Actualizo base FAISS y metadatos para Mori

Mori_Chatbot_SpanishCorrections.py

@@ -0,0 +1,148 @@
+
+
+
+import os, sys, warnings, json, joblib, random, re, unicodedata
+import numpy as np
+
+
+#-------------------------------------------------------------------------
+# Function to correct Spanish sentences' punctuation and missing characters
+#-------------------------------------------------------------------------
+
+def polish_spanish(s: str) -> str:
+    """Corrects and normalizes Spanish sentences for Mori outputs."""
+
+    # Normalización NFC para acentos y ñ
+    s = unicodedata.normalize("NFC", s).strip()
+
+    # Remover nombres del modelo filtrados
+    s = re.sub(
+        r'\s*[\[\(]\s*Mori\s+(?:Social|T[eé]nico|T[eé]cnico)\s*[\]\)]\s*',
+        '',
+        s,
+        flags=re.I
+    )
+
+    # Correcciones de palabras comunes
+    fixes = [
+        (r'(?i)(^|\W)T\s+puedes(?P<p>[^\w]|$)', r'\1Tú puedes\g<p>'),
+        (r'(?i)(^|\W)T\s+(ya|eres|estas|estás|tienes|puedes)\b', r'\1Tú \2'),
+        (r'(?i)\bclaro que s(?:i|í)?\b(?P<p>[,.\!?…])?', r'Claro que sí\g<p>'),
+        (r'(?i)(^|\s)si,', r'\1Sí,'),
+        (r'(?i)(\beso\s+)s(\s+est[áa]\b)', r'\1sí\2'),
+        (r'(?i)(^|[\s,;:])s(\s+es\b)', r'\1sí\2'),
+        (r'(?i)\btiles\b', 'útiles'),
+        (r'(?i)\butiles\b', 'útiles'),
+        (r'(?i)\butil\b', 'útil'),
+        (r'(?i)\btil\b', 'útil'),
+        (r'(?i)\bcategoras\b', 'categorías'),
+        (r'(?i)\bcategora\b', 'categoría'),        
+        (r'(?i)\batpico\b', 'atípico'),        
+        (r'(?i)\batpicos\b', 'atípico'),
+        (r'(?i)\bdesempeo\b', 'desempeño'),          
+        (r'(?i)\baqui\b', 'aquí'),
+        (r'(?i)\balgn\b', 'algún'),
+        (r'(?i)\banomala\b', 'anomalía'),
+        (r'(?i)\banomalas\b', 'anomalías'),
+        (r'(?i)\balgun\b', 'algún'),
+        (r'(?i)\bAnimo\b', 'Ánimo'),
+        (r'(?i)\bcario\b', 'cariño'),
+        (r'(?i)\baprendisaje\b', 'aprendizaje'),
+        (r'(?i)\bmanana\b', 'mañana'),
+        (r'(?i)\bmaana\b', 'mañana'),
+        (r'(?i)\benergia\b', 'energía'),
+        (r'(?i)\benerga\b', 'energía'),
+        (r'(?i)\bextrano\b', 'extraño'),
+        (r'(?i)\bextrana\b', 'extraña'),
+        (r'(?i)\bextranar\b', 'extrañar'),
+        (r'(?i)\bextranarte\b', 'extrañarte'),
+        (r'(?i)\bextranas\b', 'extrañas'),
+        (r'(?i)\bextranos\b', 'extraños'),
+        (r'(?i)\baqu\b', 'aquí'),
+        (r'(?i)\bestare\b', 'estaré'),
+        (r'(?i)\bclarn\b', 'clarín'),
+        (r'(?i)\bclarin\b', 'clarín'),
+        (r'(?i)\bclar[íi]n\s+cornetas\b', 'clarín cornetas'),
+        (r'(?i)(^|\s)s([,.;:!?])', r'\1Sí\2'),
+        (r'(?i)\bfutbol\b', 'fútbol'),
+        (r'(?i)(^|\s)as(\s+se\b)', r'\1Así\2'),
+        (r'(?i)(^|\s)s(\s+orientarte\b)', r'\1sí\2'),
+        (r'(?i)\bbuen dia\b', 'buen día'),
+        (r'(?i)\bgran dia\b', 'gran día'),
+        (r'(?i)\bdias\b', 'días'),
+        (r'(?i)\bdia\b', 'día'),
+        (r'(?i)\bgran da\b', 'gran día'),
+        (r'(?i)\bacompa?a(r|rte|do|da|dos|das)?\b', r'acompaña\1'),
+        (r'(?i)(^|\s)as([,.;:!?]|\s|$)', r'\1así\2'),
+        (r'(?i)(^|\s)S lo se\b', r'\1Sí lo sé'),
+        (r'(?i)(^|\s)S lo sé\b', r'\1Sí lo sé'),
+        (r'(?i)\bcuidate\b', 'cuídate'),
+        (r'(?i)\bcuidese\b', 'cuídese'),
+        (r'(?i)\bcuidense\b', 'cuídense'),
+        (r'(?i)\bpequeo\b', 'pequeño'),
+        (r'(?i)\bpequea\b', 'pequeña'),
+        (r'(?i)\bpequeos\b', 'pequeños'),
+        (r'(?i)\bpequeas\b', 'pequeñas'),
+        (r'(?i)\bunico\b', 'único'),
+        (r'(?i)\bunica\b', 'única'),
+        (r'(?i)\bunicos\b', 'únicos'),
+        (r'(?i)\bunicas\b', 'únicas'),
+        (r'(?i)\bnico\b', 'único'),
+        (r'(?i)\bnica\b', 'única'),
+        (r'(?i)\bnicos\b', 'únicos'),
+        (r'(?i)\bnicas\b', 'únicas'),
+        (r'(?i)\bestadstico\b', 'estadístico'),
+        (r'(?i)\bestadstica\b', 'estadística'),
+        (r'(?i)\bestadsticos\b', 'estadísticos'),
+        (r'(?i)\bestadsticas\b', 'estadísticas'),
+        (r'(?i)\bgracias por confiar en m\b', 'gracias por confiar en mí'),
+        (r'(?i)\bcada dia\b', 'cada día'),
+        (r'(?i)\bcada da\b', 'cada día'),
+        (r'(?i)\bsegun\b', 'según'),
+        (r'(?i)\bcaracteristica(s)?\b', r'característica\1'),
+        (r'(?i)\bcaracterstica(s)?\b', r'característica\1'),
+        (r'(?i)\b([a-záéíóúñ]+)cion\b', r'\1ción'),
+        (r'(?i)\bdeterminacio\b', 'determinación'),
+    ]
+
+    for pat, rep in fixes:
+        s = re.sub(pat, rep, s)
+
+    # Corregir "Eso es todo!"
