haz clic en un ejemplo o escribe tu consulta
📝 Personalizar: Ajusta cantidades, ubicaciones y requisitos específicos
⚡ Generar: La IA procesa tu solicitud y genera la documentación completa
📄 Revisar: Verifica el contenido generado en formato JSON estructurado
💾 Exportar: Descarga en PDF o Word con un clic

🌟 Características Avanzadas

🔄 Modos de Operación

Modo Online (Con OpenAI)

🧠 Respuestas inteligentes y contextuales
📚 Acceso a conocimiento actualizado
🎯 Personalización por tipo de licitación
✅ Cumplimiento normativo automático

📊 Indicadores de Estado

🟢 Verde: Conectado a OpenAI
🔴 Rojo: Modo offline/simulado
⏳ Amarillo: Cargando respuesta

🎨 Diseño y UX

🌈 Tema Corporativo: Amarillo y blanco elegante
✨ Efectos Glass: Interfaces modernas y atractivas
🎭 Iconos SVG: Profesionales
📱 Mobile First: Optimizado para dispositivos móviles

🔒 Seguridad y Privacidad

🛡️ Características de Seguridad

🚫 Sin Autenticación: No hay datos personales almacenados
🔐 API Keys Locales: Las claves solo se almacenan localmente
🏠 Procesamiento Local: Datos no enviados a servidores externos
🔄 Sesiones Temporales: No hay persistencia de conversaciones

📋 Cumplimiento Normativo

✅ LCSP: Ley de Contratos del Sector Público
✅ RGPD: Reglamento General de Protección de Datos
✅ DNSH: Do No Significant Harm (EU)
✅ PRTR: Plan de Recuperación, Transformación y Resiliencia

🚀 Roadmap y Futuras Características

🎯 Próximas Versiones

📄 Generación PPT (Pliego de Prescripciones Técnicas)
📋 Generación CEC (Cuadro de Características)
⚖️ Criterios de Adjudicación automáticos
📊 Dashboard de Analytics
🔄 Integración con sistemas ERP
📱 Aplicación móvil nativa

🎨 Mejoras Planificadas

🎯 Plantillas por Organismos: Adaptadas a diferentes administraciones
🤖 Agentes Especializados: Por tipos de licitación específicos
📚 Base de Conocimiento: Jurisprudencia y casos de éxito
🔄 Workflow Completo: Desde inicio hasta adjudicación

🤝 Contribución y Desarrollo

👥 Equipo de Desarrollo

Este proyecto ha sido desarrollado como Proof of Concept (PoC) para demostrar las capacidades de IA aplicadas al sector público español.

🔧 Para Desarrolladores

Configuración inicial:

# Fork y clonar repositorio
git clone [repository-url]
cd ADD4U

# Crear branch para tu feature
git checkout -b feature/nueva-funcionalidad

Desarrollo:

Seguir PEP 8 para Python
Usar ESLint para JavaScript
Documentar funciones nuevas
Incluir tests unitarios
Actualizar README si es necesario

Enviar cambios:

Commit tus cambios: git commit -am 'Add nueva funcionalidad'
Push al branch: git push origin feature/nueva-funcionalidad
Crear Pull Request

🐛 Reportar Problemas

Si encuentras algún problema o tienes sugerencias:

📝 Describe el problema detalladamente
🔄 Incluye pasos para reproducirlo
📸 Adjunta capturas de pantalla si es posible
💻 Especifica tu sistema operativo y navegador

📞 Soporte y Documentación

Enlaces Útiles:

📖 Documentación API: http://localhost:8000/docs
🐛 Reportar Bugs: [GitHub Issues]
💬 Discusiones: [GitHub Discussions]

📧 Contacto

Para consultas técnicas avanzadas o implementaciones empresariales, contacta con el equipo de desarrollo.

