Neyvu
Un asistente de IA que reúne material de Moodle, notas y planificación de estudio en un solo espacio, con inferencia local y respuestas vinculadas a sus fuentes.
- Interfaz
- Servicios
- Datos y evidencia
Companion de escritorio Electron
El estudiante inicia sesión en Moodle desde un escritorio vinculado. La recopilación es distinta del espacio móvil y su material de estudio guardado.
Arquitectura lógica ilustrada. Selecciona un componente; las rutas animadas representan conexiones, no tráfico en vivo.
- Next.js
- TypeScript
- PostgreSQL
- Python
- Render
- producto funcional · incorporando estudiantes
- Beta
- inferencia de IA
- Local
- espacios aislados por estudiante
- PostgreSQL
Piloto funcional, incorporando usuarios. Estado revisado el 20 de octubre de 2026; sin cifras de adopción o ingresos.
Cómo se conecta el sistema
- Interfaz
- Servicios
- Datos y evidencia
Companion de escritorio Electron
El estudiante inicia sesión en Moodle desde un escritorio vinculado. La recopilación es distinta del espacio móvil y su material de estudio guardado.
Arquitectura lógica ilustrada. Selecciona un componente; las rutas animadas representan conexiones, no tráfico en vivo.
Problema
La información de los cursos está repartida entre páginas de Moodle, archivos, avisos y notas personales. Un asistente útil necesita mostrar la fuente y su antigüedad, distinguir requisitos oficiales del plan personal y conservar el trabajo cuando falla la recopilación o la inferencia.
Restricciones
- Separar la identidad, fuentes, archivos y conversaciones de cada estudiante.
- Cada estudiante inicia sesión en Moodle mediante un Companion de escritorio vinculado; el sitio móvil es una superficie distinta.
- Ejecutar la IA en un worker local en Mac. El espacio alojado debe seguir siendo útil cuando la inferencia no está disponible.
- No inferir entregas, calificaciones o fechas a partir de evidencia ajena. Mostrar cobertura incompleta y fechas de recopilación.
Decisiones
Fijar la evidencia de cada respuesta
Las tareas de respuesta referencian versiones inmutables. Editar una nota después no debe cambiar silenciosamente la fuente citada antes. Los borradores de IA permanecen separados de la evidencia original del curso.
Separar el espacio en la nube de la inferencia local
Una cola con leases conecta la aplicación en Render con el worker del modelo local. Notas, archivos y calendario siguen accesibles mientras las preguntas esperan, y un fallo puede conservar un borrador recuperable.
Separar el plan personal de las fechas oficiales
Un día planeado de estudio no es una fecha de entrega, y la información guardada puede estar incompleta. Esos límites son explícitos en el modelo de datos y la interfaz, sin dejar que un modelo de lenguaje los adivine.
Cómo se construyó
- Diseñé y construí el espacio por curso, lector de fuentes, conversaciones y planificación.
- Conecté PostgreSQL con aislamiento por estudiante, archivos originales, un recolector de escritorio vinculado y tareas de IA local.
- Construí verificaciones de citas, matemáticas exactas, recuperación y liberación del asistente.
Resultado
Un producto funcional con una página pública para solicitar acceso al piloto. Estoy incorporando estudiantes. El sistema combina acceso web alojado, recopilación de Moodle desde escritorio y procesamiento local de IA; es un piloto independiente, no un servicio operado por Acadia.
Evidencia
- Página pública del piloto y espacio web responsivo.
- Las capturas usan material de demostración explícitamente ficticio.
- Versiones de fuentes, aislamiento, colas y recuperación están representados en la implementación y los registros de liberación.
Pantallas
Tecnologías
Next.js · TypeScript · PostgreSQL · Python · Electron · Ollama · Qwen · SymPy · Render
Enlaces
En desarrollo
- Incorporar estudiantes y medir la primera configuración exitosa de un curso.
- Completar la aceptación en teléfonos físicos y con nuevos estudiantes; mantener visibles las limitaciones académicas.