Wedding Organizer: Sistema Inteligente de Planificación de Bodas

Descripción General

Wedding Organizer es un sistema multi-agente inteligente para la planificación automatizada de eventos sociales, especializado en bodas. El sistema implementa una arquitectura BDI (Beliefs-Desires-Intentions) como núcleo de decisión, integrando agentes especializados y técnicas de Retrieval-Augmented Generation (RAG) para ofrecer recomendaciones personalizadas en la selección de venue, catering y decoración.

El proyecto está desarrollado y mantenido por:

• Lia S. López Rosales
• Ariadna Velázquez Rey

Nota: Este repositorio no cuenta con licencia de uso actualmente.

---

Principales Características

• Arquitectura Multi-Agente:
  • Agente principal BDI (PlannerAgent) que coordina el ciclo de planificación.
  • Agentes especializados: VenueAgent, CateringAgent, DecorAgent, BudgetDistributorAgent.
• Sistema RAG Integrado:
  • Grafos de conocimiento por dominio.
  • Recuperación semántica y generación contextual de recomendaciones.
• Crawler Inteligente:
  • Enriquecimiento dinámico de datos y validación automática de calidad.
• Gestión de Memoria y Estado:
  • Persistencia de creencias, historial de decisiones y recuperación ante fallos.
• Interfaz Web Moderna:
  • Basada en Streamlit, con chat interactivo y panel de control para usuarios.

---

Estructura del Proyecto

Events_Organizer_Helper/
├── Agents/                # Implementación de agentes BDI y RAG
├── Crawler/               # Crawlers, enriquecimiento y validación de datos
├── views/                 # Interfaz web (Streamlit)
├── experiment_results/    # Resultados y reportes de experimentos
├── Informe/               # Informe académico y archivos LaTeX
├── requirements.txt       # Dependencias principales
├── requirements_experiments.txt # Dependencias para experimentos
├── pyproject.toml         # Configuración de entorno y dependencias (uv)
└── ...

---

Instalación y Entorno

Este proyecto utiliza el gestor de entornos uv, que permite una gestión rápida y eficiente de dependencias y entornos virtuales para Python.

Requisitos previos

• Python 3.12 o superior
• uv instalado (pip install uv)

Instalación de dependencias

1. Clona el repositorio:

   git clone https://github.com/AriadnaVelazquez744/Events_Organizer_Helper.git
   cd Events_Organizer_Helper

2. Crea el entorno y instala dependencias principales:

   uv .init
   uv add -r requirements.txt

3. (Opcional) Instala dependencias para experimentos:

   uv add -r requirements_experiments.txt

---

Ejecución de la Aplicación

La interfaz principal está desarrollada en Streamlit. Para ejecutarla:

uv add streamlit  # Si no está instalado
streamlit run views/app.py

Esto abrirá la aplicación en tu navegador, donde podrás interactuar con el asistente de planificación de eventos.

---

Uso Básico

• Desde la página principal, haz clic en "Start Planning" para comenzar.
• Describe tus necesidades (tipo de evento, número de invitados, presupuesto, preferencias).
• El sistema te guiará a través de recomendaciones y ajustes personalizados.
• Puedes gestionar tu sesión, agregar presupuesto y reiniciar la planificación desde la barra lateral.

---

Resultados Experimentales y Evaluación

El sistema fue evaluado mediante una suite de experimentos estadísticos automatizados, con los siguientes resultados destacados:

• Tasa de Significancia Global: 63.2% (12 de 19 análisis con resultados significativos)
• Potencia Promedio: 0.640 (buena capacidad para detectar efectos reales)
• Tamaño de Efecto Promedio: 0.285 (efecto medio)
• Precisión de Recomendaciones RAG: 78.5%
• Tiempo de Respuesta Promedio: 2.3 segundos por recomendación

Detalle por Experimento

• Efectividad del sistema BDI:
  • 50% de los análisis significativos.
  • Correlaciones muy fuertes entre ciclo BDI y éxito de planificación (p < 0.001).
  • Áreas de mejora: reconsideración dinámica de intenciones.
• Precisión de sistemas RAG:
  • 60% de los análisis significativos.
  • Alta precisión en recomendaciones por tipo (venue, catering, decor).
  • Áreas de mejora: adaptabilidad a patrones complejos y consultas atípicas.
• Rendimiento del sistema:
  • 100% de los análisis significativos.
  • Excelente escalabilidad, eficiencia y uso de recursos bajo diferentes cargas.
  • Todas las métricas de rendimiento superaron expectativas.
• Efectividad de integración de componentes:
  • 40% de los análisis significativos.
  • Buena coordinación entre agentes y robustez del MessageBus.
  • Áreas de mejora: optimización de flujos de comunicación y persistencia de memoria.

Para más detalles, consulta los reportes en experiment_results/ y el informe académico en Informe/.

---

Limitaciones y Futuro

• Limitaciones técnicas:
  • Escalabilidad de datos limitada (requiere optimización para grandes volúmenes).
  • Latencia de comunicación entre agentes mejorable.
  • Precisión RAG aceptable pero susceptible de mejora.
• Limitaciones funcionales:
  • Cobertura centrada en bodas (extensible a otros eventos).
  • Algoritmos de personalización en desarrollo.

Propuestas de mejora

• Optimización y aumento de la base de datos.
• Paralelización de búsquedas y procesamiento.
• Integración de algoritmos de Machine Learning y análisis de sentimientos.
• Expansión a otros tipos de eventos (corporativos, sociales).

---

Contribución

Este proyecto es mantenido por dos contribuidoras principales. Si deseas colaborar, abre un issue o pull request.

---

Referencias

• Arquitectura BDI: Rao & Georgeff (1995), Wooldridge (2009)
• RAG: Lewis et al. (2020)
• Multi-Agente: Ferber (1999)

---

Contacto

Para dudas o sugerencias, puedes contactarnos a través de nuestro repositorio en GitHub.