📄 Licencia y Créditos

⚖️ Licencia MIT

Este proyecto está bajo licencia MIT, lo que permite:

✅ Uso comercial y personal
✅ Modificación y distribución
✅ Uso en proyectos privados
❌ No incluye garantías

🙏 Créditos

OpenAI GPT-4 para generación de contenido
Groq para modelos open-source
FastAPI por el excelente framework
React y Vite por la experiencia de desarrollo
MongoDB para la persistencia de datos

🏛️ Uso en Administración Pública

Mini-CELIA está diseñado específicamente para:

🏢 Ayuntamientos de cualquier tamaño
🏛️ Diputaciones provinciales
🎓 Universidades públicas
🏥 Organismos autónomos
🚀 Empresas del sector público

🚀 ¡Transforma tu proceso de licitaciones con IA!

Desarrollado con ❤️ para modernizar la Administración Pública española

Name		Name	Last commit message	Last commit date
Latest commit History 192 Commits
backend		backend
docs		docs
frontend		frontend
outputs		outputs
tests		tests
.env.example		.env.example
.gitignore		.gitignore
README.md		README.md
package-lock.json		package-lock.json
package.json		package.json
requirements.txt		requirements.txt

Bootcamp-IA-P4/ADD4U

Folders and files

Latest commit

History

Repository files navigation

🤖 Mini-CELIA — Copilot Inteligente de Licitaciones para la Administración

🛠️ Tecnologías

📋 ¿Qué es Mini-CELIA?

🎯 Problema que Resuelve

✅ Solución: Mini-CELIA

🚀 Instalación Completa desde Cero

📋 Prerequisitos

⚙️ Paso 1: Configuración del Entorno

1.1 Clonar el Repositorio

1.2 Crear y Activar Entorno Virtual

🪟 Windows (PowerShell)

🪟 Windows (CMD)

🐧 Linux / 🍎 macOS (Bash/Zsh)

🪟 Windows (Git Bash)

1.3 Configurar Variables de Entorno

⚙️ Paso 2: Configuración del Backend (FastAPI)

2.1 Instalar Dependencias de Python

2.2 Ejecutar el Servidor Backend

🪟 Windows (PowerShell/CMD)

🐧 Linux / 🍎 macOS

🎨 Paso 3: Configuración del Frontend (React + Vite)

3.1 Instalar Dependencias de Node.js

3.2 Ejecutar el Frontend

Todos los Sistemas Operativos

🚦 Paso 4: Verificación Completa

4.1 Verificar que Todo Funciona

1. Backend funcionando:

2. Frontend funcionando:

3. Integración backend-frontend:

4.2 Solución de Problemas Comunes

❌ Error: "Backend not available" o "Connection refused"

❌ Error: "Module not found" o "ImportError"

❌ Error: "Cannot activate venv" (Windows)

❌ Error: "Port 8000 already in use"

❌ Error: Frontend no conecta con Backend

📚 Comandos de Desarrollo Rápido

Iniciar todo el stack de desarrollo:

🪟 Windows PowerShell (2 terminales)

🪟 Windows CMD (2 terminales)

🐧 Linux / 🍎 macOS (Bash/Zsh - 2 terminales)

🪟 Windows Git Bash (2 terminales)

Script de inicio rápido (opcional):

🎯 Uso del Sistema

Funcionalidades Principales:

Flujo de Trabajo Típico:

🏗️ Arquitectura del Sistema

Vista de Alto Nivel

🔄 Pipeline Completo: Generación de JN.1

⏱️ Tiempos de Ejecución

🔑 Stack Tecnológico Detallado

🔧 Configuración Avanzada

Variables de Entorno Detalladas:

Modelos de IA Configurables:

Configuración de MongoDB:

🧪 Testing y Desarrollo

Ejecutar Tests:

Desarrollo con Hot Reload:

Debugging:

🚀 Deployment en Producción

Backend (FastAPI):

Frontend (React):

Docker (Opcional):

👥 Contribuidores

✨ Características Principales

🎨 Interfaz de Usuario

🤖 Sistema Multi-Agente (LangGraph)

⚡ Validación Inteligente

📊 Observabilidad y Monitoreo

🚀 Optimizaciones de Rendimiento

📄 Cumplimiento Normativo

📂 Estructura del Proyecto

📌 Convenciones de Nomenclatura

💡 Cómo Usar Mini-CELIA

🎯 Ejemplos por Categoría

📦 Servicios

Packages