Lante

El problema

En muchos entornos de trabajo, llevar varios proyectos en paralelo sin perder el hilo es difícil — y se pone más difícil a medida que cada proyecto suma piezas móviles, stakeholders y excepciones.

La mayoría de la gente no vive en una herramienta de gestión de proyectos. Vive en el correo y en WhatsApp, sobre todo en América Latina. Las actualizaciones, los traspasos y los momentos de «¿en qué quedamos con esto?» se dispersan entre hilos en vez de quedar en un solo lugar confiable.

Lante ingiere lo que la gente ya envía y recibe por esos canales, y mantiene una vista del estado actual por proyecto — no sólo búsqueda, sino «¿cuál es el estado de este envío / pedido / cliente en este momento?»

El primer dominio se enfocó a propósito en la logística de carga: varios pedidos en curso, workflows cargados de protocolo y cambios repentinos (demoras, redireccionamientos, retenciones en aduana) son el trabajo normal de todos los días. Ese sector pone a prueba si el sistema puede mantenerse exacto cuando el volumen y la volatilidad son altos a la vez.

La solución

Subes una exportación de WhatsApp (o un PDF). Una vez ingerida — y confirmada en Bandeja si el ruteo era ambiguo — puedes preguntar, en español, ¿Quién prometió la entrega del pedido #8890? y recibir citas que apuntan a mensajes específicos, más una línea de tiempo con la promesa del viernes, el incumplimiento y la nueva promesa para el lunes. El chat #8890 del seed data es uno de los ambiguos: abarca varios temas, así que sí pasa por revisión.

La PWA web es el cliente que se entrega. Un paquete compartido de TypeScript (apps/shared) es el cliente de la API para web (y para la app de Expo, que sólo pasa el typecheck). FastAPI sirve la API. Docker Compose levanta Postgres, Redis, Qdrant, FalkorDB, MinIO, la API, un worker de ingesta que hace polling sobre Postgres y un worker de reglas.

El recorrido y el acceso al repositorio privado están disponibles a solicitud — no hay una URL pública disponible todo el tiempo. Ver Cómo verlo.

Stack técnico

Capa	Qué se entrega realmente
Lenguaje / API	Python 3.11, FastAPI, Pydantic, SQLAlchemy, Alembic (12 revisiones)
Web	Next.js 15, React 18, TypeScript; PWA vía manifest.json, sw.js, prompt de instalación
Cliente compartido	apps/shared — wrappers tipados de fetch que usa la PWA
Almacenes de datos	Postgres 16 (sistema de registro), Redis 7 (rate limits y tokens de vida corta — no la cola de ingesta), Qdrant (vectores de los chunks), FalkorDB (grafo de entidades sobre el protocolo de Redis), MinIO (archivos crudos subidos)
LLM	Por defecto gpt-4o-mini con temperature 0 en extracción; embeddings text-embedding-3-small (1536-d); opcionalmente Qwen por workspace vía DashScope
Evaluación / extras de NLP	Conjuntos gold JSONL anotados a mano, rapidfuzz, pdfplumber para PDFs
Móvil / extras	La app de Expo 52 pasa el typecheck en CI; el módulo del bot de Telegram existe; telegram: false en todos los planes de packages/billing/tiers.py

Redis está en el stack. El worker no consume una cola de Redis: hace polling sobre la tabla Job de Postgres.

Habilidades que demuestra

Habilidad	Evidencia en el repositorio
NLP aplicado / extracción	Prompt en español para el LLM + esquema JSON, fallback heurístico _mock_extract, capa de regex de compromisos, resolver de rapidfuzz (umbral 85)
Recuperación de información	Retriever híbrido: búsqueda vectorial en Qdrant + Cypher en FalkorDB para las aristas de compromiso, fusión léxica de +0,1, citas con sender y timestamp
Diseño de evaluación	Split gold/test de extracción de 93 filas, 48 negativos, 20 fenómenos (≥3 cada uno), prueba de higiene contra fixtures circulares, conjunto gold de retrieval de 21 preguntas con puntuación de remitente/fecha en las citas
Ingeniería de producto con LLM	Copiloto de operaciones con herramientas, síntesis determinista para preguntas sobre promesas de entrega, blocklist bilingüe de entrada, negativas en español, guardas opcionales de tema/contenido con NVIDIA NeMo (apagadas por defecto)
Backend multi-tenant	require_workspace_access / WorkspaceDep; test_route_auth_coverage.py enumera las rutas vivas; verificación del payload por workspace en cada resultado vectorial
Producto full-stack	Inbox con HITL, líneas de tiempo, UI del copiloto con tarjetas de citas, exportación de auditoría a CSV/PDF, PWA
Criterio de producción	Los rate limits fallan abiertos; un desajuste en la dimensión del embedding lanza excepción; el modo demo se niega a arrancar sin registro cerrado + correo de sólo lectura; CI vacía las llaves del LLM en el carril de unitarias

Esto no demuestra inferencia estadística, pronósticos ni entrenar un modelo desde cero (eso es Sol).

