Korasan

Tu copiloto de negocio en Telegram. Nunca olvida una decisión, documenta procesos mientras conversas, y busca en tus documentos cuando lo necesitas.

---

El Problema

Como emprendedor, todos los días:

• Tomas decisiones importantes pero no las registras
• Descubres procesos clave pero no los documentas
• Acumulas información en mil lugares (emails, WhatsApp, notas sueltas)
• Olvidas el contexto cuando llegan clientes nuevos
• Gastas tiempo re-descubriendo cosas que ya sabías

Korasan soluciona esto. Es tu memoria institucional - guarda automáticamente todo lo que compartes, aprende el contexto de tus proyectos, y está disponible en Telegram donde ya estás trabajando.

---

Para Quién

• Founders y emprendedores que manejan múltiples proyectos
• Consultores con varios clientes simultáneos
• Equipos pequeños que necesitan documentar sin fricción
• Cualquiera que quiera un "cofundador que escucha" disponible 24/7

---

Qué Puedes Hacer

Capturar conocimiento sin esfuerzo

Tú: "Nuestro proceso de ventas es: marketing atrae leads,
     Sofia los califica, yo reviso los hot y agendo demos"

→ Korasan lo guarda automáticamente

3 meses después...

Tú: "¿Cómo era el flujo de ventas?"
Korasan: "El proceso de ventas tiene 3 pasos: 1) Marketing atrae leads..."

Documentar decisiones de negocio

Tú: "Decidimos subir el precio a $100 por vacante"

→ Guardado con contexto y fecha

Nuevo empleado pregunta...

Tú: "¿Qué decisiones tomamos sobre pricing?"
Korasan: "El 15 de enero decidieron subir el precio a $100 porque..."

Gestionar múltiples proyectos

Tú: "Cambiemos al proyecto TechCorp"
Tú: "¿Cuál era su plan de onboarding?"

→ Korasan mantiene contexto separado por proyecto
→ Salta entre clientes sin perder información

Buscar en tus documentos

Subes un CSV de prospects, un PDF de propuesta, o un Excel de clientes

Tú: "¿Cuántos prospectos interesados hay?"
Korasan: "Hay 12 prospectos con interés alto según el documento..."

Tú: "¿Cuál era el presupuesto de Acme?"
Korasan: "En la propuesta de Acme, el presupuesto es $50,000..."

Analizar contenido multimedia

Subes: foto de whiteboard, audio de reunión, screenshot de métricas

Korasan: "En el whiteboard veo 3 columnas: Backlog, In Progress, Done.
         Los items prioritarios son..."

---

Por Qué Korasan

	Korasan	ChatGPT	Google Docs
Acceso	Telegram (1 click)	Browser	Browser + login
Memoria	Persiste TODO	Por sesión	Manual
Multi-proyecto	Contexto separado	Mismo contexto	Docs dispersos
Búsqueda	Semántica en docs + memoria	Solo chat	Keywords básicas
Multimedia	Imágenes, audio, PDFs	Limitado	Solo documentos

En resumen:

1. Nunca olvida - Todo lo que compartes se guarda por proyecto
2. Donde ya trabajas - En Telegram, no otra app más
3. Entiende tu contexto - Sabe la diferencia entre TechCorp y Acme

---

Casos de Uso

Startup en crecimiento

Documentas decisiones de pricing, roadmap, procesos de hiring. 6 meses después, un inversor pregunta "¿cómo decidieron el modelo de negocio?" - Korasan lo recuerda.

Consultor multi-cliente

Trabajas con 5 clientes. En una conversación saltas entre proyectos. Korasan entiende el contexto de cada uno sin confusión.

Equipo pequeño

CEO decide un nuevo proceso de onboarding. Semana 12, el nuevo dev pregunta cómo hacerlo. Korasan tiene el procedimiento exacto.

