evolutia 0.1.0__tar.gz → 0.1.1__tar.gz

{evolutia-0.1.0 → evolutia-0.1.1}/LICENSE

@@ -186,7 +186,7 @@
       same "printed page" as the copyright notice for easier
       identification within third-party archives.
 
-   Copyright 2024-2025 glacy (glacy@tec.ac.cr)
+   Copyright 2026 glacy (gerardolacymora@gmail.com)
 
    Licensed under the Apache License, Version 2.0 (the "License");
    you may not use this file except in compliance with the License.

evolutia-0.1.1/PKG-INFO

@@ -0,0 +1,221 @@
+Metadata-Version: 2.4
+Name: evolutia
+Version: 0.1.1
+Summary: Sistema automatizado para generar preguntas de examen desafiantes basadas en materiales didácticos existentes
+Home-page: https://github.com/glacy/evolutIA
+Author: Gerardo Lacy-Mora
+Author-email: gerardolacymora@gmail.com
+Classifier: Programming Language :: Python :: 3
+Classifier: License :: OSI Approved :: Apache Software License
+Classifier: Operating System :: OS Independent
+Requires-Python: >=3.8
+Description-Content-Type: text/markdown
+License-File: LICENSE
+Requires-Dist: PyYAML
+Requires-Dist: requests
+Requires-Dist: python-dotenv
+Requires-Dist: openai
+Requires-Dist: anthropic
+Requires-Dist: google-generativeai
+Requires-Dist: tqdm
+Dynamic: author
+Dynamic: author-email
+Dynamic: classifier
+Dynamic: description
+Dynamic: description-content-type
+Dynamic: home-page
+Dynamic: license-file
+Dynamic: requires-dist
+Dynamic: requires-python
+Dynamic: summary
+
+# EvolutIA: Generador de preguntas de examen
+
+Sistema automatizado para generar preguntas de examen desafiantes basadas en materiales didácticos existentes (lecturas, prácticas, tareas). El sistema aumenta la complejidad matemática de los ejercicios mientras mantiene el formato y estructura familiar.
+
+## Características Principales
+
+- **Multi-Modo**:
+    - **Variación**: Incrementa la complejidad de ejercicios existentes.
+    - **Creación**: Genera ejercicios nuevos desde cero basados en temas y tags.
+- **RAG (Retrieval-Augmented Generation)**: Usa tus propios apuntes y ejercicios previos como contexto para generar contenido más alineado al curso.
+- **Multi-Proveedor**: Soporte nativo para OpenAI (GPT-4), Anthropic (Claude 3), Google (Gemini 1.5) y Modelos Locales (via Ollama/LM Studio).
+- **Análisis de Complejidad**: Valida automáticamente que las nuevas preguntas sean matemáticamente más exigentes.
+- **Formato MyST**: Salida compatible con Curvenote y Jupyter Book.
+
+---
+
+## Instalación
+
+### Requisitos Previos
+- Python 3.8 o superior
+- API Key de tu proveedor preferido (OpenAI, Anthropic, Google) o un servidor local (Ollama).
+
+### Opción 1: Instalación desde PyPI (Recomendada)
+Para uso general, instala directamente el paquete:
+
+```bash
+# Crear entorno virtual (Recomendado)
+python -m venv venv
+source venv/bin/activate  # Windows: venv\Scripts\activate
+
+# Instalar
+pip install evolutia
+```
+
+### Opción 2: Instalación desde Fuente (Desarrollo)
+Si deseas modificar el código o contribuir:
+
+```bash
+git clone https://github.com/glacy/evolutIA.git
+cd evolutia
+pip install -e .
+```
+
+### Configuración Inicial
+Crea un archivo `.env` en la raíz de tu proyecto con tus credenciales:
+
+```bash
+OPENAI_API_KEY=sk-...
+ANTHROPIC_API_KEY=sk-ant-...
+GOOGLE_API_KEY=...
+```
+
+---
+
+## Guía de Uso Rápido
+
+El comando principal es `evolutia`. Aquí tienes los casos de uso más comunes:
+
+### 1. Generar Variaciones (Modo Clásico)
+Toma ejercicios existentes de un tema y crea versiones más complejas.
+
+```bash
+# Generar 3 variaciones del tema 'analisis_vectorial'
+evolutia --tema analisis_vectorial --num_ejercicios 3 --output examenes/parcial1
+```
+
+O variar ejercicios específicos por su etiqueta (Label):
+```bash
+evolutia --tema analisis_vectorial --label ex1-s1 ex2-s1 --output examenes/recuperacion
+```
+
+### 2. Crear Nuevos Ejercicios (Modo Creación)
+Genera ejercicios desde cero sin necesitar un "ejercicio semilla".
+
+```bash
+# Crear 3 ejercicios nuevos sobre 'numeros_complejos'
