Skip to content

README_es.md

Latest commit

 

History

History
147 lines (105 loc) · 3.41 KB

README_es.md

File metadata and controls

147 lines (105 loc) · 3.41 KB
Raw

Task Manager

English version

Aplicación web para generar y gestionar historias de usuario y tareas con asistencia de IA. Desarrollada con Flask, MySQL, SQLAlchemy y Jinja2.

Requisitos

  • Python 3.13
  • MySQL 8+ (local o remoto)
  • Proveedor LLM: Azure OpenAI, Ollama o cualquier endpoint compatible con OpenAI

Instalación

1. Crear y activar entorno virtual

Con uv (recomendado):

uv venv
Sistema operativo Activar
macOS / Linux source .venv/bin/activate
Windows (PowerShell) .venv\Scripts\Activate.ps1
Windows (CMD) .venv\Scripts\activate.bat

Con pip:

Sistema operativo Crear Activar
macOS / Linux python3 -m venv .venv source .venv/bin/activate
Windows (PowerShell) python -m venv .venv .venv\Scripts\Activate.ps1
Windows (CMD) python -m venv .venv .venv\Scripts\activate.bat

2. Instalar dependencias

# uv
uv sync --group dev

# pip
pip install -r requirements.txt

3. Configurar entorno

# macOS / Linux
cp .env.dist .env

# Windows (PowerShell)
Copy-Item .env.dist .env

Edita .env y rellena:

  • DATABASE_URL — cadena de conexión MySQL
  • SECRET_KEY — cadena aleatoria
  • Credenciales del proveedor LLM (ver Configuración del LLM)

4. Crear la base de datos

Crea una base de datos vacía en tu servidor MySQL. La aplicación crea las tablas automáticamente al arrancar.

CREATE DATABASE taskmanager CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

Ejecución

flask --app src.entregable.main run --debug

Abre http://127.0.0.1:5000/user-stories en el navegador.

Tests

pytest

El informe de cobertura se muestra automáticamente (configurado en pytest.ini).

Configuración del LLM

Establece PROVIDER en .env. Solo son necesarias las variables del proveedor elegido.

Azure OpenAI

PROVIDER=azure
AZURE_ENDPOINT=https://<tu-recurso>.openai.azure.com/
AZURE_API_KEY=<tu-clave>
AZURE_DEPLOYMENT=gpt-4o-mini
AZURE_API_VERSION=2024-02-01

Ollama (local)

PROVIDER=ollama
OLLAMA_MODEL=llama3.2
OLLAMA_BASE_URL=http://localhost:11434/v1

Endpoint compatible con OpenAI

PROVIDER=openai_compat
COMPAT_ENDPOINT=https://<tu-endpoint>/v1
COMPAT_API_KEY=<tu-clave>
COMPAT_MODEL=<nombre-del-modelo>

Uso

URL Acción
GET /user-stories Lista todas las historias. Escribe un prompt para generar una nueva.
GET /user-stories/<id>/tasks Ver tareas de una historia.

Desde el listado de historias:

  1. Escribe un prompt describiendo la funcionalidad y pulsa Generar historia.
  2. Una vez creada la historia, pulsa Ver tareas para ver las tareas existentes o + Generar para generarlas con IA.

Stack

Capa Tecnología
Framework Flask 3.1
Base de datos MySQL 8 + SQLAlchemy 3 + PyMySQL
Validación Pydantic 2
Templates Jinja2 + Bootstrap 5.3
SDK LLM openai
Tests pytest + pytest-cov

Roadmap

# Entregable Estado
1 REST API — FastAPI + persistencia JSON ✅
2 Endpoints IA — descripción, categorización, estimación, auditoría ✅
3 UI + Base de datos — Flask, MySQL, Jinja2 ✅
4 Docker + CI/CD —
5 Despliegue en Azure —