📚 Research Copilot — Academic Paper Assistant

Un asistente conversacional basado en IA para interactuar con una colección de 20 artículos académicos usando Retrieval-Augmented Generation (RAG) con OpenAI GPT-4o y ChromaDB.

---

🧠 Descripción

Research Copilot permite:

• Responder preguntas complejas sobre literatura académica.
• Recuperar pasajes relevantes de documentos.
• Proveer respuestas con citas en formato APA.
• Explorar los papers a través de una interfaz interactiva.
• Visualizar estadísticas de la colección de papers.

Este proyecto cumple con los requisitos de la Tarea 1 de la asignatura, implementando una arquitectura RAG completa con UI basada en Streamlit.

---

🏗️ Arquitectura del Sistema

User Query
│
▼
Streamlit UI (app/)
├── main.py (chat + UI)
├── pages/
│   ├── 2_Papers.py (Paper Browser)
│   └── 3_Analytics.py (Dashboard)
│
▼
Prompt Strategies (prompts/*.txt)
│
▼
RAG Pipeline (src/rag_pipeline.py)
├── Retriever (src/retrieval/)
├── Generator (src/generation/)
├── ChromaDB Vector Store (src/vectorstore/)
├── Embedding (src/embedding/)
└── Chunking (src/chunking/)
│
▼
papers/ (20 PDFs + paper_catalog.json)

---

🛠️ Requisitos

• Python 3.10+
• OpenAI API key
• Entorno virtual recomendado

---

🧰 Dependencias Principales

Las dependencias se especifican en requirements.txt e incluyen:

• openai
• tiktoken
• chromadb
• streamlit

Instálalas con:

pip install -r requirements.txt

---

🔐 Configuración de Variables de Entorno

Copia el archivo de ejemplo:

cp .env.example .env

Luego agrega tu OPENAI_API_KEY en .env.

---

🚀 Cómo Ejecutar

🔎 Indexar Papers (una sola vez)

Si aún no has indexado tus PDF (ingestión + embeddings):

python src/ingest.py

🧪 Ejecutar la Aplicación

streamlit run app/main.py

Abre el navegador y visita:

http://localhost:8501

---

💬 Uso

🧠 Chat / Q&A

Desde la UI principal puedes:

• Formular preguntas sobre tus papers.
• Seleccionar estrategia de prompt (v1–v4).
• Obtener respuestas académicas con citas APA.

📄 Paper Browser

Desde Paper Browser puedes:

• Ver la lista de tus 20 papers.
• Filtrar por título, autor, año o tema (topic).
• Explorar metadata y abstracts.

📊 Analytics Dashboard

Muestra estadísticas de tu colección:

• Número de papers por año.
• Distribución de topics.
• Conteo de autores.
• Tabla completa de información de los papers.

---

🧠 Estrategias de Prompt

Versión	Archivo	Descripción
v1	v1_delimiters.txt	Uso de delimitadores para estructurar el contexto
v2	v2_json_output.txt	Salida estructurada en formato JSON
v3	v3_few_shot.txt	Ejemplos few-shot para guiar las respuestas
v4	v4_chain_of_thought.txt	Razonamiento paso a paso (chain-of-thought)

---

📦 Estructura del Proyecto

research-copilot/
├── README.md
├── requirements.txt
├── .env.example
├── papers/
│   ├── paper_catalog.json
│   └── *.pdf
├── src/
│   ├── ingestion/
│   ├── chunking/
│   ├── embedding/
│   ├── vectorstore/
│   ├── retrieval/
│   ├── generation/
│   └── rag_pipeline.py
├── prompts/
│   ├── v1_delimiters.txt
│   ├── v2_json_output.txt
│   ├── v3_few_shot.txt
│   └── v4_chain_of_thought.txt
└── app/
    ├── main.py
    └── pages/
        ├── 2_Papers.py
        └── 3_Analytics.py

---

⚠️ Limitaciones Conocidas

• Tablas, figuras y fórmulas pueden perderse en la extracción de texto.
• PDFs escaneados no son soportados sin OCR previo.
• La calidad de las respuestas depende de los chunks indexados en Chroma.
• Si agregas nuevos papers, debes reindexar.

---

💡 Futuras Mejoras

• Gráficas más interactivas (Plotly o Altair).
• Seguimiento de uso de tokens por consulta.
• Exportar conversaciones a PDF o Markdown.
• Página Settings para configuración global del usuario.

---

📅 Autor

Santiago Miguel Maldonado Vizcarra - Politólogo
Curso: Escuela de Verano QLab PUCP / Asignatura: Prompt Engineering Fecha de entrega: 2 de marzo del 2026