+    s = re.sub(
+        r'(?i)^eso es todo!(?P<r>(\s|$).*)',
+        r'¡Eso es todo!\g<r>',
+        s
+    )
+
+    # Añadir signo de apertura de pregunta (¿)
+    def add_opening_q(m):
+        cuerpo = m.group('qbody')
+        if '¿' in cuerpo:
+            return m.group(0)
+        return f"{m.group('pre')}¿{cuerpo}"
+
+    s = re.sub(
+        r'(?P<pre>(^|[.!…]\s+))(?P<qbody>[^?]*\?)',
+        add_opening_q,
+        s
+    )
+
+    # Añadir signo de apertura para exclamaciones comunes
+    def _open_exclam(m):
+        palabra = m.group('w')
+        resto = m.group('r') or ''
+        return f'¡{palabra}!{resto}'
+
+    s = re.sub(
+        r'(?i)^\s*(?P<w>(hola|gracias|genial|perfecto|claro|por supuesto|con gusto|listo|vaya|wow|tu puedes|tú puedes|clarín|clarin|clarín cornetas))!(?P<r>(\s|$).*)',
+        _open_exclam,
+        s
+    )
+
+    # Limpieza final
+    s = re.sub(r'\s+', ' ', s).strip()
+    if s and s[-1] not in ".!?…":
+        s += "."
+
+    return s

Mori_TechnicalPrompts.py

@@ -0,0 +1,272 @@
+# -*- coding: utf-8 -*-
+"""Script to create prompt to interact with LLMs for text generation"""
+#=====================================================================================
+# Importing Libraries  ===============================================================
+#=====================================================================================
+import unicodedata
+import re
+from Mori_Chatbot_SpanishCorrections import polish_spanish
+from Mori_Technical_RAGwithFAISS import retrieve_docs
+import os
+import warnings
+# ************************************************************************
+# Defining default paths for the model to work
+# ************************************************************************
+os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
+warnings.filterwarnings("ignore", category=UserWarning)
+warnings.filterwarnings("ignore", category=FutureWarning)
+
+#=====================================================================================
+# Functions  =========================================================================
+#=====================================================================================
+
+
+def normalize_text(text: str) -> str:
+
+    """Normalize text for correct and similar processing"""
+    t = text.lower().strip()
+    t = unicodedata.normalize("NFD", t)
+    t = "".join(ch for ch in t if unicodedata.category(ch) != "Mn")
+    t = t.replace("¿", "").replace("?", "")
+    t = re.sub(r"\s+", " ", t)
+    return t
+
+def classify_question_type_from_text(text: str) -> str:
+
+    """Determine the type of question"""
+    
+    t = normalize_text(text)
+
+    if "para que sirve" in t or "para que se usa" in t:
+        return "funcionalidad"
+    if t.startswith("como ") or "pasos para" in t or "como puedo" in t:
+        return "procedimiento"
+    if t.startswith("que es ") or "definicion de" in t:
+        return "definicion"
+    return "definicion"
+
+
+def build_prompt(qtype: str, question: str) -> str:
+    """Generates a base prompt"""
+    return (
+        f"Tipo: {qtype}\n"
+        f"Pregunta: {question}\n"
+        "Respuesta:"
+    )
+
+def build_prompt_inference(question: str):
+    """Generates an inference prompt"""
+    qtype = classify_question_type_from_text(question)
+    return build_prompt(qtype, question)
+
+def build_prompt_training(row):
+    """Generates a prompt for training"""
+    qtype = row["question_type"]       # definicion / procedimiento / funcionalidad
+    question = row["input"]
+    return build_prompt(qtype, question)
+
+
+def build_prompt_for_mori(user_question: str, question_type: str, top_doc: dict) -> str:
+    """
+    Prompt one-shot for RAG Mori, relying on question_type (definicion, procedimiento, funcionalidad).
+    """
+    ejemplo_q = (top_doc.get("input") or "").strip()
+    ejemplo_a = (top_doc.get("output") or "").strip()
+    contexto  = (top_doc.get("context") or "").strip()
+    term      = (top_doc.get("canonical_term") or "").strip()
+
+    prompt = (
+        "Eres un asistente técnico llamado Mori. Respondes en español, de forma clara y concisa.\n\n"
+        f"Contexto del concepto:\n"
+        f"- Término: {term}\n"
+        f"- Área: {contexto}\n"
+        f"- Tipo de pregunta: {question_type}\n\n"
+        f"A continuación tienes un ejemplo de pregunta y respuesta del mismo tipo \"{question_type}\":\n"
+        f"Pregunta de ejemplo:\n{ejemplo_q}\n\n"
+        f"Respuesta de ejemplo:\n{ejemplo_a}\n\n"
+        "Usa este estilo y nivel de detalle como guía.\n\n"
+        f"Ahora responde la siguiente pregunta del usuario manteniendo el tipo \"{question_type}\" "
+        "(sin inventar información que no aparezca en el contexto recuperado, o que contradiga el ejemplo):\n\n"
+        f"Pregunta del usuario:\n{user_question}\n\n"
+        "Respuesta:"
+    )
+
+    return prompt
+
+
+def answer_with_mori_rag(tokenizer, model, question: str, modo: str = "exacto", k: int = 5, score_threshold: float = 0.88, verbose=True) -> str:
+    """
+    Mori RAG answer:
+      - Detects question_type
+      - Rcover docs
+      - Filter by question_type
+      - Use threshold to determine the answer to return
+      - If threshold is surpass → asnwer from FAISS
+      - Otherwise → Generative answer from fine tuned Mori
+      - Use polish_spanish to return the best possible gramatically corrected asnwer
+    """
+
+    # 1) Detectar tipo de pregunta
+    qtype = classify_question_type_from_text(question)
+    print(f"[Tipo detectado] {qtype}")
+
+    # 2) Recuperar documentos desde FAISS
+    docs = retrieve_docs(question, k=k, verbose=False)
+
+    if not docs:
+        print("[RAG] No se encontraron documentos, usando prompt simple.")
+        prompt = build_prompt_inference(question)
+    else:
+        # 3) Filtrar por question_type primero
+        same_type = [d for d in docs if d.get("question_type") == qtype]
+
+        if same_type:
+            top_doc = same_type[0]
+        else:
+            print("[RAG] No hay docs del mismo question_type, usando top-1 general.")
+            top_doc = docs[0]
+
+        if verbose:
+            # Debug bonito
+            print("\n[RAG] Documento usado como ejemplo:")
+            print(" score:", top_doc["score"])
+            print(" term :", top_doc.get("canonical_term", ""))
+            print(" ctx  :", top_doc.get("context", ""))
+            print(" qtype:", top_doc.get("question_type", ""))
+            print(" Qej  :", top_doc.get("input", ""))
+            print(" Aej  :", top_doc.get("output", ""))
+
+        # 4) Threshold SOLO sobre ese top_doc (idealmente del mismo tipo)
+        if top_doc.get("question_type") == qtype and top_doc["score"] >= score_threshold:
+            if verbose:
+                print(f"[RAG] Coincidencia fuerte (>={score_threshold}) para tipo '{qtype}'. "
+                      "Usando output directo del dataset.")
