Estudio local · RAG

Estudio de generación

1) Sube un PDF → 2) ingesta lib/ai/pdf (chunk + RAG top 5) → 3) LLM local web-llm genera 10 preguntas v5.2 → 4) edita en vivo → 5) exporta .md canónico con creador: local-llm. Nada se publica solo.

Flujo E2E

  1. PDF → parsePDF
  2. chunker (800c / 120 overlap) → top 5 RAG
  3. prompt con COUNTRY_RULE_HINTS + validateLocalQuestion
  4. Edición → ExportButton .md
1

Sube tu PDF

2

Generar preguntas v5.2

Usa COUNTRY_RULE_HINTS del país seleccionado abajo + valida con validateLocalQuestion. Fallback a plantillas si el LLM no responde.

3

Revisa y edita

Edita enunciado, opciones y explicaciones antes de exportar
Aún no hay preguntas. Sube un PDF y presiona Generar.
4

Exportar .md canónico

Naming v5.2 · -001-MASTERY-bundle.md

Exportar bundle v5.2

Nunca auto-publica. Descarga un .md canónico para revisión.

Vista previa (frontmatter + 1ra pregunta)
Archivo: — · Se descarga localmente, no se guarda en questions_data/.
El archivo se descarga como borrador. No se escribe en questions_data/. Corrige primero el .md y valida con npm run validate antes de publicar.
Nota de arquitectura: el PDF parsing vive en src/lib/ai/pdf (WX-201). Esta página lo importa como aliado externo (ingestPDFForRAG). La generación reutiliza src/lib/ai/exam-generator.ts (COUNTRY_RULE_HINTS + validateLocalQuestion) y el LLM on-device vía edge-mesh / getAiCore() (web-llm). Todo ocurre en el navegador.