Upload main.py

api/main.py

@@ -0,0 +1,69 @@
+# En: api/main.py
+from fastapi import FastAPI
+from pydantic import BaseModel
+import time
+
+# --- Modelos de datos (Pydantic) para validar la entrada ---
+# Esto es una buena práctica que los jueces notarán
+class PredictPayload(BaseModel):
+    edad: int
+    sexo: str
+    asistencia: float
+    notas: float
+
+class CoachPayload(BaseModel):
+    consulta: str
+    riesgo: float
+
+# Inicializa tu app de FastAPI
+app = FastAPI(title="API del Tutor Virtual - MOCK")
+
+@app.get("/")
+def read_root():
+    return {"status": "API de MOCK funcionando"}
+
+# --- Endpoint /predict (FALSO) ---
+@app.post("/predict")
+async def mock_predict(payload: PredictPayload):
+    """
+    Simula el endpoint /predict.
+    Devuelve un score y drivers falsos basados en las notas.
+    """
+    # Simula un pequeño delay, como si un modelo estuviera corriendo
+    time.sleep(0.5) 
+
+    score_falso = 0.0
+    if payload.notas < 4.0:
+        score_falso = 0.85
+    elif payload.notas < 5.5:
+        score_falso = 0.45
+    else:
+        score_falso = 0.15
+
+    return {
+        "score": score_falso,
+        "drivers": ["Promedio de Notas", "Asistencia (falso)"]
+    }
+
+# --- Endpoint /coach (FALSO) ---
+@app.post("/coach")
+async def mock_coach(payload: CoachPayload):
+    """
+    Simula el endpoint /coach (RAG).
+    Devuelve un plan de acción falso.
+    """
+    time.sleep(1) # Simula el delay de un LLM
+
+    respuesta_falsa = f"""
+Basado en tu riesgo de **{payload.riesgo*100:.0f}%** y tu consulta ('{payload.consulta}'), este es un plan de acción de prueba:
+
+1.  **Enfocarse en las notas**: Te sugiero revisar las guías de estudio.
+2.  **Organización**: Es clave mantener un calendario.
+
+Recuerda que esto es solo una simulación del sistema RAG.
+"""
+
+    return {
+        "plan": respuesta_falsa,
+        "citas": ["kb/guia_estudio_mock.md", "kb/gestion_tiempo_mock.md"]
+    }