+evolutia --mode creation --tema numeros_complejos --num_ejercicios 3 --output examenes/quiz1
+```
+
+### 3. Usar RAG (Contexto del Curso)
+Enriquece la generación indexando tus lecturas y prácticas.
+
+```bash
+# La primera vez, usa --reindex para leer tus materiales
+evolutia --tema matrices --num_ejercicios 3 --use_rag --reindex --output examenes/final
+
+# Consultas posteriores (usa el índice ya creado)
+evolutia --tema matrices --num_ejercicios 3 --use_rag --output examenes/final
+```
+
+### 4. Consultar tu Base de Conocimiento
+Pregúntale al sistema qué sabe sobre un concepto (útil para verificar RAG):
+```bash
+evolutia --query "Teorema de Stokes"
+```
+
+---
+
+## Configuración Avanzada
+
+EvolutIA es altamente configurable a través del archivo `evolutia_config.yaml` o argumentos CLI.
+
+### Archivo de Configuración
+Puedes colocar un `evolutia_config.yaml` en la raíz de tu carpeta de curso. Si no existe, puedes generarlo o ver el estado actual con:
+
+```bash
+# Analiza tu estructura de carpetas y genera/actualiza la config
+evolutia --analyze
+# O explícitamente usando el script auxiliar
+python evolutia/config_manager.py
+```
+
+### Argumentos CLI Disponibles
+
+| Argumento | Descripción | Default |
+|-----------|-------------|---------|
+| `--tema` | Identificador del tema (carpeta) | **Requerido** |
+| `--output` | Carpeta de salida | **Requerido** |
+| `--num_ejercicios` | Cantidad a generar | 1 |
+| `--complejidad` | Nivel objetivo (`media`, `alta`, `muy_alta`) | `alta` |
+| `--api` | Proveedor (`openai`, `anthropic`, `gemini`, `local`) | `openai` |
+| `--type` | Tipo de pregunta (`problem`, `multiple_choice`) | `problem` |
+| `--no_generar_soluciones` | Omite la creación de archivos de solución | False |
+
+### Uso con Modelos Locales (Offline)
+Para usar modelos como Llama 3 o Mistral sin costo de API:
+
+1. Ejecuta tu servidor (ej. `ollama serve`).
+2. Configura `evolutia_config.yaml` (opcional, si usas defaults de Ollama no es necesario):
+   ```yaml
+   local:
+     base_url: "http://localhost:11434/v1"
+     model: "llama3"
+   ```
+3. Ejecuta con el flag local:
+   ```bash
+   evolutia --tema basicos --api local --output prueba_local
+   ```
+
+---
+
+## Gestión de Materiales (Cómo "ve" los ejercicios EvolutIA)
+
+Para que el sistema encuentre tus ejercicios y lecturas, utiliza una estrategia de descubrimiento basada en carpetas y metadatos.
+
+1. **Escaneo de Carpetas**: Busca archivos `.md` dentro de la carpeta del tema (ej: `./analisis_vectorial/`).
+2. **Tags y Metadatos**: Para archivos fuera de esa carpeta (ej. en `tareas/`), el sistema lee el *frontmatter* YAML. Incluye el tag del tema para hacerlo visible:
+
+```yaml
+---
+title: Tarea 1
+tags: 
+  - analisis_vectorial  # <--- Este tag permite que evolutia encuentre el archivo
+  - stokes
+---
+```
+
+### Trazabilidad
+Los ejercicios generados heredan los tags de sus "padres". El archivo final del examen (`examenX.md`) resume todos los temas cubiertos.
+
+---
+
+## Estructura del Proyecto
+
+Se recomienda la siguiente estructura para tus cursos:
+
+```
+MiCurso/
+├── evolutia_config.yaml      # Configuración específica del curso
+├── analisis_vectorial/       # Materiales del tema 1
+│   ├── lectura.md
+│   └── practica.md
+├── matrices/                 # Materiales del tema 2
+├── examenes/                 # Salida generada por EvolutIA
+└── .env                      # API Keys (no subir a git)
+```
+
+> **Nota para usuarios antiguos**: Anteriormente se recomendaba usar Git Submodules. Ese método ha sido archivado. Si lo necesitas, consulta [docs/legacy/GUIDE_SUBMODULES.md](docs/legacy/GUIDE_SUBMODULES.md).
+
+## Contribuciones y Desarrollo
+
+El código fuente está organizado modularmente en `evolutia/`:
+- `evolutia_engine.py`: Orquestador principal.
+- `variation_generator.py`: Lógica de prompts y llamadas a LLMs.
+- `rag/`: Subsistema de indexación y recuperación.
+
+Para reportar bugs o mejoras, por favor visita el repositorio en GitHub.
+
+## Licencia
+Apache 2.0

