CodeHelperNET - Chatbot Especializado en C# y .NET

Un chatbot inteligente especializado en C# y .NET, desarrollado con tecnologías de Deep Learning y RAG (Retrieval-Augmented Generation). El proyecto incluye un backend en Python con embeddings y un frontend moderno en Next.js.

🚀 Características

Chatbot especializado en C# y .NET con 76 documentos de conocimiento
RAG (Retrieval-Augmented Generation) para respuestas precisas y contextuales
Frontend moderno con interfaz tipo ChatGPT y tema oscuro
Backend robusto con embeddings y cross-encoder para mejor calidad
API REST para integración fácil
Base de conocimientos con 3,073 chunks de información especializada
Multiplataforma - Compatible con Windows, Linux y macOS
Despliegue fácil - Configurado para Vercel, Railway, Render y más
Estructura limpia - Organización modular y profesional

📁 Estructura del Proyecto

CodeHelperNET/
├── backend/                    # Backend Python
│   ├── api_server.py          # Servidor de desarrollo
│   ├── api_server_production.py # Servidor para producción
│   ├── rag_chatbot.py         # Lógica principal del chatbot
│   ├── improved_vector_db.py  # Generador de base vectorial
│   ├── requirements.txt       # Dependencias de desarrollo
│   ├── requirements_production.txt # Dependencias de producción
│   ├── Procfile              # Configuración para Railway/Heroku
│   ├── runtime.txt           # Versión de Python
│   ├── data/                 # Documentos de conocimiento (76 archivos)
│   └── vector_db/            # Base de datos vectorial (3,073 chunks)
├── frontend/                  # Frontend Next.js
│   ├── package.json
│   ├── next.config.js
│   ├── src/
│   │   ├── app/              # App Router de Next.js
│   │   ├── components/       # Componentes React
│   │   └── services/         # Servicios de API
│   └── public/               # Archivos estáticos
├── scripts/                   # Scripts de inicio y despliegue
│   ├── start_chatbot.sh      # Inicio en Linux/macOS
│   ├── start_chatbot.bat     # Inicio en Windows
│   └── deploy.sh             # Preparación para despliegue
├── docs/                      # Documentación
│   ├── DEPLOYMENT_GUIDE.md   # Guía completa de despliegue
│   └── Proyecto Final IF7103 2025 Sis.Expertos.pdf
├── codehelper_env/           # Entorno virtual Python
├── vercel.json              # Configuración para Vercel
└── README.md                # Este archivo

🛠️ Tecnologías

Backend (Python)

Sentence Transformers - Embeddings para recuperación semántica
ChromaDB - Base de datos vectorial
Flask - API REST
Transformers - Modelos de lenguaje
LangChain - Framework para RAG

Frontend (Next.js)

Next.js 14 - Framework de React
TypeScript - Tipado estático
Tailwind CSS - Framework de CSS
Lucide React - Iconos

📦 Instalación y Configuración

Prerrequisitos

Python 3.8+
Node.js 18+
npm o yarn

1. Clonar el repositorio

git clone <tu-repositorio>
cd CodeHelperNET

2. Configurar el Backend (Python)

Crear entorno virtual

En Linux/macOS:

python3 -m venv codehelper_env
source codehelper_env/bin/activate

En Windows:

python -m venv codehelper_env
codehelper_env\Scripts\activate

Instalar dependencias

pip install -r backend/requirements.txt

Generar la base de datos vectorial

cd backend
python improved_vector_db.py
cd ..

