Skip to content

execution.md

Latest commit

 

History

History
85 lines (57 loc) · 2.57 KB

execution.md

File metadata and controls

85 lines (57 loc) · 2.57 KB

Ejecución

Propósito

Actualmente el agente se ejecuta mediante un comando de ejecución de python en la terminal, en interaciones futuras se evaluará la inclusión de una mejor UI. Por otro lado hay una ejecución que se hace aparte del flujo principal, la cual lleva a cabo el proceso de ingesta de información, es el paso previo que prepara la información que el agente consume. A continuación se explica la ejecución de los componentes principales del proyecto.

Requisitos

  • Python 3.13+ instalado.
  • Dependencias listadas en requirements.txt o gestionadas vía pyproject.toml.

Entorno virtual (venv)

  1. Crear y activar entorno virtual (Windows PowerShell):
python -m venv .venv
.\.venv\Scripts\Activate.ps1

En CMD:

python -m venv .venv
.\.venv\Scripts\activate
  1. Instalar dependencias:
pip install -r requirements.txt

O instalar el paquete local en editable mode (opcional):

pip install -e .

Ejecutar la ingestión e indexación (paso previo al modelo)

  • Ejecutar solo la fase de ingestión (limpieza y persistencia clean_documents.jsonl):
python src/ingestion/run.py

Esto normalmente deberá ejecutarse una sola vez, que es cuando se agregaron inicialmente las fuentes o en su defecto se puede volver a ejecutar si se agrega una fuente nueva. Se espera formato PDF para las fuentes.

Nota: los directorios de entrada (data/raw/) y persistencia de Chroma están configurados en src/config/settings.py.

Ejecutar el agente interactivo (terminal)

  • Construir e iniciar el agente desde src/main.py:
python src/main.py
  • Uso:
    • Escribe una pregunta y presiona Enter.
    • Escribe exit o salir para terminar la sesión.
    • El agente imprime la respuesta y la lista de fuentes (si las hay).

Ejemplo de interacción:

Causalito listo. Escribe tu pregunta o 'exit' para salir.
>> ¿Qué es inferencia causal bayesiana?
[Respuesta]
...texto generado...

Fuentes: ['paper1.pdf', 'book_chapter.pdf']

Consideraciones y troubleshooting

  • Si Chroma no encuentra el directorio de persistencia, confirma CHROMA_PERSIST_DIR en src/config/settings.py y permisos de escritura.
  • Si faltan dependencias, instala desde requirements.txt o revisa pyproject.toml.
  • Para problemas de rendimiento con embeddings, considera usar una máquina con más memoria o reducir el batch de indexación en ingestion.run.index_documents().
  • Si el agente responde "No hay suficiente información...", indexa más documentos o ajusta los parámetros del Retriever (k, min_score).