evolutia-0.1.1/README.md

@@ -0,0 +1,190 @@
+# EvolutIA: Generador de preguntas de examen
+
+Sistema automatizado para generar preguntas de examen desafiantes basadas en materiales didácticos existentes (lecturas, prácticas, tareas). El sistema aumenta la complejidad matemática de los ejercicios mientras mantiene el formato y estructura familiar.
+
+## Características Principales
+
+- **Multi-Modo**:
+    - **Variación**: Incrementa la complejidad de ejercicios existentes.
+    - **Creación**: Genera ejercicios nuevos desde cero basados en temas y tags.
+- **RAG (Retrieval-Augmented Generation)**: Usa tus propios apuntes y ejercicios previos como contexto para generar contenido más alineado al curso.
+- **Multi-Proveedor**: Soporte nativo para OpenAI (GPT-4), Anthropic (Claude 3), Google (Gemini 1.5) y Modelos Locales (via Ollama/LM Studio).
+- **Análisis de Complejidad**: Valida automáticamente que las nuevas preguntas sean matemáticamente más exigentes.
+- **Formato MyST**: Salida compatible con Curvenote y Jupyter Book.
+
+---
+
+## Instalación
+
+### Requisitos Previos
+- Python 3.8 o superior
+- API Key de tu proveedor preferido (OpenAI, Anthropic, Google) o un servidor local (Ollama).
+
+### Opción 1: Instalación desde PyPI (Recomendada)
+Para uso general, instala directamente el paquete:
+
+```bash
+# Crear entorno virtual (Recomendado)
+python -m venv venv
+source venv/bin/activate  # Windows: venv\Scripts\activate
+
+# Instalar
+pip install evolutia
+```
+
+### Opción 2: Instalación desde Fuente (Desarrollo)
+Si deseas modificar el código o contribuir:
+
+```bash
+git clone https://github.com/glacy/evolutIA.git
+cd evolutia
+pip install -e .
+```
+
+### Configuración Inicial
+Crea un archivo `.env` en la raíz de tu proyecto con tus credenciales:
+
+```bash
+OPENAI_API_KEY=sk-...
+ANTHROPIC_API_KEY=sk-ant-...
+GOOGLE_API_KEY=...
+```
+
+---
+
+## Guía de Uso Rápido
+
+El comando principal es `evolutia`. Aquí tienes los casos de uso más comunes:
+
+### 1. Generar Variaciones (Modo Clásico)
+Toma ejercicios existentes de un tema y crea versiones más complejas.
+
+```bash
+# Generar 3 variaciones del tema 'analisis_vectorial'
+evolutia --tema analisis_vectorial --num_ejercicios 3 --output examenes/parcial1
+```
+
+O variar ejercicios específicos por su etiqueta (Label):
+```bash
+evolutia --tema analisis_vectorial --label ex1-s1 ex2-s1 --output examenes/recuperacion
+```
+
+### 2. Crear Nuevos Ejercicios (Modo Creación)
+Genera ejercicios desde cero sin necesitar un "ejercicio semilla".
+
+```bash
+# Crear 3 ejercicios nuevos sobre 'numeros_complejos'
+evolutia --mode creation --tema numeros_complejos --num_ejercicios 3 --output examenes/quiz1
+```
+
+### 3. Usar RAG (Contexto del Curso)
+Enriquece la generación indexando tus lecturas y prácticas.
+
+```bash
+# La primera vez, usa --reindex para leer tus materiales
+evolutia --tema matrices --num_ejercicios 3 --use_rag --reindex --output examenes/final
+
+# Consultas posteriores (usa el índice ya creado)
+evolutia --tema matrices --num_ejercicios 3 --use_rag --output examenes/final
+```
+
+### 4. Consultar tu Base de Conocimiento
+Pregúntale al sistema qué sabe sobre un concepto (útil para verificar RAG):
+```bash
+evolutia --query "Teorema de Stokes"
+```
+
+---
+
+## Configuración Avanzada
+