Iniciar el servidor backend

cd backend
python api_server.py

El backend estará disponible en: http://localhost:5000

3. Configurar el Frontend (Next.js)

Instalar dependencias

cd frontend
npm install

Configurar variables de entorno

Crear archivo .env.local en la carpeta frontend/:

PYTHON_BACKEND_URL=http://localhost:5000
NEXT_PUBLIC_API_URL=/api

Iniciar el servidor frontend

npm run dev

El frontend estará disponible en: http://localhost:3000

🚀 Inicio Rápido

Opción 1: Script de inicio automático

En Linux/macOS:

chmod +x scripts/start_chatbot.sh
./scripts/start_chatbot.sh

En Windows:

scripts\start_chatbot.bat

Opción 2: Inicio manual

Terminal 1 - Backend:

# Linux/macOS
source codehelper_env/bin/activate
cd backend
python api_server.py

# Windows
codehelper_env\Scripts\activate
cd backend
python api_server.py

Terminal 2 - Frontend:
```
cd frontend
npm run dev
```
Abrir navegador: http://localhost:3000

🌐 Despliegue en Producción

Despliegue Automático

# Preparar proyecto para despliegue
chmod +x scripts/deploy.sh
./scripts/deploy.sh

Opciones de Despliegue

🎯 Recomendado: Vercel + Railway

Frontend: Vercel (excelente para Next.js)
Backend: Railway (bueno para Python)
Ventajas: Escalabilidad automática, SSL, CDN global

📋 Pasos Rápidos:

Backend en Railway:
- Ve a railway.app
- Conecta tu repositorio de GitHub
- Railway detectará automáticamente la configuración
Frontend en Vercel:
- Ve a vercel.com
- Importa tu repositorio
- Configura PYTHON_BACKEND_URL con tu URL de Railway
Configurar URLs:
- Actualiza vercel.json con tu URL de Railway
- Configura variables de entorno en Vercel

🔧 Otras Opciones:

Render: Todo en un solo servicio
Heroku: Plataforma tradicional
AWS/GCP/Azure: Servicios en la nube

Documentación Completa

📚 Guía detallada: docs/DEPLOYMENT_GUIDE.md
📖 Configuración rápida: docs/DEPLOYMENT_README.md

🎯 Uso del Chatbot

Interfaz Web

Abre http://localhost:3000 en tu navegador
Escribe tu pregunta sobre C# o .NET
El chatbot responderá con información especializada

Ejemplos de preguntas

"¿Qué es async/await en C#?"
"¿Cómo crear una API REST con ASP.NET Core?"
"¿Qué son los patrones de diseño más comunes?"
"¿Cómo implementar Entity Framework Core?"
"¿Cuáles son las mejores prácticas de seguridad en .NET?"
"dame un ejemplo de código de .NET"
"muéstrame un ejemplo de LINQ"

API REST

También puedes usar el chatbot programáticamente:

En Linux/macOS:

curl -X POST http://localhost:5000/chat \
  -H "Content-Type: application/json" \
  -d '{"message": "¿Qué es LINQ en C#?"}'

En Windows (PowerShell):

Invoke-RestMethod -Uri "http://localhost:5000/chat" -Method POST -ContentType "application/json" -Body '{"message": "¿Qué es LINQ en C#?"}'

📚 Base de Conocimientos

El chatbot tiene acceso a información sobre:

C# Fundamentals - Conceptos básicos y avanzados
ASP.NET Core - Desarrollo web moderno
Entity Framework - ORM y acceso a datos
Design Patterns - Patrones de diseño
Testing - Pruebas unitarias e integración
Security - Mejores prácticas de seguridad
Performance - Optimización y rendimiento
Cloud Development - Azure, AWS, GCP
Microservices - Arquitectura de microservicios
DevOps - CI/CD y automatización

🔧 Configuración Avanzada

Variables de Entorno del Backend

En Linux/macOS:

export FLASK_ENV=development  # Modo desarrollo
export PORT=5000              # Puerto del servidor

En Windows:

set FLASK_ENV=development
set PORT=5000

Variables de Entorno del Frontend

PYTHON_BACKEND_URL=http://localhost:5000  # URL del backend
NEXT_PUBLIC_API_URL=/api                  # URL de la API del frontend

Personalización del Chatbot

Puedes modificar:

backend/rag_chatbot.py - Lógica del chatbot
backend/improved_vector_db.py - Generación de embeddings
frontend/src/components/ChatInterface.tsx - Interfaz del chat

🐛 Solución de Problemas

Error: "Chatbot no inicializado"

