Descubre cómo la Línea Kay Davies integra inteligencia artificial (RAG) y genética molecular para divulgar sobre la Distrofia Muscular de Duchenne. Una iniciativa educativa desarrollada en el IES Monterroso que conecta el legado científico de la utrofina con el desarrollo de asistentes virtuales seguros, adaptados por niveles pedagógicos y protegidos con guardrails de salud.
PINSAPIA ya muestra, debajo de cada respuesta, qué documentos reales del centro ha usado para responder — sin pedírselo al modelo, porque Python ya lo sabe desde antes de llamarlo.
Una nueva función de PINSAPIA genera fichas de repaso imprimibles a partir de los apuntes reales del centro — con un giro importante: la IA solo escribe las preguntas, nunca las respuestas, para no repetir el fallo de alucinación que confirmamos esta misma semana.
PINSAPA suma una segunda forma de jugar con el corpus: en vez de preguntar, da pistas cada vez más concretas sobre un concepto real de los apuntes, y el alumno intenta adivinarlo. Misma arquitectura sin estado nuevo que el modo repaso, descartando antes otras dos ideas más trilladas o más arriesgadas con un modelo de 3B. Comprobado contra el código y el corpus reales; falta la confirmación jugando de verdad.
PINSAPA da su primer paso más allá de responder: ahora puede preguntar. El “modo repaso” arranca sin ningún estado nuevo en el servidor — apoyado por completo en el historial de conversación que ya viaja en cada petición — y elige sus preguntas de fragmentos reales del corpus, no inventados. Confirmado funcionando en ROCKY.
httrack se cayó a mitad de la copia de seguridad del Moodle de Computación y Robótica, pero no todo se perdió: 77 páginas de contenido real, limpiadas del menú del curso que venía pegado en cada una, revisadas por privacidad y ya integradas en el corpus del RAG — con un pequeño añadido de arquitectura (soporte .txt) para que cupieran.
Añadir un corpus nuevo al RAG de PINSAPA —las programaciones didácticas del departamento— no ha necesitado ninguna decisión de arquitectura nueva: solo tres líneas en dos archivos. La prueba de que el diseño multi-corpus, pensado desde el principio para esto, funciona de verdad.
El primer piloto de asignatura de MonteIA: un corpus nuevo con apuntes propios de Computación y Robótica de 1º ESO, un rag.py que ya sabe leer .odt y .docx además de PDF, y un selector de “Tema” en la interfaz para elegir entre el centro y la asignatura.
Antes de meter ni un documento de Computación y Robótica en MonteIA, había que resolver algo más básico: rag.py solo sabía buscar en un sitio. Esta entrada es la parte de arquitectura —preparar el RAG para varios corpus independientes— sin ningún contenido de asignatura todavía, y probada contra los 42 documentos reales del centro para no romper nada de lo que ya funcionaba.
Revisamos uno a uno los 75 documentos reales del centro y los repartimos en dos carpetas según si son aptos para el RAG o no, con criterios de privacidad y seguridad más allá de si el documento es “público”. De paso, rediseñamos rag.py para que indexe automáticamente lo que haya en la carpeta, sin mantener una lista de archivos a mano.