Spaces:
Paused
Paused
| <p align="center"> | |
| <img src="static/banner.gif" alt="Banner TrueEye" width="100%"> | |
| </p> | |
| # 🧿 TrueEye — Sistema Inteligente de Alfabetización Mediática | |
| **TrueEye** es una herramienta de inteligencia artificial diseñada para analizar artículos de noticias y contenido web, con el objetivo de detectar sesgos narrativos, identificar la audiencia objetivo y revelar intencionalidades ocultas o estructuras de manipulación simbólica. | |
| En otras palabras, **no solo detecta noticias falsas**, sino que también examina **para quiénes fue escrito un contenido y con qué propósito**. | |
| El sistema produce un informe detallado que ayuda a la alfabetización mediática, señalando indicios sutiles presentes en el texto. | |
| --- | |
| ## 🚀 Demo | |
| * 🌐 [Probar TrueEye en Hugging Face Spaces](https://huggingface.co/spaces/DeepRat/TrueEye_Reports) | |
| * 🖥️ [Sitio oficial del proyecto](https://trueeye.deeprat.tech) | |
| > Nota: La demo en Hugging Face requiere acceso a internet y puede necesitar iniciar sesión. | |
| --- | |
| ## 🧩 ¿Qué hace TrueEye? | |
| Al ingresar una URL de un artículo de noticias, **TrueEye** realiza **tres análisis consecutivos**: | |
| ### 📊 Sesgos y Matices | |
| * Detecta la polaridad narrativa (positiva, negativa o neutral). | |
| * Identifica estrategias retóricas (miedo, manipulación, ironía, etc.). | |
| * Resume el artículo y marca afirmaciones cuestionables. | |
| ### 🎯 Segmentación de Audiencia | |
| * Infiere el perfil demográfico y emocional del lector objetivo. | |
| * Detecta valores explotados, sesgos reafirmados y momento de consumo esperado. | |
| ### ⚠️ Intencionalidad y Peligrosidad | |
| * Evalúa manipulación simbólica, agendas ocultas y beneficiarios. | |
| * Estima nivel de sofisticación narrativa y riesgo de impacto social. | |
| > Cada informe incluye enlaces a fuentes confiables para verificación. | |
| --- | |
| ## ⚙️ Arquitectura del Proyecto | |
| **TrueEye** consta de tres capas principales: | |
| * 🧱 **Frontend**: Web estática en HTML + TailwindCSS + JS (`static/index.html`) | |
| * 🧠 **Backend**: API REST en Python (`main.py`) con FastAPI | |
| * 🔁 **Orquestación IA**: Flujo de LangFlow (`TrueEyeBeta.json`) con agentes Claude (Opus / Sonnet) | |
| > El análisis lo realizan modelos de lenguaje ejecutados vía LangFlow + APIs externas. | |
| --- | |
| ## 📁 Estructura del Repositorio | |
| ``` | |
| TrueEye_v1/ | |
| ├── static/ | |
| │ ├── index.html # Interfaz frontend | |
| │ └── te.png # Logo del proyecto | |
| ├── main.py # Backend FastAPI | |
| ├── requirements.txt # Dependencias Python | |
| ├── Dockerfile # Despliegue (HuggingFace) | |
| ├── TrueEyeBeta.json # Flujo IA de LangFlow | |
| ``` | |
| --- | |
| ## 💻 Cómo Ejecutarlo Localmente | |
| ### 🔧 Requisitos mínimos | |
| * ✅ Python **3.10+** | |
| * ✅ Acceso a internet (para conectarse con los modelos de IA) | |
| * ✅ Clave API de **Claude** o modelo compatible | |
| * ✅ LangFlow instalado (`pip install langflow`) | |
| > 💡 No se requiere GPU ni hardware especializado. Todo el procesamiento se delega a los modelos externos. | |
| ### 🧪 Pasos para correrlo: | |
| ```bash | |
| # 1. Clonar el repositorio | |
| git clone https://github.com/DeepRatAI/TrueEye_v1.git | |
| cd TrueEye_v1 | |
| # 2. Instalar dependencias del backend | |
| pip install -r requirements.txt | |
| # 3. Definir la URL del flujo LangFlow | |
| export FLOW_API_URL="http://localhost:7860/predict" # Reemplazar según tu instancia | |
| # 4. Lanzar el backend | |
| uvicorn main:app --reload | |
| ``` | |
| Luego, abrí el archivo `static/index.html` en tu navegador. | |
| Introducí una URL, presioná "Analizar", y obtendrás el informe generado por IA en segundos. | |
| > 📌 Asegurate de que LangFlow esté corriendo y tenga cargado el flujo `TrueEyeBeta.json`. La clave API debe estar configurada según el proveedor (ej. Anthropic). | |
| --- | |
| ## 📌 Roadmap | |
| | Versión | Estado | Descripción | | |
| | -------- | ------------- | ------------------------------------------------------------ | | |
| | ✅ v1.0 | En producción | Análisis textual completo por URL con IA explicativa | | |
| | 🔄 v2.0 | En diseño | TrueEye Chat: versión conversacional con memoria persistente | | |
| | 🖼️ v3.0 | Planificada | Razonamiento multimodal sobre texto + imágenes/audio/video | | |
| | 🧪 v4.0 | Planificada | Detección de deepfakes y contenido sintético | | |
| --- | |
| ## 📚 Tecnologías Utilizadas | |
| * **FastAPI** — Backend API REST en Python | |
| * **LangFlow** — Orquestación de flujos LLM con agentes, memoria y lógica condicional | |
| * **Claude (Opus / Sonnet)** — Modelos de lenguaje vía API de Anthropic | |
| * **TailwindCSS & JS** — Interfaz frontend simple y moderna | |
| * **Docker** — Para despliegue reproducible (Hugging Face Spaces) | |
| --- | |
| ## ✍️ Autor | |
| **Gonzalo Romero (DeepRat)** | |
| Ingeniero en IA, Software y Sistemas · Prompt Engineer · Full-stack Developer | |
| 🔗 [Web](https://deeprat.tech) | [Hugging Face](https://huggingface.co/DeepRat) | [GitHub](https://github.com/DeepRatAI) | [LinkedIn](https://www.linkedin.com/in/deeprat) | [Medium](https://medium.com/@deeprat) | |
| --- | |
| ## 🧠 Licencia | |
| Este proyecto está licenciado bajo **Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)**. | |
| Podés copiar, modificar y distribuir el código siempre que menciones al autor (**DeepRat**) y no lo utilices con fines comerciales sin autorización previa. | |
| > 📩 Para solicitudes comerciales, contactá a: [info@deeprat.tech](mailto:info@deeprat.tech) | |
| --- | |