Verifica que el backend esté ejecutándose
Revisa los logs del servidor Flask

Error: "No se pudo conectar con el servidor"

Confirma que la URL del backend sea correcta
Verifica que no haya problemas de CORS

Error: "Base de datos vectorial no encontrada"

Ejecuta cd backend && python improved_vector_db.py para regenerar la base

Error: "Dependencias faltantes"

Ejecuta pip install -r backend/requirements.txt
Verifica que el entorno virtual esté activado

Problemas específicos de Windows

Error de permisos: Ejecuta PowerShell como administrador
Error de encoding: Usa chcp 65001 para UTF-8
Error de path: Usa rutas con backslashes \ en lugar de /

Problemas específicos de Linux

Error de permisos: Usa sudo si es necesario
Error de dependencias: Instala python3-dev y build-essential
Error de encoding: Configura export LANG=en_US.UTF-8

Problemas de Despliegue

Error de memoria: Los modelos de ML requieren RAM suficiente
Timeout: La primera carga puede tardar, implementa health checks
CORS: Verifica que flask-cors esté configurado correctamente

📊 Rendimiento

Tiempo de respuesta: ~1-3 segundos por pregunta
Precisión: Alta gracias al RAG y cross-encoder
Base de datos: 3,073 chunks de información
Documentos: 76 archivos de conocimiento especializado

🤝 Contribución

Fork el proyecto
Crea una rama para tu feature (git checkout -b feature/AmazingFeature)
Commit tus cambios (git commit -m 'Add some AmazingFeature')
Push a la rama (git push origin feature/AmazingFeature)
Abre un Pull Request

📄 Licencia

Este proyecto está bajo la Licencia MIT. Ver el archivo LICENSE para más detalles.

👨‍💻 Autor

Desarrollado como proyecto universitario para el curso IF7103 Sistemas Expertos.

🙏 Agradecimientos

Sentence Transformers por los modelos de embeddings
ChromaDB por la base de datos vectorial
Next.js por el framework frontend
La comunidad de C# y .NET por el conocimiento compartido

Name		Name	Last commit message	Last commit date
Latest commit History 11 Commits
backend		backend
docs		docs
frontend		frontend
scripts		scripts
.gitignore		.gitignore
README.md		README.md
bfg.jar		bfg.jar
package.json		package.json
start_full_stack.py		start_full_stack.py
vercel.json		vercel.json

AndNikDev/CodeHelperNET

Folders and files

Latest commit

History

Repository files navigation

CodeHelperNET - Chatbot Especializado en C# y .NET

🚀 Características

📁 Estructura del Proyecto

🛠️ Tecnologías

Backend (Python)

Frontend (Next.js)

📦 Instalación y Configuración

Prerrequisitos

1. Clonar el repositorio

2. Configurar el Backend (Python)

Crear entorno virtual

Instalar dependencias

Generar la base de datos vectorial

Iniciar el servidor backend

3. Configurar el Frontend (Next.js)

Instalar dependencias

Configurar variables de entorno

Iniciar el servidor frontend

🚀 Inicio Rápido

Opción 1: Script de inicio automático

Opción 2: Inicio manual

🌐 Despliegue en Producción

Despliegue Automático

Opciones de Despliegue

🎯 Recomendado: Vercel + Railway

📋 Pasos Rápidos:

🔧 Otras Opciones:

Documentación Completa

🎯 Uso del Chatbot

Interfaz Web

Ejemplos de preguntas

API REST

📚 Base de Conocimientos

🔧 Configuración Avanzada

Variables de Entorno del Backend

Variables de Entorno del Frontend

Personalización del Chatbot

🐛 Solución de Problemas

Error: "Chatbot no inicializado"

Error: "No se pudo conectar con el servidor"

Error: "Base de datos vectorial no encontrada"

Error: "Dependencias faltantes"

Problemas específicos de Windows

Problemas específicos de Linux

Problemas de Despliegue

📊 Rendimiento

🤝 Contribución

📄 Licencia

👨‍💻 Autor

🙏 Agradecimientos

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Languages

Packages