Arquitectura

Dos índices a propósito. La búsqueda vectorial responde «qué se dijo sobre la carga». El recorrido del grafo responde «quién prometió qué». El retrieval consulta ambos.

Capa	Elección	Por qué (y dónde)
Chunking	800 caracteres, 100 de solapamiento	packages/ingestion/chunker.py
Extracción	gpt-4o-mini, temperature 0, extract_entities_es.md	Español colombiano informal; ruta heurística si el LLM devuelve vacío
Embeddings	text-embedding-3-small (1536-d); mock de 384-d sin llave	packages/indexing/embedder.py — la dimensión de la colección queda fija al crearla
Almacén vectorial	Qdrant	Una sola colección compartida. document_id usa un filtro del lado del servidor; workspace_id se verifica en cada payload devuelto (ver abajo)
Grafo	FalkorDB	Cypher; menor huella operativa que Neo4j
Resolución de entidades	token_sort_ratio de rapidfuzz, umbral 85	«Fernando» / «Fernando Quintero» / «don Fernando»
Serving	FastAPI + worker que hace polling sobre Postgres	Sin message broker; la ingesta es de escala de minutos

Dónde ocurre realmente el aislamiento entre tenants en la búsqueda vectorial. Todos los workspaces comparten una sola colección de Qdrant. document_id se empuja hacia abajo como un Filter del lado del servidor, pero workspace_id se impone en el código de la aplicación: vector_writer.search() descarta cualquier punto devuelto cuyo workspace_id del payload no coincida. El aislamiento se sostiene, pero de ahí se siguen dos cosas que hay que decir con honestidad: los vecinos más cercanos de otro tenant pueden consumir parte del presupuesto de top_k antes de ser descartados, y la garantía vive en una sola línea de Python en vez de en la base de datos. Un índice sobre el payload con una cláusula must del lado del servidor es el arreglo correcto, y no está hecho.

El human-in-the-loop es condicional, no universal. should_queue_for_review() manda un documento a Bandeja cuando se parte en varios segmentos, cuando se detecta más de un tema, cuando una sugerencia de ruteo puntúa por debajo de 0,7 de confianza, o cuando el workspace activa require_timeline_approval (por defecto false). Una subida de un solo tema y con confianza alta va directo a una línea de tiempo. Lo que se afirma es que los casos ambiguos entran a la cola — no que un humano apruebe todo.

Medición

Vale la pena citar dos harnesses. Un tercer archivo, agent_eval.jsonl, tiene tres casos y todavía menciona el Carlos / #4521 del fixture viejo: no es una métrica publicada.

Extracción (offline)

93 filas anotadas a mano (62 gold / 31 test) sobre 7 exportaciones de WhatsApp co_logistics_*.txt. Veinte fenómenos, cada uno etiquetado al menos tres veces. 48 filas tienen entities y relations vacíos (negativos deliberados). Toda fila lleva "synthetic": true.

Entidades requeridas: 43 en gold, 63 entre ambos splits. Relaciones: 8 en total (4 por split).

Reproducido en esta sesión, sin llave de API:

python scripts/run_extraction_eval.py --split gold --predictor heuristic

Predictor	F1 de entidades (micro)	F1 de relaciones (micro)
Regex heurístico + mock extract (gold, 62 filas)	0,692 (P 0,771 / R 0,628; 27 TP, 8 FP, 16 FN)	0,143 (1 TP, 9 FP, 3 FN)
gpt-4o-mini, temperature 0 (gold, registrado en datasets/README.md)	0,933 (0,923–0,944 en 3 corridas)	0,800 (igual en esas 3 corridas de gold)

Las 9 relaciones falsas frente a 1 verdadera son la razón de que exista la ruta con LLM. En esa misma corrida heurística, el F1 de entidades de colombian_logistics_term es 0,286 y el de negative_ack es 1,000; la confusión de tipos es Location→Person 3, Organization→Person 2.

Las cifras de entidades/relaciones del LLM de arriba no se volvieron a correr en esta pasada (necesitan OPENAI_API_KEY). Son las cifras registradas junto con el corpus en packages/evaluation/datasets/README.md.

Retrieval (con el stack levantado)

retrieval_gold_set.jsonl — 21 preguntas que cubren las siete conversaciones. Puntuación: fracción de los substrings de expected_contains presentes en la respuesta, y si alguna cita coincide con expected_citation_sender y con el mismo día calendario de expected_citation_timestamp. La compuerta en scripts/run_eval.py: retrieval ≥ 0,80, citas ≥ 0,70. Necesita Docker + un workspace con seed data + una llave de API. Aquí no se cita ninguna cifra de esa compuerta.

