DeepRat/TrueEye_Reports

1<p align="center">2  <img src="static/banner.gif" alt="Banner TrueEye" width="100%">3</p>4 5# 🧿 TrueEye — Sistema Inteligente de Alfabetización Mediática6 7**TrueEye** es una herramienta de inteligencia artificial diseñada para analizar artículos de noticias y contenido web, con el objetivo de detectar sesgos narrativos, identificar la audiencia objetivo y revelar intencionalidades ocultas o estructuras de manipulación simbólica.8En otras palabras, **no solo detecta noticias falsas**, sino que también examina **para quiénes fue escrito un contenido y con qué propósito**.9El sistema produce un informe detallado que ayuda a la alfabetización mediática, señalando indicios sutiles presentes en el texto.10 11---12 13## 🚀 Demo14 15* 🌐 [Probar TrueEye en Hugging Face Spaces](https://huggingface.co/spaces/DeepRat/TrueEye_Reports)16* 🖥️ [Sitio oficial del proyecto](https://trueeye.deeprat.tech)17 18> Nota: La demo en Hugging Face requiere acceso a internet y puede necesitar iniciar sesión.19 20---21 22## 🧩 ¿Qué hace TrueEye?23 24Al ingresar una URL de un artículo de noticias, **TrueEye** realiza **tres análisis consecutivos**:25 26### 📊 Sesgos y Matices27 28* Detecta la polaridad narrativa (positiva, negativa o neutral).29* Identifica estrategias retóricas (miedo, manipulación, ironía, etc.).30* Resume el artículo y marca afirmaciones cuestionables.31 32### 🎯 Segmentación de Audiencia33 34* Infiere el perfil demográfico y emocional del lector objetivo.35* Detecta valores explotados, sesgos reafirmados y momento de consumo esperado.36 37### ⚠️ Intencionalidad y Peligrosidad38 39* Evalúa manipulación simbólica, agendas ocultas y beneficiarios.40* Estima nivel de sofisticación narrativa y riesgo de impacto social.41 42> Cada informe incluye enlaces a fuentes confiables para verificación.43 44---45 46## ⚙️ Arquitectura del Proyecto47 48**TrueEye** consta de tres capas principales:49 50* 🧱 **Frontend**: Web estática en HTML + TailwindCSS + JS (`static/index.html`)51* 🧠 **Backend**: API REST en Python (`main.py`) con FastAPI52* 🔁 **Orquestación IA**: Flujo de LangFlow (`TrueEyeBeta.json`) con agentes Claude (Opus / Sonnet)53 54> El análisis lo realizan modelos de lenguaje ejecutados vía LangFlow + APIs externas.55 56---57 58## 📁 Estructura del Repositorio59 60```61TrueEye_v1/62├── static/63│   ├── index.html        # Interfaz frontend64│   └── te.png            # Logo del proyecto65├── main.py               # Backend FastAPI66├── requirements.txt      # Dependencias Python67├── Dockerfile            # Despliegue (HuggingFace)68├── TrueEyeBeta.json      # Flujo IA de LangFlow69```70 71---72 73## 💻 Cómo Ejecutarlo Localmente74 75### 🔧 Requisitos mínimos76 77* ✅ Python **3.10+**78* ✅ Acceso a internet (para conectarse con los modelos de IA)79* ✅ Clave API de **Claude** o modelo compatible80* ✅ LangFlow instalado (`pip install langflow`)81 82> 💡 No se requiere GPU ni hardware especializado. Todo el procesamiento se delega a los modelos externos.83 84### 🧪 Pasos para correrlo:85 86```bash87# 1. Clonar el repositorio88git clone https://github.com/DeepRatAI/TrueEye_v1.git89cd TrueEye_v190 91# 2. Instalar dependencias del backend92pip install -r requirements.txt93 94# 3. Definir la URL del flujo LangFlow95export FLOW_API_URL="http://localhost:7860/predict"  # Reemplazar según tu instancia96 97# 4. Lanzar el backend98uvicorn main:app --reload99```100 101Luego, abrí el archivo `static/index.html` en tu navegador.102Introducí una URL, presioná "Analizar", y obtendrás el informe generado por IA en segundos.103 104> 📌 Asegurate de que LangFlow esté corriendo y tenga cargado el flujo `TrueEyeBeta.json`. La clave API debe estar configurada según el proveedor (ej. Anthropic).105 106---107 108## 📌 Roadmap109 110| Versión  | Estado        | Descripción                                                  |111| -------- | ------------- | ------------------------------------------------------------ |112| ✅ v1.0   | En producción | Análisis textual completo por URL con IA explicativa         |113| 🔄 v2.0  | En diseño     | TrueEye Chat: versión conversacional con memoria persistente |114| 🖼️ v3.0 | Planificada   | Razonamiento multimodal sobre texto + imágenes/audio/video   |115| 🧪 v4.0  | Planificada   | Detección de deepfakes y contenido sintético                 |116 117---118 119## 📚 Tecnologías Utilizadas120 121* **FastAPI** — Backend API REST en Python122* **LangFlow** — Orquestación de flujos LLM con agentes, memoria y lógica condicional123* **Claude (Opus / Sonnet)** — Modelos de lenguaje vía API de Anthropic124* **TailwindCSS & JS** — Interfaz frontend simple y moderna125* **Docker** — Para despliegue reproducible (Hugging Face Spaces)126 127---128 129## ✍️ Autor130 131**Gonzalo Romero (DeepRat)**132Ingeniero en IA, Software y Sistemas · Prompt Engineer · Full-stack Developer133 134🔗 [Web](https://deeprat.tech) | [Hugging Face](https://huggingface.co/DeepRat) | [GitHub](https://github.com/DeepRatAI) | [LinkedIn](https://www.linkedin.com/in/deeprat) | [Medium](https://medium.com/@deeprat)135 136---137 138## 🧠 Licencia139 140Este proyecto está licenciado bajo **Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)**.141Podés copiar, modificar y distribuir el código siempre que menciones al autor (**DeepRat**) y no lo utilices con fines comerciales sin autorización previa.142 143> 📩 Para solicitudes comerciales, contactá a: [info@deeprat.tech](mailto:info@deeprat.tech)144 145---146 147 148