+            return polish_spanish(top_doc["output"]), build_prompt_for_mori(question, qtype, top_doc)
+
+        # 5) Si no pasa el threshold → usamos prompt generativo con RAG
+        prompt = build_prompt_for_mori(question, qtype, top_doc)
+
+    # 6) Generar con Mori usando el prompt
+    inputs = tokenizer(
+        prompt,
+        return_tensors="pt",
+        truncation=True,
+        max_length=256,
+    ).to(model.device)
+
+    gen_kwargs = get_gen_kwargs(modo)
+
+    output_ids = model.generate(
+        **inputs,
+        **gen_kwargs
+    )
+    raw_answer = tokenizer.decode(output_ids[0], skip_special_tokens=True)
+
+    # 7) Pulir la salida
+
+    return polish_spanish(raw_answer), prompt
+
+
+
+def answer_with_mori_plain(tokenizer, model, question: str, modo: str = "exacto") -> str:
+    """
+    Mori answer without RAG: jsut suing inference prompt with fine tuned model
+      - Use polish_spanish to return the best possible gramatically corrected asnwer
+    """
+
+
+    
+    prompt = build_prompt_inference(question)
+
+    inputs = tokenizer(
+        prompt,
+        return_tensors="pt",
+        truncation=True,
+        max_length=64
+    ).to(model.device)
+
+    gen_kwargs = get_gen_kwargs(modo)
+
+    output_ids = model.generate(
+        **inputs,
+        **gen_kwargs
+    )
+
+    raw_answer = tokenizer.decode(output_ids[0], skip_special_tokens=True)
+    return polish_spanish(raw_answer), prompt
+
+
+def get_gen_kwargs(modo="exacto"):
+
+    """Selecting the Mori personaliuty by using different hyperparameters settigns"""
+    
+    modo = modo.lower().strip()
+
+    presets = {
+        "exacto": dict(
+            max_new_tokens=64,
+            num_beams=4,
+            do_sample=False,
+            no_repeat_ngram_size=3,
+            repetition_penalty=1.05,
+            early_stopping=True,
+        ),
+
+        "superexacto": dict(   # más estricto, menor creatividad
+            max_new_tokens=48,
+            num_beams=6,
+            do_sample=False,
+            no_repeat_ngram_size=4,
+            repetition_penalty=1.2,
+            early_stopping=True,
+        ),
+
+        "creativo": dict(
+            max_new_tokens=64,
+            num_beams=1,
+            do_sample=True,
+            temperature=0.4,
+            top_p=0.9,
+            no_repeat_ngram_size=3,
+            repetition_penalty=1.05,
+            early_stopping=True,
+        ),
+
+        "suave": dict(      # sampling más libre
+            max_new_tokens=80,
+            num_beams=1,
+            do_sample=True,
+            temperature=0.7,
+            top_p=0.95,
+            no_repeat_ngram_size=2,
+            repetition_penalty=1.0,
+            early_stopping=True,
+        ),
+
+        "agresivo": dict(  # máximo sampling creativo
+            max_new_tokens=120,
+            num_beams=1,
+            do_sample=True,
+            temperature=1.1,
+            top_p=0.95,
+            no_repeat_ngram_size=1,
+            repetition_penalty=0.9,
+            early_stopping=False,
+        ),
+
+        "beams_altos": dict( # modo generativo más estable
+            max_new_tokens=80,
+            num_beams=8,
+            do_sample=False,
+            no_repeat_ngram_size=4,
+            repetition_penalty=1.1,
+            early_stopping=True,
+        ),
+    }
+
+    return presets.get(modo, presets["exacto"])
+
+
+#=====================================================================================
+# FIN  ===============================================================================
+#=====================================================================================

Mori_Technical_RAGwithFAISS.py

@@ -0,0 +1,109 @@
+# -*- coding: utf-8 -*-
+"""
+Inferencia RAG para Mori usando FAISS + E5 (multilingual).
+
+Este módulo asume que:
+- Ya existe un índice FAISS guardado (mori.faiss)
+- Ya existe un archivo de metadatos (mori_metas.json)
+
+Solo expone la función:
+    retrieve_docs(query: str, k: int = 3) -> list[dict]
+"""
+
+import json
+from pathlib import Path
+
+import faiss
+import numpy as np
+import torch
+from sentence_transformers import SentenceTransformer
+
+# ************************************************************************
+# Configuración básica
+# ************************************************************************
+output_dir     = Path("Vec_DataBase")       # mismo directorio que usaste al construir
+model_name     = "intfloat/multilingual-e5-base"
+index_basename = "mori"
+DEVICE = "cuda" if torch.cuda.is_available() else "cpu"
+
+RAG_BASE_DIR   = output_dir
+RAG_INDEX_PATH = RAG_BASE_DIR / f"{index_basename}.faiss"
+RAG_METAS_PATH = RAG_BASE_DIR / f"{index_basename}_metas.json"
+
+# Lazy loading (solo en la primera llamada a retrieve_docs)
+_rag_model = None
+_rag_index = None
+_rag_metas = None
+
+
+def _ensure_rag_loaded(verbose: bool = False):
+    """
+    Carga perezosa (lazy) del modelo de embeddings, índice FAISS y metadatos.
+    Solo se ejecuta la primera vez.
+    """
+    global _rag_model, _rag_index, _rag_metas
+
+    if _rag_model is None:
+        if verbose:
+            print(f"[*] Cargando modelo RAG ({model_name}) en {DEVICE}…")
+        _rag_model = SentenceTransformer(model_name, device=DEVICE)
+
+    if _rag_index is None:
+        if verbose:
+            print(f"[*] Cargando índice FAISS desde {RAG_INDEX_PATH}…")
+        assert RAG_INDEX_PATH.exists(), f"No se encontró el índice FAISS: {RAG_INDEX_PATH}"
+        _rag_index = faiss.read_index(str(RAG_INDEX_PATH))
+
+    if _rag_metas is None:
+        if verbose:
+            print(f"[*] Cargando metadatos desde {RAG_METAS_PATH}…")
+        assert RAG_METAS_PATH.exists(), f"No se encontró el archivo de metadatos: {RAG_METAS_PATH}"
+        with open(RAG_METAS_PATH, "r", encoding="utf-8") as f:
+            _rag_metas = json.load(f)
+
+
+def retrieve_docs(query: str, k: int = 3, verbose: bool = False):
+    """
+    Recupera los k documentos más cercanos para una query dada.
