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

🛠️ 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 requirements.txt

Generar la base de datos vectorial

python improved_vector_db.py

Iniciar el servidor 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 start_chatbot.sh
./start_chatbot.sh

En Windows:

start_chatbot.bat

Opción 2: Inicio manual

1. Terminal 1 - Backend:

   # Linux/macOS
   source codehelper_env/bin/activate
   python api_server.py
   
   # Windows
   codehelper_env\Scripts\activate
   python api_server.py

2. Terminal 2 - Frontend:

   cd frontend
   npm run dev

3. Abrir navegador: http://localhost:3000

🎯 Uso del Chatbot

Interfaz Web

1. Abre http://localhost:3000 en tu navegador
2. Escribe tu pregunta sobre C# o .NET
3. 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?"

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:

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

🌐 Despliegue

Despliegue en Vercel (Frontend)

1. Conecta tu repositorio con Vercel
2. Configura las variables de entorno en Vercel
3. El despliegue será automático en cada push

Despliegue del Backend

El backend puede desplegarse en:

• Render - Servicio gratuito para Python
• Railway - Despliegue fácil
• Heroku - Plataforma tradicional
• AWS/GCP/Azure - Servicios en la nube

🐛 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 python improved_vector_db.py para regenerar la base

Error: "Dependencias faltantes"

• Ejecuta pip install -r 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

📊 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

1. Fork el proyecto
2. Crea una rama para tu feature (git checkout -b feature/AmazingFeature)
3. Commit tus cambios (git commit -m 'Add some AmazingFeature')
4. Push a la rama (git push origin feature/AmazingFeature)
5. 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