Python

Resumen del Proyecto Sandbox práctico para explorar flujos agénticos en FastAPI. El repositorio combina endpoints de carga en streaming con un agente LangGraph que usa herramientas externas, todo organizado con una arquitectura limpia para aprender y evolucionar. Contexto de Negocio Diseñado para experimentar mejores prácticas de programación agéntica sin las restricciones de un entorno productivo. Muestra cómo empaquetar patrones FastAPI + LangChain/LangGraph para extenderlos en aplicaciones reales. Enfatiza tanto el razonamiento del agente como la ergonomía de APIs backend. Capacidades Clave Cargas en streaming para PDF y binarios, además de ejemplos de archivos pequeños. Endpoint de agente LangGraph que invoca una herramienta de búsqueda Tavily con modelo Gemini. Checkpointing en memoria mediante SQLite para preservar el estado del agente. Gestión de configuración con Pydantic Settings. Arquitectura limpia con carpetas de adapters, domain y entrypoints. Flujo Docker con auto-recarga para iteraciones rápidas. Highlights de Arquitectura Se divide en dos apps FastAPI: be1/ para cargas en streaming y langgraph-demo/ para flujos agénticos. Docker Compose inicia la app LangGraph y expone la documentación interactiva automáticamente. Incluye notas y scaffolding para pruebas, persistencia y autenticación futuras. Mi Rol Ensamblé el demo, conecté los endpoints de streaming y el flujo LangGraph con herramientas, y documenté la estructura y el flujo Docker local. ...

Panorama del Proyecto Ejecuta experimentos de IA conversacional directamente en tu portátil. Este prototipo combina un pipeline de Hugging Face con salvaguardas sensibles a la GPU para iterar sin depender de servicios alojados. Contexto de Negocio Pensado para laboratorios y equipos sensibles al cumplimiento que necesitan validar chatbots sin enviar datos a la nube de terceros. Ofrece un punto de partida reproducible para incorporar colaboradores que trabajan en Linux, macOS y Windows. Capacidades Clave Inferencia local con BlenderBot impulsada por el checkpoint facebook/blenderbot-400M-distill mediante el pipeline text-to-text de transformers. Paridad notebook/script gracias al par sincronizado con Jupytext (basic_chat.ipynb ⇄ basic_chat.py), evitando desalineaciones entre IDE y navegador. Inicio amigable con GPU que configura PYTORCH_CUDA_ALLOC_CONF y limpia cachés CUDA para ajustar modelos en tarjetas de 2 GB, manteniendo la opción de ejecutar en CPU. Diagnósticos de entorno a través de gpu_ts.py y pt-cuda-ts, confirmando la disponibilidad de PyTorch/CUDA antes de reservar grandes tensores. Reproducibilidad con conda-lock mediante environment.yml, archivos bloque multi-plataforma y tareas de Makefile (make expenv, make updenv) que mantienen las dependencias alineadas. Notas de Implementación Incluye pasos concisos para instalar la versión adecuada de PyTorch, transformers, accelerate y sentencepiece. Promueve la gestión cuidadosa de VRAM mostrando cómo ajustar precisión o mapas de dispositivo dentro del pipeline. Licencia MIT y estructura pensada para intercambiar checkpoints más grandes o envolver la demo con interfaces tipo Gradio o Streamlit. Mi Rol Empaqueté el flujo del notebook, escribí los chequeos de salud de GPU y automaticé el bloqueo de dependencias para que el prototipado de LLM locales sea confiable para el equipo. ...

Panorama del Proyecto Los recolectores de datos de alto volumen suelen ser bloqueados cuando los nodos de salida Tor aparecen en listas negras. Este toolkit automatiza el cambio de circuitos para mantener el rendimiento sin sacrificar anonimato. Contexto de Negocio Ideal para equipos de investigación y cumplimiento que dependen de Tor para obtener información en redes restringidas. Evita que los procesos se detengan al detectar circuitos bloqueados o lentos y rotar antes de que fallen las solicitudes. Capacidades Clave Orquestación multicircuito que levanta conexiones Tor concurrentes para peticiones en paralelo. Monitoreo de salud de circuitos para identificar endpoints vetados y renovar al instante. Guía para miniaturas que destaca el uso de Tor en tableros o portafolios visuales. Diseñado como biblioteca personal para integrarse en pipelines mayores de scraping. Notas de Implementación Utilidades en Python con puntos de extensión para manejadores de colas o proxys personalizados. Separa claramente las señales de control de Tor de la lógica de negocio, simplificando las auditorías. Licencia MIT, permitiendo extender medidas de seguridad o integrar otras redes de anonimato. Mi Rol Condensé necesidades recurrentes de automatización en primitivas reutilizables, priorizando patrones de red resilientes y abstracciones amigables para desarrolladores. ...