Book Processing Pipeline

Convierte libros (EPUB/PDF) en una base de conocimiento (KB) lista para que una IA la use sola: Infame Elite Endurance Coach, el sistema de nutrición, Claude, Gemini o MCP. Cada libro es independiente: no hay paso de "combinar".

Libro (.epub/.pdf)  →  convert.py  →  libro.md  →  extract.py  →  _core.md + _biblioteca.md

Este repo guarda solo código. Los libros y los KB (material con derechos de autor) no se suben a Git.

La app (ventana)

La forma fácil: arrastras el libro, apruebas el costo con un botón y eliges la carpeta de salida.

• Programa (.exe): doble clic en build.bat (una vez por computadora y cada vez que actualices el repo). Crea dist\BookPipeline.exe y el acceso directo Book Pipeline en el Escritorio. No necesita Python para usarse. Acepta EPUB y PDF.

• Desde el código: pythonw app\ventana.py (acepta también DOCX).

• En un servidor (VPS): ya hay Dockerfile listo. Ver DESPLIEGUE_VPS.md.

• Carpeta de salida: botón Cambiar… (se recuerda). Por defecto, Google Drive\00_Anthropic\Library.

• Modo: Lote (más barato, tarda de minutos a horas) o Inmediato.

• Varios libros se procesan en fila, uno a la vez. Si cierras la app, Reanudar sigue donde iba sin volver a pagar.

• Piezas en app/: ventana.py (ventana), servidor.py (servidor local), trabajos.py (fila de libros), config.py (llaves y carpetas) y web/index.html (la página). Preparadas para correr también en un VPS (BPP_MODO=servidor).

procesar_libro.ps1 sigue funcionando igual, y ambos usan la misma carpeta de resultados.

Qué produce cada libro

Archivo	Contenido
<libro>_core.md	Filosofía, modelo integral, mecanismos, glosario, todas las tablas, fórmulas, pruebas, metodología, reglas de decisión, precauciones, evidencia y notas de vigencia (marcadas como ajenas al libro).
<libro>_biblioteca.md	Planes, entrenamientos, ejercicios, recetas y formatos, tal como se publicaron.
<libro>_indice.json	Metadatos listos para kb_indice.json.
<libro>_reporte.txt	Cobertura, avisos de la verificación de números y costo.

Dominios: endurance-sport, strength-training, senior-health, nutrition (con los 10 códigos de condición del sistema clínico), general.

Cómo funciona

1. convert.py: EPUB/PDF → Markdown. Las imágenes y tablas de imagen se transcriben con Gemini (se guarda caché y un reporte de lo descartado).
2. extract.py (Claude Sonnet 5.5 + Gemini 3.8 Flash):
   • MAP: metadatos, dominio, nivel de autoridad y división en capítulos.
   • EXTRACT: una llamada por capítulo.
   • VERIFY: Gemini compara lo extraído contra el texto; corrige, agrega lo que faltó y elimina lo inventado.
   • SYNTHESIS: panorama, Modelo Integral y notas de vigencia.
   • Revisión automática de números que no están en el capítulo.

Todo queda guardado en _work_<libro>. Si algo falla, al repetir el comando solo se hace lo que falta.

Modos y costo

• Inmediato (por defecto): resultado en minutos.
• Lote (-Lote): ~50% más barato; tarda de minutos a horas (máximo 24 h). El programa espera solo hasta que termine; si se cierra la ventana, se repite el mismo comando y retoma.
• Antes de gastar, muestra el costo estimado y pide confirmación.
• Un libro de tamaño medio cuesta alrededor de $1.60 en lote y $3–4 en inmediato.

Instalación (una sola vez por computadora)

pip install -r requirements.txt

Variables de entorno de Windows (permanentes, nunca en el código): BPP_ANTHROPIC_API_KEY (llave de Claude exclusiva de esta app; si no existe se usa ANTHROPIC_API_KEY) y GEMINI_API_KEY. Necesitas saldo en la cuenta de Anthropic.

Dónde quedan los archivos

Google Drive\00_Anthropic\Library\<libro>\ (se detecta solo). Si no encuentra Google Drive, usa una carpeta kb_<libro> junto al libro.

Dos computadoras

Antes de trabajar: Fetch origin + Pull en GitHub Desktop. Después: Commit + Push.

Guía paso a paso: GUIA_RAPIDA.md. Las instrucciones de extracción viven en extraction_prompts.md.