Honestidad sobre las cifras

El F1 de relaciones no tiene potencia estadística. Ocho relaciones en total. En el split de test, dos corridas del LLM con el mismo prompt puntuaron 0,571 y 1,000. No trates el 0,800 de gold como una cifra estable de capacidad.

Un solo anotador, corpus sintético. No hay acuerdo entre anotadores. Trata el F1 como una cota superior. Exportaciones reales anonimizadas pondrían "synthetic": false en el mismo esquema.

El conjunto gold de retrieval viejo era circular. packages/evaluation/gold_set.jsonl sigue existiendo para reproducir las cifras antiguas; no es la compuerta por defecto.

Modos de falla

Observados sobre este corpus / este código:

1. Matizaciones. «si acaso llega el viernes, todavia no es seguro por el clima» está etiquetado como hedged_noncommitment (3 filas). commitment_extractor.py igual dispara con el regex cercano a entrega. Inventar una promesa es peor que perderse una.
2. Las promesas superadas se agregan, no se reemplazan. #8890 el viernes y después el lunes: ambas aristas pueden existir. valid_from se fija en las relaciones (temporal_edges.py); nada marca la primera como anulada.
3. Tildes. Los nombres en gold son textuales (trancón, Julián). El emparejamiento normaliza las tildes durante la evaluación; «arreglar» las cadenas del gold seguiría estando mal.
4. Confusión de tipos en la heurística. Los tokens en español con mayúscula inicial caen por defecto en Person dentro de _mock_extract — de ahí Location→Person / Organization→Person en el baseline.
5. Sujetos implícitos. «hay un trancon verraco en la via al Llano» está anotado con una ubicación y ninguna relación, porque el extractor ve msg.body, no sender: body.
6. La respuesta determinista está afinada a este corpus. answer_synthesis.py dispara con cualquier pregunta sobre promesas de entrega que nombre una orden de tres o más dígitos, pero la frase de dos fechas («primero el viernes, luego reprogramado al lunes») está anclada a las palabras literales viernes y lunes. Es una respuesta correcta y barata para los chats con seed data, y necesitaría parseo real de fechas para generalizar.

Consideraciones de producción

Consideración	Implementación
Aislamiento multi-tenant	Las rutas con workspace_id en la ruta o en el body deben llamar al helper de membresía. tests/unit/test_route_auth_coverage.py recorre la app viva. El comportamiento de denegación está en test_tenant_isolation.py (requires_infra, no entre las 431 offline)
Rate limiting	Ventana fija en Redis: login 5/min/IP, registro 3/hora/IP, LLM/copiloto 30/min por identidad (/v1/consulting/chat incluido). Falla abierto si Redis está caído
Prompt injection	Dos capas en la ruta del copiloto: un tope de 500 caracteres más una blocklist bilingüe (security_blocklist.py — override de instrucciones en español e inglés, extracción del system prompt, bloques de código, peticiones de inyección SQL), y luego una verificación opcional de tema con NeMo NIM (nemo_guardrails_enabled por defecto false) y una pasada de seguridad sobre la salida. Una verificación aparte, de cuatro frases y en inglés, vive en guardrails.py. Las negativas son en español
Costo	OpenAI o Qwen por workspace. Copiloto 30/min. Las preguntas sobre promesas de entrega pueden saltarse el LLM vía answer_synthesis.py
Migraciones	Alembic, 12 revisiones; el contenedor migrate debe salir con 0 antes de que arranque api
Dimensión del embedding	Mock de 384-d frente a 1536-d de OpenAI; embedding_dimension() debe coincidir con la colección de Qdrant
Seguridad del modo demo	ENVIRONMENT=demo no arranca a menos que el registro esté cerrado y DEMO_READONLY_EMAIL esté definido. Ese usuario no puede mutar nada; el copiloto y /v1/audit/export están en la allowlist

431 pruebas en verde en pytest tests/unit con las llaves del LLM vacías (job test de CI). Hay una prueba más recolectada que se salta; 37 pruebas requires_infra son un job aparte.

Alcance honesto

Lo que no está en este proyecto: entrenamiento de modelos, inferencia estadística, pronósticos, un checkout de Creem en vivo, un stack de observabilidad, un build para tiendas móviles, ni un relay entrante de correo/WhatsApp en vivo (los secretos de webhook existen para poder rechazar peticiones sin firmar).

Cómo verlo

1. Esta página — usa Solicitar un recorrido más abajo para agendar una sesión en vivo. Capturas y grabación después de registrarlas localmente (docs/SCREENSHOTS.md en el repositorio).
2. A solicitud — workspace con seed data, guión del demo: login → feed → inbox → copiloto sobre #8890 → línea de tiempo + exportación. Solicitar un recorrido.
3. Repositorio privado — a solicitud. Reproducir offline:

pip install -e ".[dev]"
python scripts/run_extraction_eval.py --split gold --predictor heuristic
python -m pytest tests/unit -q

Stack completo: docker compose --profile app up -d --build, y luego scripts/seed_public_demo.py.