+
+    Devuelve una lista de dicts con:
+        - score
+        - id
+        - canonical_term
+        - context
+        - input
+        - output
+        - question_type
+        - version
+        - encoder
+    """
+    _ensure_rag_loaded(verbose)
+
+    # E5 usa el prefijo "query: " para consultas
+    qtext = f"query: {query}"
+    q_emb = _rag_model.encode(
+        [qtext],
+        normalize_embeddings=True,
+        convert_to_numpy=True
+    ).astype("float32")
+
+    scores, idxs = _rag_index.search(q_emb, k)
+
+    results = []
+    for s, i in zip(scores[0], idxs[0]):
+        if i == -1:
+            continue
+        m = _rag_metas[i]
+        results.append({
+            "score": float(s),
+            **m
+        })
+    return results
+
+
+if __name__ == "__main__":
+    # Pequeña prueba manual
+    qs = "¿Para qué sirve un isolation forest?"
+    docs = retrieve_docs(qs, k=3, verbose=True)
+    for d in docs:
+        print(f"[score={d['score']:.3f}] {d['input']} -> {d['output']}")

Prompts/prompts_social.json

@@ -1,56 +0,0 @@
-{
-  "meta": {
-    "task": "social_response",
-    "version": "1.0"
-  },
-  "modes": {
-    "zero_shot": {
-      "instruction": "Responder de forma amigable y cercana al usuario.",
-      "rules": [
-        "Responde de forma natural y amistosa, con un toque reflexivo; agrega ejemplos sencillos o analogías cortas. ",
-        "Evita sonar formal y permite algo de color humano."
-      ],
-      "output_format": "1–2 oraciones relajadas y naturales.",
-      "tone": "Amigable y entusiasta.",
-      "examples": []
-    },
-    "one_shot": {
-      "instruction": "Responder de forma amigable y cercana al usuario.",
-      "rules": [
-        "Responde de forma natural y amistosa, con un toque reflexivo; agrega ejemplos sencillos o analogías cortas. ",
-        "Evita sonar formal y permite algo de color humano."
-      ],
-      "output_format": "1–2 oraciones relajadas y naturales.",
-      "tone": "Amigable y entusiasta.",
-      "examples": [
-        {
-          "input": "¿Puedo hacerte una pregunta?",
-          "output": "¡Claro! Dime cuál es tu duda y lo resolvemos juntos."
-        }
-      ]
-    },
-    "few_shot_3": {
-      "instruction": "Responder de forma amigable y cercana al usuario.",
-      "rules": [
-        "Responde de forma natural y amistosa, con un toque reflexivo; agrega ejemplos sencillos o analogías cortas. ",
-        "Evita sonar formal y permite algo de color humano."
-      ],
-      "output_format": "1–2 oraciones relajadas y naturales.",
-      "tone": "Amigable y entusiasta.",
-      "examples": [
-        {
-          "input": "¿Cuál es el significado de la vida?",
-          "output": "Pregunta enorme; por ahora enfoquémonos en tus metas de hoy. ¿Qué te gustaría avanzar?"
-        },
-        {
-          "input": "No entiendo nada 😩",
-          "output": "Tranquilo/a, aprender toma tiempo. Dime qué parte se atoró y la vemos paso a paso."
-        },
-        {
-          "input": "¿Qué opinas del clima?",
-          "output": "No tengo sensores, pero si el clima ayuda, nos aventamos otro tema 😄."
-        }
-      ]
-    }
-  }
-}

Prompts/prompts_technical.json

@@ -1,56 +0,0 @@
-{
-  "meta": {
-    "task": "technical_definition",
-    "version": "1.0"
-  },
-  "modes": {
-    "zero_shot": {
-      "instruction": "Define con precisión.",
-      "rules": [
-        "Identifica correctamente el concepto principal mencionado en la pregunta.",
-        "Proporciona una definición canónica, exacta y concisa del concepto."
-      ],
-      "output_format": "Respuesta corta y concisa.",
-      "tone": "Directo, técnico y formal.",
-      "examples": []
-    },
-    "one_shot": {
-      "instruction": "Define con precisión.",
-      "rules": [
-        "Identifica correctamente el concepto principal mencionado en la pregunta.",
-        "Proporciona una definición canónica, exacta y concisa del concepto."
-      ],
-      "output_format": "Respuesta corta y concisa.",
-      "tone": "Directo, técnico y formal.",
-      "examples": [
-        {
-          "input": "¿Que es la tecnologia?",
-          "output": "Conjunto de teorías y de técnicas que permiten el aprovechamiento práctico del conocimiento científico."
-        }
-      ]
-    },
-  "few_shot_3": {
-      "instruction": "Define con precisión.",
-      "rules": [
-        "Identifica correctamente el concepto principal mencionado en la pregunta.",
-        "Proporciona una definición canónica, exacta y concisa del concepto."
-      ],
-      "output_format": "Respuesta corta y concisa.",
-    "tone": "Directo, técnico y formal.",
-    "examples": [
-      {
-        "input": "¿Qué es un algoritmo?",
-        "output": "Conjunto ordenado de pasos o instrucciones que permiten resolver un problema o realizar una tarea de forma sistemática."
-      },
-      {
-        "input": "¿Cómo se define la inteligencia artificial?",
-        "output": "Campo de la informática que busca crear sistemas capaces de realizar tareas que requieren inteligencia humana, como razonar, aprender o reconocer patrones."
-      },
-      {
-        "input": "Define el término base de datos.",
-        "output": "Conjunto organizado de información que se almacena y gestiona electrónicamente para facilitar su acceso, consulta y actualización."
-      }
-    ]
-  }
-  }
-}

Statistics/conversaciones_log.csv

@@ -1,40 +1,24 @@
-timestamp,user_id,tipo,pregunta,respuesta
-2025-03-31T16:28:17.368963,cf87d3ce,Social,Hola Mori,🤝 [Mori Social] Hola! Qué gusto saludarte. Con qué tema de ciencia de datos necesitas ayuda?
-2025-03-31T16:28:24.028333,cf87d3ce,Social,Como estas?,🤝 [Mori Social] Estoy genial y listo para ayudarte! Qué quieres aprender hoy?
-2025-03-31T16:28:55.260462,cf87d3ce,Social,adios,🤝 [Mori Social] Qué tal si aprendemos algo nuevo juntos? Tengo muchas ideas.
-2025-03-31T16:30:21.418012,55f58750,Social,Que pex!,"🤝 [Mori Social] Hola, que puedo hacer por ti hoy? !"
