README.md

metadata

title: SINTESIS
sdk: gradio
emoji: 🐨
colorFrom: green
colorTo: blue
pinned: false
sdk_version: 5.34.2

🧠 Plataforma de Inteligencia Colectiva Aumentada

Esta plataforma implementa un sistema de inteligencia colectiva aumentada con perfilamiento cognitivo basado en el modelo DISC de "Surrounded by Idiots" y un motor de síntesis colectiva.

✨ Características Principales

🎯 Sistema DISC

• Perfilamiento cognitivo: 12 preguntas psicométricas basadas en el libro "Surrounded by Idiots"
• Embeddings semánticos: Utiliza all-MiniLM-L6-v2 para mapeo a vector DISC
• Visualización interactiva: Gráfico de radar para mostrar el perfil psicométrico

🤖 Motor de Síntesis Colectiva

• Análisis contextual: Extracción de conceptos clave usando Groq (Llama 3 70B)
• Síntesis multi-perspectiva: Análisis desde las 4 perspectivas DISC (D/I/S/C)
• Principios universales: Generación de insights aplicables a todos los perfiles
• Grafo de conocimiento: Actualización dinámica con NetworkX

💾 Persistencia Adaptativa

• SQLite local: Almacenamiento eficiente en base de datos local
• Sincronización: Opcional con Hugging Face Hub para respaldo en la nube
• Caché de embeddings: Optimización de rendimiento para consultas repetidas

🎨 Interfaz Gradio

• Tabs organizados: Perfilamiento, contribución colectiva y visualización de grafo
• Visualización con Plotly: Gráficos interactivos del grafo de conocimiento
• Diseño adaptable: Interfaz que se adapta según el perfil DISC del usuario

🚀 Instalación

# Clonar el repositorio
git clone <tu-repositorio>
cd collective-intelligence-platform

# Instalar dependencias
pip install -r requirements.txt

# Ejecutar la aplicación
python app.py

⚙️ Variables de Entorno

Configura las siguientes variables de entorno antes de ejecutar:

# Obligatorio para análisis con LLM
export GROQ_API_KEY="tu_clave_groq_api"

# Opcional para sincronización con Hugging Face
export HF_TOKEN="tu_token_hf"
export HF_REPO_ID="tu_usuario/tu_repositorio"

# Configuración de base de datos
export DB_PATH="collective_intelligence.db"
export SYNC_TO_HF="true"  # o "false"

🐳 Despliegue en Hugging Face Spaces

1. Crear un nuevo Space

1. Ve a Hugging Face Spaces
2. Crea un nuevo Space con SDK: Docker
3. Configura las variables de entorno en Settings

2. Variables de entorno requeridas

En la configuración del Space, añade:

• GROQ_API_KEY: Tu clave API de Groq
• HF_TOKEN: Token de Hugging Face (opcional)
• HF_REPO_ID: ID del repositorio para sincronización (opcional)

3. Subir archivos

Sube todos los archivos del proyecto a tu Space:

• app.py
• requirements.txt
• Dockerfile
• README.md

📖 Uso de la Plataforma

1. Perfilamiento DISC

1. Accede al tab "Perfilamiento DISC"
2. Completa las 12 preguntas basadas en situaciones reales
3. Obtén tu perfil con visualización y descripción detallada

2. Contribución Colectiva

1. Accede al tab "Contribución Colectiva"
2. Escribe tu contribución (ideas, reflexiones, conocimientos)
3. Recibe análisis automático:
   • Conceptos clave extraídos
   • Síntesis desde 4 perspectivas DISC
   • Principios universales generados

3. Grafo de Conocimiento

1. Visualiza el grafo de conocimiento colectivo
2. Explora conexiones entre usuarios, contribuciones y conceptos
3. Actualiza en tiempo real conforme se añaden contribuciones

🏗️ Arquitectura del Sistema

Componentes Principales

1. DISCProfiler: Gestión del perfilamiento psicométrico
2. CollectiveIntelligenceEngine: Motor de análisis con LLM
3. KnowledgeGraph: Gestión del grafo con NetworkX
4. DatabaseManager: Persistencia con SQLite
5. GradioInterface: Interfaz de usuario

Flujo de Datos

Usuario → DISC Profile → Contribución → Análisis LLM → Grafo → Visualización
                     ↓
               Base de Datos ← → Hugging Face Hub

🔧 Desarrollo y Personalización

Modificar preguntas DISC

Edita la variable DISC_QUESTIONS en app.py para personalizar las preguntas del assessment.

Cambiar modelo de embeddings

Modifica la inicialización de SentenceTransformer para usar un modelo diferente:

self.model = SentenceTransformer('tu-modelo-preferido')

Personalizar visualizaciones

Las funciones de visualización están en la clase GradioInterface y pueden modificarse para cambiar colores, estilos y layouts.

📊 Modelos y Tecnologías

• LLM: Groq Llama 3 70B para análisis y síntesis
• Embeddings: all-MiniLM-L6-v2 para similitud semántica
• Grafos: NetworkX para modelado de conocimiento
• Visualización: Plotly para gráficos interactivos
• UI: Gradio para interfaz web intuitiva
• Base de datos: SQLite para persistencia local

🤝 Contribución

1. Fork el proyecto
2. Crea una rama para tu feature (git checkout -b feature/AmazingFeature)
3. Commit tus cambios (git commit -m 'Add some AmazingFeature')
4. Push a la rama (git push origin feature/AmazingFeature)
5. Abre un Pull Request

📄 Licencia

Este proyecto está bajo la Licencia MIT - ver el archivo LICENSE para detalles.

🙏 Agradecimientos

• Thomas Erikson por el modelo DISC en "Surrounded by Idiots"
• Groq por la infraestructura de LLM ultrarrápida
• Hugging Face por la plataforma y modelos
• La comunidad open source por las herramientas utilizadas

---

Construido con ❤️ para potenciar la inteligencia colectiva