Rename README.md to README_es.md

README.md

@@ -1,132 +0,0 @@
----
-title: TrueEye Reports
-emoji: 🧿
-colorFrom: purple
-colorTo: purple
-sdk: docker
-pinned: false
-license: mit
-thumbnail: >-
-  https://cdn-uploads.huggingface.co/production/uploads/683866c9aa7db732a49d525d/a1tcXbQwNIxmPOaXWdHwQ.png
----
-# 🧿 TrueEye — Intelligent Media Literacy System
-
-**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.
-
-> “TrueEye no sólo detecta fake news, sino también para quiénes fueron escritas y por qué.”
-
----
-
-## 🚀 Demo
-
-* 🎯 [Abrir TrueEye en Hugging Face Spaces](https://huggingface.co/spaces/DeepRat/TrueEye_Reports)
-* 🌐 [Sitio oficial del proyecto](https://trueeye.deeprat.tech)
-
----
-
-## 🧩 ¿Qué hace TrueEye?
-
-Cuando ingresás una URL, TrueEye realiza tres análisis consecutivos:
-
-1. **📊 Sesgo y Matices**
-
-   * Detecta la polaridad narrativa (positiva, negativa o neutral)
-   * Identifica matices como polarización, miedo, desconfianza
-   * Resume el contenido y señala afirmaciones engañosas o débiles
-
-2. **🎯 Segmentación de Audiencia**
-
-   * Infiere perfil demográfico y psicográfico del lector objetivo
-   * Analiza valores, creencias, emociones y sesgos explotados
-   * Detecta timing, contexto de consumo y estrategias de targeting
-
-3. **⚠️ Intencionalidad y Peligrosidad**
-
-   * Evalúa la presencia de manipulación o violencia simbólica
-   * Identifica agendas políticas, actores beneficiados y omisiones críticas
-   * Asigna nivel de sofisticación y daño potencial
-
-🔍 Además, el informe incluye enlaces a fuentes externas confiables para fact-checking.
-
----
-
-## ⚙️ Arquitectura
-
-* **Frontend**: HTML + TailwindCSS + JS
-* **Backend**: FastAPI (Python) + Requests
-* **Orquestación IA**: LangFlow + agentes Claude (Opus / Sonnet)
-* **Despliegue**: Docker en Hugging Face Spaces
-
----
-
-## 💻 Perfil técnico del autor
-
-Este proyecto fue desarrollado por **Gonzalo Romero**, estudiante de Ingeniería en Sistemas, **Ingeniero en Inteligencia Artificial** certificado por IBM, y **practicante profesional de Ingeniería de Software**, con foco en aplicaciones IA explicables y de impacto social.
-
----
-
-## 📁 Estructura del repositorio
-
-```
-📦 trueeye
-├── static/
-│   ├── index.html        # Interfaz visual
-│   └── te.png            # Logo del proyecto
-├── main.py               # Backend FastAPI que conecta al flujo LangFlow
-├── requirements.txt      # Dependencias del backend
-├── Dockerfile            # Imagen para Hugging Face Spaces
-├── TrueEyeBeta.json      # Flujo LangFlow con agentes y lógica IA
-```
-
----
-
-
-## 📌 Roadmap
-
-| Versión  | Estado        | Descripción                                            |
-| -------- | ------------- | ------------------------------------------------------ |
-| ✅ v1.0   | En producción | Análisis textual completo con IA explicativa           |
-| 🔄 v2.0  | En diseño     | “TrueEye Chat”: interacción conversacional con memoria |
-| 🖼️ v3.0 | Planificada   | Análisis multimodal: texto + imágenes/audio/video      |
-| 🧪 v4.0  | Planificada   | Detección de deepfakes y contenido sintético           |
-
----
-
-## 👨‍💻 Cómo ejecutarlo localmente
-
-```bash
-# Clonar el proyecto
-git clone https://github.com/DeepRat/trueeye.git
-cd trueeye
-
-# Instalar dependencias
-pip install -r requirements.txt
-
-# Iniciar servidor backend
-uvicorn main:app --reload
-```
-
-Luego abrí `static/index.html` en tu navegador. El frontend interactúa con `localhost:8000/analyze`.
-
----
-
-## 📚 Tecnologías utilizadas
-
-* `FastAPI` · `LangFlow` · `Claude Opus/Sonnet` · `Docker`
-* `TailwindCSS` · `JavaScript` · `Marked.js`
-
----
-
-## ✍️ Autor
-
-**Gonzalo Romero (HermesIA)**
-AI Engineer · Software Engineer · Systems Engineering Student
-🔗 [deeprat.tech](https://deeprat.tech) · [GitHub](https://github.com/DeepRat) · [Hugging Face](https://huggingface.co/DeepRat) · [LinkedIn](https://www.linkedin.com/in/gonzaloromerodeeprat) · [Medium](https://medium.com/@gonzaloromerodeeprat)
-
----
-
-## 🧠 Licencia
-
-MIT License — uso libre y adaptaciones permitidas. El crédito es bienvenido.
-
----

README_es.md

@@ -0,0 +1,154 @@
+---
+title: TrueEye Reports
+emoji: 🧿
+colorFrom: purple
+colorTo: purple
+sdk: docker
+pinned: false
+license: mit
+thumbnail: >-
+  https://cdn-uploads.huggingface.co/production/uploads/683866c9aa7db732a49d525d/a1tcXbQwNIxmPOaXWdHwQ.png
+---
+
+---
+
+# 🧿 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 repo
+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.
+
+---
+
+## 📌 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 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 (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 usos comerciales o licencias extendidas, contactá a: info@deeprat.tech
+
+---
+