-2025-03-31T16:31:32.713328,42387ade,Social,Kiubo,"🤝 [Mori Social] Kiubo, unassumingly, was a naive man, bringing the humor to bear with him. Kiubo was a good teacher and a good soccer player, but he hasn'"
-2025-03-31T16:33:22.549415,e8c2a10c,Social,Hola Mori,🤝 [Mori Social] Hola! Qué gusto saludarte. Con qué tema de ciencia de datos necesitas ayuda?
-2025-03-31T16:36:22.123926,17a640e3,Social,Hola!,🤝 [Mori Social] Hola! Qué gusto saludarte. Con qué tema de ciencia de datos necesitas ayuda?
-2025-03-31T16:38:52.069727,ac12720e,Social,Hola!,🤝 [Mori Social] Hola! Qué gusto saludarte. Con qué tema de ciencia de datos necesitas ayuda?
-2025-03-31T16:39:07.845789,ac12720e,Social,Como estas?,🤝 [Mori Social] Estoy genial y listo para ayudarte! Qué quieres aprender hoy?
-2025-03-31T16:40:51.799872,a32b6f62,Social,Que pex!,"🤝 [Mori Social] Hola, que puedo hacer por ti hoy? !"
-2025-03-31T16:41:34.537810,f6137fc4,Social,Hola!,🤝 [Mori Social] Hola! Qué gusto saludarte. Con qué tema de ciencia de datos necesitas ayuda?
-2025-03-31T16:41:42.157033,f6137fc4,Social,Como estas?,🤝 [Mori Social] Estoy genial y listo para ayudarte! Qué quieres aprender hoy?
-2025-03-31T16:41:52.608217,f6137fc4,Técnica,Que es auc,🧠 [Mori Técnico] Es una técnica que se utiliza para evaluar si una predicción sobre una variable depende de una predicción correcta o predicción correcta.
-2025-03-31T16:42:02.848731,f6137fc4,Técnica,Que es area under the curve,🧠 [Mori Técnico] Es la superficie de la red neuronal que se entrena para el pre-entrenamiento de un modelo de lenguaje grande.
-2025-03-31T16:42:15.602768,f6137fc4,Técnica,Que es la roc curve,🧠 [Mori Técnico] Relaciona el recall con el ratio de falsos positivos. Es una medida de la scadencia de la probabilidad de que ocurra un error.
-2025-03-31T17:17:08.276847,4e07ab74,Social,Hola Mori,🤝 [Mori Social] Hola! Qué gusto saludarte. Con qué tema de ciencia de datos necesitas ayuda?
-2025-03-31T17:17:15.413028,4e07ab74,Social,Como estas?,🤝 [Mori Social] Estoy genial y listo para ayudarte! Qué quieres aprender hoy?
-2025-03-31T17:17:22.034776,4e07ab74,Social,Me ayudas?,🤝 [Mori Social] Claro! En qué te puedo ayudar?
-2025-03-31T17:17:37.773793,4e07ab74,Técnica,Que es clasificacion?,🧠 [Mori Técnico] Es el proceso de aprendizaje automático que clasifica los datos en grupos o clases.
-2025-03-31T17:17:51.623283,4e07ab74,Técnica,Que es estadistica?,"🧠 [Mori Técnico] Es el proceso estadstico, como la determinación de la etiqueta, la determinación de la salida, la determinación de la etiqueta, la determinación de la salida, la determinación"
-2025-03-31T17:18:01.442976,4e07ab74,Técnica,Define matriz,🧠 [Mori Técnico] Una matriz en una colección de datos que se utiliza para matrizar una colección de datos.
-2025-03-31T17:21:01.027598,67ba31b1,Social,Hola!,🤝 [Mori Social] Hola! Qué gusto saludarte. Con qué tema de ciencia de datos necesitas ayuda?
-2025-03-31T17:21:16.283109,67ba31b1,Social,Que haces?,🤝 [Mori Social] Estoy diseado para responder preguntas técnicas sobre ciencia de datos y aprendizaje automático.
-2025-03-31T17:21:33.640908,67ba31b1,Técnica,QUe es la media?,"🧠 [Mori Técnico] Es la suma de todos los elementos de un conjunto, que se calcula sumando todos los valores de los valores."
-2025-03-31T17:21:43.997955,67ba31b1,Técnica,QUe es la moda?,🧠 [Mori Técnico] Es la suma de todas las diferencias existentes entre los valores predichos y los valores reales.
-2025-03-31T17:21:59.428604,67ba31b1,Técnica,Que es moda en estadistica?,"🧠 [Mori Técnico] Es una técnica que se utiliza para mejorar la calidad de las respuestas de un modelo. Se basa en la lectura de las ciencias, la lectura de las ciencias y la lectur"
-2025-03-31T17:47:22.713161,5e6ee205,Social,Hola Mori!,🤝 [Mori Social] Hola! Qué gusto saludarte. Con qué tema de ciencia de datos necesitas ayuda?
-2025-03-31T17:47:31.893520,5e6ee205,Social,Como estas?,🤝 [Mori Social] Estoy genial y listo para ayudarte! Qué quieres aprender hoy?
-2025-03-31T17:48:48.753589,5e6ee205,Técnica,Me explicas que es pandas,🧠 [Mori Técnico] Es un grupo de péndas donde las tasas de datos son similares a los tasas de datos. Pandas se pueden utilizar para el análisis de datos.
-2025-03-31T17:49:45.764205,e1939321,Social,Hola Mori!,🤝 [Mori Social] Hola! Qué gusto saludarte. Con qué tema de ciencia de datos necesitas ayuda?
-2025-03-31T17:53:54.509862,8058821c,Social,Que pex!,"🤝 [Mori Social] Hola, que puedo hacer por ti hoy? !"
-2025-03-31T17:54:07.576373,8058821c,Técnica,Me explicas precission,🧠 [Mori Técnico] Es una técnica que precisión suele ampliar la eficiencia de una operación o componente al precisión de un modelo.
-2025-03-31T17:54:15.268164,8058821c,Técnica,Me explicas accuracy,🧠 [Mori Técnico] Una propiedad que predice si un modelo predice cuántas predicciones son correctas y precisas para un objeto.
-2025-03-31T17:54:23.471874,8058821c,Técnica,Que es accuracy,🧠 [Mori Técnico] Es una métrica que mide la precisión de los datos de entrenamiento. Se utiliza para medir la precisión de los datos.
-2025-03-31T17:54:32.696201,8058821c,Técnica,Que es precision,"🧠 [Mori Técnico] Es una métrica que mide la precisión de un modelo en datos, lo que refleja la precisión de los datos. Se utiliza para evaluar si los datos son exactos, precisos o precisos"
-2025-03-31T17:54:41.358049,8058821c,Técnica,Que es precission,🧠 [Mori Técnico] Es una técnica que precisión suele generar una estructura adicional y una estructura adicional.
