LAILA Pythoness actúa como una tarotista profesional 🃏, siempre disponible para realizar consultas de tarot. Su capacidad principal radica en interpretar preguntas formuladas por el usuario/a y ofrecer respuestas basadas en la simbología del tarot Rider-Waite, acompañadas de un toque narrativo y dramatismo.
Desarrollada con Python, integra un modelo RAG (Recuperación Aumentada por Generación) y tecnologías modernas como Streamlit para la interfaz y FAISS para la búsqueda semántica . LAILA está diseñada para realizar tiradas de cartas con un enfoque místico y teatral 🎭. Su propósito es ofrecer una experiencia interactiva y envolvente, capaz de realizar lecturas y responder de manera natural.
Para interactuar con LAILA, simplemente accede a la aplicación web, LAILA te saludará con su personalidad magnética y única. Podrás formular tu pregunta y ella, tras algunas interacciones más, responderá con una tirada e interpretación basada en las cartas extraídas. Esta dinámica permite una experiencia inmersiva y personalizada, donde el usuario siente que está consultando a una tarotista profesional, misteriosa y esotérica.
El aspecto más distintivo de LAILA Pythoness es su enfoque narrativo. Cada interpretación está cuidadosamente elaborada para reflejar un tono teatral 🎭, evocando el estilo de una pitonisa que responde con dramatismo y misterio. Esta narrativa se mantiene coherente a lo largo de todas las interacciones gracias a un sistema de generación de texto basado en un modelo de procesamiento de lenguaje natural (NLP).
El flujo de la conversación está diseñado de manera secuencial, siguiendo las siguientes fases:
-
INTRODUCTION: LAILA inicia la interacción con un saludo al usuario.
-
QUESTION_1: Se formula la primera pregunta al usuario para conocer su intención o tema de la consulta.
-
QUESTION_2: Se realiza una segunda pregunta para aclarar y profundizar más en la consulta.
-
PREPARE: LAILA se prepara para realizar la tirada de cartas.
-
TAROT: Realización de la tirada de tarot e interpretación de las cartas.
-
CLARIFICATIONS: LAILA ofrece aclaraciones adicionales si el usuario lo requiere.
-
FINISH: Finalización de la sesión con un cierre de la consulta.
El modelo utiliza una técnica de persistencia de estado para recordar las interacciones previas durante una sesión. Esto asegura que LAILA pueda mantener una conversación coherente sin perder contexto entre preguntas y respuestas.
Para mantener a LAILA centrada en su propósito esotérico y evitar desviaciones temáticas, se han implementado restricciones de conversación a nivel de agentes. Si el usuario intenta desviar la conversación a temas ajenos, o introduce texto ininteligible, el modelo responderá con firmeza, redirigiendo la interacción. LAILA tiene una personalidad muy definida, no hay que tocarle las narices… o “te pondrá dos velas negras” 🕯️🌑🕯️😉.
El archivo detecta el idioma del usuario utilizando su dirección IP. Esto ocurre de la siguiente manera:
- Obtener la IP del usuario: El asistente hace una solicitud a http://ip-api.com/json/, un servicio web que proporciona información sobre la ubicación geográfica del usuario basada en su IP.
- Extraer el país y el código del país: Si la solicitud es exitosa, se extraen el país y el código del país (por ejemplo, “ES” para España).
- Determinar el idioma: Con el código de país, la función get_language_from_country utiliza la librería pycountry para buscar el idioma principal asociado a ese país. Si no se encuentra un idioma, se establece inglés por defecto.
- Resultado: Devuelve el país, el código del país y el idioma principal, que luego se usa para personalizar los mensajes en el idioma del usuario.
LAILA-Pythoness/
│
├── assets/ # Recursos adicionales (para Readme)
│
├── context/ # Documentos de referencia usados en el RAG
│ └── (archivos .pdf y .txt)
│
├── data/ # Datos utilizados por la aplicación
│ └── faiss_index.pkl # Archivo del índice FAISS almacenado
│
├── frontend/ # Interfaz gráfica con Streamlit
│ ├── app.py # Punto de entrada de la interfaz
│ ├── scss_watcher.py # Monitorización de estilos SCSS
│ └── static/ # Archivos estáticos como imágenes y estilos
│ ├── css/ # Hojas de estilo CSS compiladas
│ │ └── styles.css
│ ├── scss/ # Archivos fuente SCSS
│ │ └── styles.scss
│ └── img/ # Imágenes para la interfaz
│
├── src/ # Lógica de negocio y procesamiento
│ ├── assistant.py # Gestión de las respuestas del asistente
│ ├── chat_app.py # Control de la conversación
│ ├── chat_history.py # Gestión del historial de conversaciones
│ ├── flow_manager.py # Gestión del flujo conversacional
│ ├── tarot_reader.py # Interpretación de las cartas de tarot
│ ├── llm_client.py # Cliente para modelos de lenguaje
│ ├── rag.py # Implementación del modelo RAG
│ ├── faiss_index.py # Motor de búsqueda semántica con FAISS
│ ├── local_document_client.py # Gestión de documentos locales
│ │
│ └── utils/ # Utilidades generales y herramientas de procesamiento
│ ├── document_processor.py # Procesamiento de documentos largos
│ ├── ocr_processor.py # Procesamiento OCR de imágenes
│ ├── pdf-images-to-text.py # Extracción de texto desde PDFs con OCR
│ └── utils.py # Funciones utilitarias generales
│
├── test/ # Pruebas del proyecto (pendiente de contenido específico)
│
├── run.py # Script principal para ejecutar la aplicación
├── requirements.txt # Dependencias del proyecto
├── README.md # Documentación principal
├── .gitignore # Archivos ignorados por Git
└── .env # Configuración de variables de entorno
- Python 3.12+
- Dependencias Python (ver requirements.txt)
Clonar el repositorio:
https://github.com/AI-School-F5-P3/LAILA_Pythoness.git
cd laila_pythoness
Crear un entorno virtual:
python -m venv venv
source venv/bin/activate # En Windows: .\venv\Scripts\activate
Instalar dependencias:
pip install -r requirements.txt
Crear el archivo .env y configurar las variables de entorno.
Iniciar la aplicación:
streamlit run run.py
Acceder a la aplicación web en http://localhost:8501
LAILA Pythoness demuestra cómo una arquitectura modular puede combinar IA conversacional 🤖 y técnicas de búsqueda semántica 🔍 para ofrecer una experiencia interactiva enriquecida ✨. Su estructura bien definida y la separación de responsabilidades entre frontend y backend facilitan el mantenimiento 🛠️ y la escalabilidad 📈 de la aplicación.
El uso de tecnologías como FAISS y un modelo RAG permite que LAILA acceda a fuentes de conocimiento locales y realice interpretaciones de tarot 🃏🔮 basadas en datos relevantes y contextuales. Esto la convierte en una herramienta poderosa no solo para consultas esotéricas, sino también como un ejemplo de aplicación avanzada de inteligencia artificial 🧠🤖 en el contexto de asistentes virtuales.