+EvolutIA es altamente configurable a través del archivo `evolutia_config.yaml` o argumentos CLI.
+
+### Archivo de Configuración
+Puedes colocar un `evolutia_config.yaml` en la raíz de tu carpeta de curso. Si no existe, puedes generarlo o ver el estado actual con:
+
+```bash
+# Analiza tu estructura de carpetas y genera/actualiza la config
+evolutia --analyze
+# O explícitamente usando el script auxiliar
+python evolutia/config_manager.py
+```
+
+### Argumentos CLI Disponibles
+
+| Argumento | Descripción | Default |
+|-----------|-------------|---------|
+| `--tema` | Identificador del tema (carpeta) | **Requerido** |
+| `--output` | Carpeta de salida | **Requerido** |
+| `--num_ejercicios` | Cantidad a generar | 1 |
+| `--complejidad` | Nivel objetivo (`media`, `alta`, `muy_alta`) | `alta` |
+| `--api` | Proveedor (`openai`, `anthropic`, `gemini`, `local`) | `openai` |
+| `--type` | Tipo de pregunta (`problem`, `multiple_choice`) | `problem` |
+| `--no_generar_soluciones` | Omite la creación de archivos de solución | False |
+
+### Uso con Modelos Locales (Offline)
+Para usar modelos como Llama 3 o Mistral sin costo de API:
+
+1. Ejecuta tu servidor (ej. `ollama serve`).
+2. Configura `evolutia_config.yaml` (opcional, si usas defaults de Ollama no es necesario):
+   ```yaml
+   local:
+     base_url: "http://localhost:11434/v1"
+     model: "llama3"
+   ```
+3. Ejecuta con el flag local:
+   ```bash
+   evolutia --tema basicos --api local --output prueba_local
+   ```
+
+---
+
+## Gestión de Materiales (Cómo "ve" los ejercicios EvolutIA)
+
+Para que el sistema encuentre tus ejercicios y lecturas, utiliza una estrategia de descubrimiento basada en carpetas y metadatos.
+
+1. **Escaneo de Carpetas**: Busca archivos `.md` dentro de la carpeta del tema (ej: `./analisis_vectorial/`).
+2. **Tags y Metadatos**: Para archivos fuera de esa carpeta (ej. en `tareas/`), el sistema lee el *frontmatter* YAML. Incluye el tag del tema para hacerlo visible:
+
+```yaml
+---
+title: Tarea 1
+tags: 
+  - analisis_vectorial  # <--- Este tag permite que evolutia encuentre el archivo
+  - stokes
+---
+```
+
+### Trazabilidad
+Los ejercicios generados heredan los tags de sus "padres". El archivo final del examen (`examenX.md`) resume todos los temas cubiertos.
+
+---
+
+## Estructura del Proyecto
+
+Se recomienda la siguiente estructura para tus cursos:
+
+```
+MiCurso/
+├── evolutia_config.yaml      # Configuración específica del curso
+├── analisis_vectorial/       # Materiales del tema 1
+│   ├── lectura.md
+│   └── practica.md
+├── matrices/                 # Materiales del tema 2
+├── examenes/                 # Salida generada por EvolutIA
+└── .env                      # API Keys (no subir a git)
+```
+
+> **Nota para usuarios antiguos**: Anteriormente se recomendaba usar Git Submodules. Ese método ha sido archivado. Si lo necesitas, consulta [docs/legacy/GUIDE_SUBMODULES.md](docs/legacy/GUIDE_SUBMODULES.md).
+
+## Contribuciones y Desarrollo
+
+El código fuente está organizado modularmente en `evolutia/`:
+- `evolutia_engine.py`: Orquestador principal.
+- `variation_generator.py`: Lógica de prompts y llamadas a LLMs.
+- `rag/`: Subsistema de indexación y recuperación.
+
+Para reportar bugs o mejoras, por favor visita el repositorio en GitHub.
+
+## Licencia
+Apache 2.0