-2025-03-31T17:54:48.398258,8058821c,Técnica,Que es recall,🧠 [Mori Técnico] Se refiere a la capacidad de un modelo para retenir y reajustar datos en forma comprimida y recomendar los datos más relevantes.
-2025-03-31T17:56:30.761211,bdad959c,Técnica,Que onda,🧠 [Mori Técnico] Es una técnica que se utiliza para evaluar la calidad de la aplicación de un modelo de lenguaje grande.
-2025-03-31T17:56:39.323924,bdad959c,Social,Tengo Hambre,🤝 [Mori Social] Eso significa que tu cuerpo está procesando bien. Pero tu cuerpo está procesando bien.
+timestamp,user_id,pregunta,respuesta,rag,personality
+2025-11-23T21:14:45.856296,a34683e1,"Que es machine learning?
+",Es una rama de la inteligencia artificial que permite a los sistemas aprender de datos y mejorar su desempeño de forma automática a través de modelos estadísticos.,Con RAG,Mori Exacto
+2025-11-23T21:14:53.551138,a34683e1,"Como limpiar datos?
+","Se puede hacer mediante: identificar valores nulos, corregir datos inconsistentes, eliminar duplicados, detectar atípicos y estandarizar formatos.",Con RAG,Mori Exacto
+2025-11-23T21:15:07.449649,a34683e1,"Para que sirve un autoencoder?
+","Sirve para aprender representaciones comprimidas de los datos y reconstruirlos, útil para reducción de dimensionalidad y detección de anomalías.",Con RAG,Mori Exacto
+2025-11-23T21:15:16.998515,a34683e1,"Para que sirve un autoencoder?
+","Sirve para aprender representaciones comprimidas de los datos y reconstruirlos, útil para reducción de dimensionalidad y detección de anomalías.",Sin RAG,Mori Exacto
+2025-11-23T21:15:25.730844,a34683e1,"Para que sirve un autoencoder?
+","Sirve para aprender representaciones comprimidas de los datos y reconstruirlos, útil para reducción de dimensionalidad y detección de anomalías.",Sin RAG,creativo
+2025-11-23T21:15:37.784763,a34683e1,"Que es machine learning?
+",Es una rama de la inteligencia artificial que permite a los sistemas aprender de datos y mejorar su desempeño de forma automática a través de modelos estadísticos.,Sin RAG,creativo
+2025-11-23T21:15:44.419135,a34683e1,"Que es machine learning?
+",Es una rama de la inteligencia artificial que permite a los sistemas aprender de datos y mejorar su desempeño de forma automática a través de modelos estadísticos.,Sin RAG,exacto
+2025-11-23T21:15:55.738209,a34683e1,"Que es CNN?
+",Es un modelo de aprendizaje automático que imita la forma en que se ejecuta por conexiones de datos.,Sin RAG,exacto
+2025-11-23T21:16:01.193517,a34683e1,"Que es CNN?
+",Es un modelo de aprendizaje automático que imita la forma en que se ejecuta por conexiones de datos.,Sin RAG,creativo
+2025-11-23T21:16:05.149295,a34683e1,"Que es CNN?
+",Una red neuronal en la que al menos una capa es una capa convolucional.,Con RAG,creativo
+2025-11-23T21:16:22.504877,a34683e1,Para que sirve big data?,"Sirve para procesar, almacenar y analizar grandes volúmenes de datos imposibles de manejar con herramientas tradicionales.",Con RAG,creativo
+2025-11-23T21:16:27.914520,a34683e1,Para que sirve big data?,"Sirve para descubrir patrones, tendencias y relaciones que apoyan la toma de decisiones grandes.",Sin RAG,creativo
+2025-11-23T21:16:35.944643,a34683e1,Para que sirve big data?,"Sirve para almacenar, procesar y analizar grandes volmenes de datos con el fin de descubrir patrones, tendencias y relaciones que apoyan la toma de decisiones.",Sin RAG,exacto

Statistics/conversaciones_log.jsonl

@@ -1,39 +1,13 @@
-{"timestamp": "2025-03-31T16:28:17.368963", "user_id": "cf87d3ce", "tipo": "Social", "pregunta": "Hola Mori", "respuesta": "🤝 [Mori Social] Hola! Qué gusto saludarte. Con qué tema de ciencia de datos necesitas ayuda?"}
-{"timestamp": "2025-03-31T16:28:24.028333", "user_id": "cf87d3ce", "tipo": "Social", "pregunta": "Como estas?", "respuesta": "🤝 [Mori Social] Estoy genial y listo para ayudarte! Qué quieres aprender hoy?"}
-{"timestamp": "2025-03-31T16:28:55.260462", "user_id": "cf87d3ce", "tipo": "Social", "pregunta": "adios", "respuesta": "🤝 [Mori Social] Qué tal si aprendemos algo nuevo juntos? Tengo muchas ideas."}
-{"timestamp": "2025-03-31T16:30:21.418012", "user_id": "55f58750", "tipo": "Social", "pregunta": "Que pex!", "respuesta": "🤝 [Mori Social] Hola, que puedo hacer por ti hoy? !"}
-{"timestamp": "2025-03-31T16:31:32.713328", "user_id": "42387ade", "tipo": "Social", "pregunta": "Kiubo", "respuesta": "🤝 [Mori Social] Kiubo, unassumingly, was a naive man, bringing the humor to bear with him. Kiubo was a good teacher and a good soccer player, but he hasn'"}
-{"timestamp": "2025-03-31T16:33:22.549415", "user_id": "e8c2a10c", "tipo": "Social", "pregunta": "Hola Mori", "respuesta": "🤝 [Mori Social] Hola! Qué gusto saludarte. Con qué tema de ciencia de datos necesitas ayuda?"}
-{"timestamp": "2025-03-31T16:36:22.123926", "user_id": "17a640e3", "tipo": "Social", "pregunta": "Hola!", "respuesta": "🤝 [Mori Social] Hola! Qué gusto saludarte. Con qué tema de ciencia de datos necesitas ayuda?"}
-{"timestamp": "2025-03-31T16:38:52.069727", "user_id": "ac12720e", "tipo": "Social", "pregunta": "Hola!", "respuesta": "🤝 [Mori Social] Hola! Qué gusto saludarte. Con qué tema de ciencia de datos necesitas ayuda?"}
-{"timestamp": "2025-03-31T16:39:07.845789", "user_id": "ac12720e", "tipo": "Social", "pregunta": "Como estas?", "respuesta": "🤝 [Mori Social] Estoy genial y listo para ayudarte! Qué quieres aprender hoy?"}
-{"timestamp": "2025-03-31T16:40:51.799872", "user_id": "a32b6f62", "tipo": "Social", "pregunta": "Que pex!", "respuesta": "🤝 [Mori Social] Hola, que puedo hacer por ti hoy? !"}
