AI Dataset Foundry v0.2.0 · Windows + Android

Primera release pública utilizable

AI Dataset Foundry transforma fuentes heterogéneas en corpus auditables para pretraining, fine-tuning, RAG y evaluación. Esta versión incorpora el pipeline Python, una interfaz compacta en localhost, una aplicación Windows y una companion Android mínima y offline.

Descargar

• Windows: AI-Dataset-Foundry-Windows.exe — aplicación local con carga de PDF, DOCX, TXT/Markdown, HTML, JSON/JSONL y CSV; también admite rutas, web y repositorios Git.
• Android: AI-Dataset-Foundry-Android-demo.apk — lector offline mínimo para TXT, Markdown, JSON y CSV con exportación JSONL. No solicita permiso Internet.
• Python: wheel y source distribution para automatización y desarrollo.
• Integridad: cada plataforma incluye un archivo SHA256SUMS-*.

Pipeline

Adquirir → normalizar → limpiar → deduplicar → segmentar → validar → exportar. Cada chunk conserva identificador documental, metadata, hashes y decisión de calidad; cada build produce un manifest.

Operación reproducible

uv sync --extra all --extra dev --locked
uv run foundry serve

Este laboratorio prepara datasets; no entrena modelos ni garantiza derechos, verdad, representatividad o anonimización. OCR, crawling completo y actualización incremental permanecen documentados como roadmap, no como capacidades actuales.

Consulta el README, la documentación de conectores y el estado verificable.