{evolutia-0.1.0 → evolutia-0.1.1}/evolutia/__init__.py

@@ -2,4 +2,4 @@ from .evolutia_engine import EvolutiaEngine
 from .variation_generator import VariationGenerator
 from .llm_providers import LLMProvider, get_provider
 
-__version__ = "0.1.0"
+__version__ = "0.1.1"

{evolutia-0.1.0 → evolutia-0.1.1}/evolutia/config_manager.py

@@ -51,12 +51,14 @@ class ConfigManager:
             if root_config.exists():
                 self.config_path = root_config
             else:
-               # Default interno: evolutia/config/config.yaml
-               # self.base_path suele ser root
-               # Si base_path es root, la config está en root/evolutia/config/config.yaml
-               self.config_path = self.base_path / 'evolutia' / 'config' / 'config.yaml'
+               # Default interno: ubicado en el paquete instalado
+               # Obtenemos la ruta de este archivo (config_manager.py) -> parent (evolutia/) -> config -> config.yaml
+               self.config_path = Path(__file__).parent / 'config' / 'config.yaml'
         
-        logger.info(f"Usando archivo de configuración: {self.config_path}")
+        if self.config_path.exists():
+            logger.info(f"Usando archivo de configuración: {self.config_path}")
+        else:
+            logger.info(f"Archivo de configuración no encontrado en {self.config_path}. Usando configuración por defecto.")
 
     def validate_config(self, config_data: Dict[str, Any]) -> bool:
         """Valida la configuración contra el esquema JSON."""
@@ -187,6 +189,10 @@ class ConfigManager:
             
         logger.info(f"Configuración actualizada en {self.config_path}")
 
+    def update_config_from_structure(self):
+        """Alias para update_config, usado por compatibilidad."""
+        return self.update_config()
+
 def main():
     import argparse
     parser = argparse.ArgumentParser(description='Gestor de configuración automática de Evolutia')

{evolutia-0.1.0 → evolutia-0.1.1}/evolutia/llm_providers.py

@@ -13,6 +13,8 @@ class LLMProvider(ABC):
 
     def __init__(self, model_name: Optional[str] = None):
         self.model_name = model_name
+        self.client = None
+        self.genai = None # For Gemini
         self.api_key = self._get_api_key()
         if self.api_key:
             self._setup_client()