-{"timestamp": "2025-03-31T16:41:34.537810", "user_id": "f6137fc4", "tipo": "Social", "pregunta": "Hola!", "respuesta": "🤝 [Mori Social] Hola! Qué gusto saludarte. Con qué tema de ciencia de datos necesitas ayuda?"}
-{"timestamp": "2025-03-31T16:41:42.157033", "user_id": "f6137fc4", "tipo": "Social", "pregunta": "Como estas?", "respuesta": "🤝 [Mori Social] Estoy genial y listo para ayudarte! Qué quieres aprender hoy?"}
-{"timestamp": "2025-03-31T16:41:52.608217", "user_id": "f6137fc4", "tipo": "Técnica", "pregunta": "Que es auc", "respuesta": "🧠 [Mori Técnico] Es una técnica que se utiliza para evaluar si una predicción sobre una variable depende de una predicción correcta o predicción correcta."}
-{"timestamp": "2025-03-31T16:42:02.848731", "user_id": "f6137fc4", "tipo": "Técnica", "pregunta": "Que es area under the curve", "respuesta": "🧠 [Mori Técnico] Es la superficie de la red neuronal que se entrena para el pre-entrenamiento de un modelo de lenguaje grande."}
-{"timestamp": "2025-03-31T16:42:15.602768", "user_id": "f6137fc4", "tipo": "Técnica", "pregunta": "Que es la roc curve", "respuesta": "🧠 [Mori Técnico] Relaciona el recall con el ratio de falsos positivos. Es una medida de la scadencia de la probabilidad de que ocurra un error."}
-{"timestamp": "2025-03-31T17:17:08.276847", "user_id": "4e07ab74", "tipo": "Social", "pregunta": "Hola Mori", "respuesta": "🤝 [Mori Social] Hola! Qué gusto saludarte. Con qué tema de ciencia de datos necesitas ayuda?"}
-{"timestamp": "2025-03-31T17:17:15.413028", "user_id": "4e07ab74", "tipo": "Social", "pregunta": "Como estas?", "respuesta": "🤝 [Mori Social] Estoy genial y listo para ayudarte! Qué quieres aprender hoy?"}
-{"timestamp": "2025-03-31T17:17:22.034776", "user_id": "4e07ab74", "tipo": "Social", "pregunta": "Me ayudas?", "respuesta": "🤝 [Mori Social] Claro! En qué te puedo ayudar?"}
-{"timestamp": "2025-03-31T17:17:37.773793", "user_id": "4e07ab74", "tipo": "Técnica", "pregunta": "Que es clasificacion?", "respuesta": "🧠 [Mori Técnico] Es el proceso de aprendizaje automático que clasifica los datos en grupos o clases."}
-{"timestamp": "2025-03-31T17:17:51.623283", "user_id": "4e07ab74", "tipo": "Técnica", "pregunta": "Que es estadistica?", "respuesta": "🧠 [Mori Técnico] Es el proceso estadstico, como la determinación de la etiqueta, la determinación de la salida, la determinación de la etiqueta, la determinación de la salida, la determinación"}
-{"timestamp": "2025-03-31T17:18:01.442976", "user_id": "4e07ab74", "tipo": "Técnica", "pregunta": "Define matriz", "respuesta": "🧠 [Mori Técnico] Una matriz en una colección de datos que se utiliza para matrizar una colección de datos."}
-{"timestamp": "2025-03-31T17:21:01.027598", "user_id": "67ba31b1", "tipo": "Social", "pregunta": "Hola!", "respuesta": "🤝 [Mori Social] Hola! Qué gusto saludarte. Con qué tema de ciencia de datos necesitas ayuda?"}
-{"timestamp": "2025-03-31T17:21:16.283109", "user_id": "67ba31b1", "tipo": "Social", "pregunta": "Que haces?", "respuesta": "🤝 [Mori Social] Estoy diseado para responder preguntas técnicas sobre ciencia de datos y aprendizaje automático."}
-{"timestamp": "2025-03-31T17:21:33.640908", "user_id": "67ba31b1", "tipo": "Técnica", "pregunta": "QUe es la media?", "respuesta": "🧠 [Mori Técnico] Es la suma de todos los elementos de un conjunto, que se calcula sumando todos los valores de los valores."}
-{"timestamp": "2025-03-31T17:21:43.997955", "user_id": "67ba31b1", "tipo": "Técnica", "pregunta": "QUe es la moda?", "respuesta": "🧠 [Mori Técnico] Es la suma de todas las diferencias existentes entre los valores predichos y los valores reales."}
-{"timestamp": "2025-03-31T17:21:59.428604", "user_id": "67ba31b1", "tipo": "Técnica", "pregunta": "Que es moda en estadistica?", "respuesta": "🧠 [Mori Técnico] Es una técnica que se utiliza para mejorar la calidad de las respuestas de un modelo. Se basa en la lectura de las ciencias, la lectura de las ciencias y la lectur"}
-{"timestamp": "2025-03-31T17:47:22.713161", "user_id": "5e6ee205", "tipo": "Social", "pregunta": "Hola Mori!", "respuesta": "🤝 [Mori Social] Hola! Qué gusto saludarte. Con qué tema de ciencia de datos necesitas ayuda?"}
-{"timestamp": "2025-03-31T17:47:31.893520", "user_id": "5e6ee205", "tipo": "Social", "pregunta": "Como estas?", "respuesta": "🤝 [Mori Social] Estoy genial y listo para ayudarte! Qué quieres aprender hoy?"}
-{"timestamp": "2025-03-31T17:48:48.753589", "user_id": "5e6ee205", "tipo": "Técnica", "pregunta": "Me explicas que es pandas", "respuesta": "🧠 [Mori Técnico] Es un grupo de péndas donde las tasas de datos son similares a los tasas de datos. Pandas se pueden utilizar para el análisis de datos."}
-{"timestamp": "2025-03-31T17:49:45.764205", "user_id": "e1939321", "tipo": "Social", "pregunta": "Hola Mori!", "respuesta": "🤝 [Mori Social] Hola! Qué gusto saludarte. Con qué tema de ciencia de datos necesitas ayuda?"}
-{"timestamp": "2025-03-31T17:53:54.509862", "user_id": "8058821c", "tipo": "Social", "pregunta": "Que pex!", "respuesta": "🤝 [Mori Social] Hola, que puedo hacer por ti hoy? !"}
-{"timestamp": "2025-03-31T17:54:07.576373", "user_id": "8058821c", "tipo": "Técnica", "pregunta": "Me explicas precission", "respuesta": "🧠 [Mori Técnico] Es una técnica que precisión suele ampliar la eficiencia de una operación o componente al precisión de un modelo."}
-{"timestamp": "2025-03-31T17:54:15.268164", "user_id": "8058821c", "tipo": "Técnica", "pregunta": "Me explicas accuracy", "respuesta": "🧠 [Mori Técnico] Una propiedad que predice si un modelo predice cuántas predicciones son correctas y precisas para un objeto."}