---

Quick Start

1. Clonar y configurar

git clone https://github.com/kmilo93sd/korasan-bot.git
cd korasan-bot
cp .env.example .env

2. Configurar credenciales

# Telegram - Crear bot con @BotFather
TELEGRAM_BOT_TOKEN=your_token
AUTHORIZED_CHAT_IDS=your_chat_id

# LLM Provider (elige uno)
LLM_PROVIDER=anthropic
ANTHROPIC_API_KEY=sk-ant-xxx

# Gemini (para imágenes, audio, PDFs)
GEMINI_API_KEY=xxx

# Tu info
OWNER_NAME=Tu Nombre
COMPANY_NAME=Tu Empresa

3. Iniciar

docker-compose up -d

4. Usar

1. Abre Telegram y busca tu bot
2. Envía /start
3. Empieza a conversar

---

Documentación

Guía	Descripción
Guía de Instalación	Instalación local y Docker paso a paso
Configuración de Providers	Anthropic, OpenAI, Gemini, Bedrock, OpenRouter
Deploy en Railway	Deploy en la nube en ~5 minutos
RAG Completo	Sistema de documentos y búsqueda

---

Comandos

Comando	Descripción
/start	Iniciar conversación
/status	Ver estado actual
/areas	Listar áreas del proyecto
/procesos	Listar procesos guardados
/resumen	Resumen del proyecto actual

---

Funcionalidades Detalladas

Proyectos

Korasan gestiona múltiples proyectos. Menciona el nombre en la conversación:

"Cambiemos al proyecto TechCorp"
"Crea un nuevo proyecto llamado Cliente ABC"

Documentos

Sube archivos para analizarlos:

1. Envía un archivo (PDF, JSON, CSV, Excel, imagen, audio)
2. Korasan lo procesa y pregunta si guardarlo
3. Responde "sí" para indexarlo
4. Haz preguntas sobre el contenido

Memoria

Korasan recuerda automáticamente:

• Decisiones: "Decidimos usar React para el frontend"
• Hechos: "El cliente tiene 500 empleados"
• Procesos: "El proceso de onboarding tiene 5 pasos..."

---

Stack Técnico

Componente	Tecnología
Bot	Python + python-telegram-bot
LLM	Multi-provider via LiteLLM
Embeddings	AWS Bedrock (Titan v2)
Multimodal	Google Gemini 2.5 Flash
Vector DB	Qdrant
Storage	JSON files (memoria)

Proveedores LLM Soportados

Provider	Modelos
Anthropic	Claude Sonnet 4.5, Haiku 4.5, Opus 4.5
OpenAI	GPT-4o, GPT-4o mini, o1
Google	Gemini 2.5 Flash, Flash-Lite, Pro
AWS Bedrock	Claude via Bedrock
OpenRouter	400+ modelos

Arquitectura

korasan/
├── main.py              # Entry point
├── config.py            # Configuración multi-provider
├── agent/
│   ├── core.py          # Lógica principal del agente
│   └── prompts.py       # System prompts
├── bot/
│   └── handlers.py      # Handlers de Telegram
├── services/
│   ├── llm.py           # LLM multi-provider (LiteLLM)
│   ├── memory.py        # Memoria persistente
│   ├── document_service.py  # Ingestion de documentos
│   ├── rag_advanced.py      # Pipeline RAG
│   └── gemini.py            # Multimodal
├── tools/
│   ├── definitions.py   # Definición de herramientas
│   └── executor.py      # Ejecución de herramientas
└── docs/                # Documentación

RAG Pipeline

Query → Query Rewriting → HyDE → Multi-query Search
                                        ↓
                    RRF Aggregation ← Vector Search (Qdrant)
                                        ↓
                              Lost-in-Middle Optimization
                                        ↓
                                  LLM Response

Ver docs/rag-guia-completa.md para detalles.

---

Desarrollo

# Instalar dependencias
pip install -r requirements.txt

# Iniciar solo Qdrant
docker-compose up -d qdrant

# Ejecutar bot
python main.py

# Ver logs
docker-compose logs -f korasan

---

Configuración Avanzada

Modelos por Tier

# Primary: conversación general
LLM_MODEL=claude-sonnet-4-5-20250929

# Fast: tareas RAG (económico)
LLM_FAST_MODEL=claude-haiku-4-5-20251015

# Premium: tareas complejas
LLM_PREMIUM_MODEL=claude-opus-4-5-20251101

Múltiples Usuarios

AUTHORIZED_CHAT_IDS=123456789,987654321

---

Licencia

MIT