🤖 Chatbot Multiagente VIARA

Asistente de Marketing Digital con IA Local

📋 Descripción

VIARA es un chatbot multiagente modular diseñado específicamente para agencias de marketing digital. Utiliza OpenAI GPT-4o mini para generar contenido de alta calidad de forma rápida y eficiente.

🎯 ¿Para qué sirve?

• Generación de mallas de contenido personalizadas por cliente
• Estrategias de marketing digital adaptadas a cada marca
• Copys y contenido optimizado para redes sociales
• Flujo de trabajo profesional con revisión y pulido automático

🏗️ Arquitectura del Sistema

[Consulta Usuario] 
    ↓
[Orquestador Paralelo]
    ├── 🧠 Agente Estrategia (Genera ideas y planificación)
    ├── 🎨 Agente Contexto (Adapta al cliente específico)  
    └── ✨ Agente Crítico (Revisa y pule el resultado)
    ↓
[Respuesta Final Optimizada]

Flujo Multiagente:

1. Estrategia: Procesa la consulta usando las metodologías de tu agencia
2. Contexto: Adapta el contenido al tono y características del cliente específico
3. Crítico: Revisa, mejora y garantiza calidad humana (no AI-detectable)

🚀 Instalación Rápida

Prerrequisitos

• Python 3.10+
• API Key de OpenAI

1. Clonar el repositorio

git clone https://github.com/Hacanaval/chatbot_multiagentico_viara.git
cd chatbot_multiagentico_viara

2. Instalar dependencias

pip install -r requirements.txt

3. Configurar OpenAI

# Crear archivo de configuración
echo "OPENAI_API_KEY=tu_api_key_aqui" > .env
echo "OPENAI_MODEL=gpt-4o-mini" >> .env
echo "OPENAI_TEMPERATURE_DEFAULT=0.3" >> .env

# Verificar que funciona
python test_openai.py

4. Probar el sistema

python orchestrator_parallel.py

📁 Estructura del Proyecto

chatbot_multiagentico_viara/
│
├── 🎯 orchestrator_parallel.py    # Orquestador principal (recomendado)
├── 🔄 orchestrator_autogen.py     # Alternativa con AutoGen
│
├── agents/                        # 🤖 Lógica de cada agente
│   ├── estrategia.py              # Genera estrategias de contenido
│   ├── contexto.py                # Adapta al cliente específico
│   └── critico.py                 # Revisa y pule resultados
│
├── prompts/                       # 📝 Prompts modulares editables
│   ├── estrategia.md              # Template del agente estratégico
│   ├── contexto.md                # Template del adaptador de contexto
│   └── critico.md                 # Template del revisor crítico
│
├── data/                          # 📊 Datos de configuración
│   ├── instrucciones.json         # Metodología de tu agencia
│   └── clientes/                  # Configuraciones por cliente
│       └── everest_cocktails.json # Ejemplo: cliente de cocteles
│
├── utils/                         # 🛠️ Funciones auxiliares
│   ├── llm_client.py              # Cliente para OpenAI GPT-4o mini
│   ├── loader.py                  # Carga archivos JSON/MD
│   └── llm_config_autogen.py      # Config para AutoGen
│
├── memory/                        # 💾 Memoria conversacional (v2.0)
│   └── chat_logs/                 # Historial futuro
│
└── requirements.txt               # Dependencias del proyecto

🎮 Uso Básico

Ejecución Directa

from orchestrator_parallel import run_pipeline_parallel

resultado = run_pipeline_parallel(
    consulta_usuario="Genera una malla de contenido para septiembre",
    cliente_file="everest_cocktails.json"
)
print(resultado)

Personalizar Cliente

1. Copia data/clientes/everest_cocktails.json
2. Edita los datos de tu cliente:

{
  "empresa": "Tu Cliente",
  "sector": "Industria específica",
  "menciones_estrategicas": {
    "tono": "profesional y cercano",
    "hashtags_frecuentes": ["#TuMarca", "#Industria"]
  }
}

Ajustar Metodología

Edita data/instrucciones.json con tus procesos internos:

{
  "tono": "Tu tono característico",
  "frecuencia_publicacion": "Frecuencia deseada",
  "metodologia": ["Paso 1", "Paso 2", "..."]
}

🎨 Personalización de Prompts

Los prompts están externalizados en prompts/*.md para fácil edición:

• estrategia.md: Define cómo generar estrategias
• contexto.md: Controla la adaptación por cliente
• critico.md: Establece criterios de calidad

Ejemplo de personalización:

# prompts/estrategia.md
Eres el **Planner Estratégico** de [TU AGENCIA].

### Instrucciones específicas:
- Siempre incluir 3 pilares de contenido
- Mínimo 10 ideas por malla
- Formato: Carrusel > Reel > Historia

⚙️ Configuración Avanzada

Cambiar Modelo LLM

# En utils/llm_client.py
def run_llm(prompt: str, model: str = "gpt-4o-mini"):  # Cambiar aquí

Ajustar Temperatura

# En agents/critico.py
return run_llm(prompt, temperature=0.1)  # Más conservador

Orquestador AutoGen (Alternativo)

from orchestrator_autogen import run_pipeline_autogen

resultado = run_pipeline_autogen(
    consulta_usuario="Tu consulta",
    cliente_file="cliente.json"
)

🧪 Testing

# Test básico del orquestador
python orchestrator_parallel.py

# Test con cliente específico
python -c "from orchestrator_parallel import run_pipeline_parallel; print(run_pipeline_parallel('Test', 'everest_cocktails.json'))"

🛣️ Roadmap

v1.0 (Actual) ✅

• Arquitectura multiagente funcional
• Prompts modulares editables
• Configuración por cliente
• Orquestación paralela optimizada

v2.0 (Próximo) 🚧

• Memoria conversacional persistente
• Interfaz web con Streamlit
• Métricas de calidad automáticas
• Templates de mallas predefinidos

v3.0 (Futuro) 🔮

• Integración con APIs de RRSS
• Análisis de competencia automático
• Generación de imágenes con AI
• Dashboard de rendimiento