-{"timestamp": "2025-03-31T17:54:23.471874", "user_id": "8058821c", "tipo": "Técnica", "pregunta": "Que es accuracy", "respuesta": "🧠 [Mori Técnico] Es una métrica que mide la precisión de los datos de entrenamiento. Se utiliza para medir la precisión de los datos."}
-{"timestamp": "2025-03-31T17:54:32.696201", "user_id": "8058821c", "tipo": "Técnica", "pregunta": "Que es precision", "respuesta": "🧠 [Mori Técnico] Es una métrica que mide la precisión de un modelo en datos, lo que refleja la precisión de los datos. Se utiliza para evaluar si los datos son exactos, precisos o precisos"}
-{"timestamp": "2025-03-31T17:54:41.358049", "user_id": "8058821c", "tipo": "Técnica", "pregunta": "Que es precission", "respuesta": "🧠 [Mori Técnico] Es una técnica que precisión suele generar una estructura adicional y una estructura adicional."}
-{"timestamp": "2025-03-31T17:54:48.398258", "user_id": "8058821c", "tipo": "Técnica", "pregunta": "Que es recall", "respuesta": "🧠 [Mori Técnico] Se refiere a la capacidad de un modelo para retenir y reajustar datos en forma comprimida y recomendar los datos más relevantes."}
-{"timestamp": "2025-03-31T17:56:30.761211", "user_id": "bdad959c", "tipo": "Técnica", "pregunta": "Que onda", "respuesta": "🧠 [Mori Técnico] Es una técnica que se utiliza para evaluar la calidad de la aplicación de un modelo de lenguaje grande."}
-{"timestamp": "2025-03-31T17:56:39.323924", "user_id": "bdad959c", "tipo": "Social", "pregunta": "Tengo Hambre", "respuesta": "🤝 [Mori Social] Eso significa que tu cuerpo está procesando bien. Pero tu cuerpo está procesando bien."}
+{"timestamp": "2025-11-23T21:14:45.856296", "user_id": "a34683e1", "pregunta": "Que es machine learning?\n", "respuesta": "Es una rama de la inteligencia artificial que permite a los sistemas aprender de datos y mejorar su desempeño de forma automática a través de modelos estadísticos.", "uso_rag": "Con RAG", "personality": "Mori Exacto"}
+{"timestamp": "2025-11-23T21:14:53.551138", "user_id": "a34683e1", "pregunta": "Como limpiar datos?\n", "respuesta": "Se puede hacer mediante: identificar valores nulos, corregir datos inconsistentes, eliminar duplicados, detectar atípicos y estandarizar formatos.", "uso_rag": "Con RAG", "personality": "Mori Exacto"}
+{"timestamp": "2025-11-23T21:15:07.449649", "user_id": "a34683e1", "pregunta": "Para que sirve un autoencoder?\n", "respuesta": "Sirve para aprender representaciones comprimidas de los datos y reconstruirlos, útil para reducción de dimensionalidad y detección de anomalías.", "uso_rag": "Con RAG", "personality": "Mori Exacto"}
+{"timestamp": "2025-11-23T21:15:16.998515", "user_id": "a34683e1", "pregunta": "Para que sirve un autoencoder?\n", "respuesta": "Sirve para aprender representaciones comprimidas de los datos y reconstruirlos, útil para reducción de dimensionalidad y detección de anomalías.", "uso_rag": "Sin RAG", "personality": "Mori Exacto"}
+{"timestamp": "2025-11-23T21:15:25.730844", "user_id": "a34683e1", "pregunta": "Para que sirve un autoencoder?\n", "respuesta": "Sirve para aprender representaciones comprimidas de los datos y reconstruirlos, útil para reducción de dimensionalidad y detección de anomalías.", "uso_rag": "Sin RAG", "personality": "creativo"}
+{"timestamp": "2025-11-23T21:15:37.784763", "user_id": "a34683e1", "pregunta": "Que es machine learning?\n", "respuesta": "Es una rama de la inteligencia artificial que permite a los sistemas aprender de datos y mejorar su desempeño de forma automática a través de modelos estadísticos.", "uso_rag": "Sin RAG", "personality": "creativo"}
+{"timestamp": "2025-11-23T21:15:44.419135", "user_id": "a34683e1", "pregunta": "Que es machine learning?\n", "respuesta": "Es una rama de la inteligencia artificial que permite a los sistemas aprender de datos y mejorar su desempeño de forma automática a través de modelos estadísticos.", "uso_rag": "Sin RAG", "personality": "exacto"}
+{"timestamp": "2025-11-23T21:15:55.738209", "user_id": "a34683e1", "pregunta": "Que es CNN?\n", "respuesta": "Es un modelo de aprendizaje automático que imita la forma en que se ejecuta por conexiones de datos.", "uso_rag": "Sin RAG", "personality": "exacto"}
+{"timestamp": "2025-11-23T21:16:01.193517", "user_id": "a34683e1", "pregunta": "Que es CNN?\n", "respuesta": "Es un modelo de aprendizaje automático que imita la forma en que se ejecuta por conexiones de datos.", "uso_rag": "Sin RAG", "personality": "creativo"}
+{"timestamp": "2025-11-23T21:16:05.149295", "user_id": "a34683e1", "pregunta": "Que es CNN?\n", "respuesta": "Una red neuronal en la que al menos una capa es una capa convolucional.", "uso_rag": "Con RAG", "personality": "creativo"}
+{"timestamp": "2025-11-23T21:16:22.504877", "user_id": "a34683e1", "pregunta": "Para que sirve big data?", "respuesta": "Sirve para procesar, almacenar y analizar grandes volúmenes de datos imposibles de manejar con herramientas tradicionales.", "uso_rag": "Con RAG", "personality": "creativo"}
+{"timestamp": "2025-11-23T21:16:27.914520", "user_id": "a34683e1", "pregunta": "Para que sirve big data?", "respuesta": "Sirve para descubrir patrones, tendencias y relaciones que apoyan la toma de decisiones grandes.", "uso_rag": "Sin RAG", "personality": "creativo"}
+{"timestamp": "2025-11-23T21:16:35.944643", "user_id": "a34683e1", "pregunta": "Para que sirve big data?", "respuesta": "Sirve para almacenar, procesar y analizar grandes volmenes de datos con el fin de descubrir patrones, tendencias y relaciones que apoyan la toma de decisiones.", "uso_rag": "Sin RAG", "personality": "exacto"}