# jagonzalezmaita/chatbot-dl-gpt architecture

> Architecture diagram of the GitHub repository jagonzalezmaita/chatbot-dl-gpt, generated by GitDiagram from its file tree, README and a sample of source files (last updated 2025-08-31). It is an AI-made overview: check details against the source.

- Interactive diagram: https://gitdiagram.com/jagonzalezmaita/chatbot-dl-gpt
- Repository: https://github.com/jagonzalezmaita/chatbot-dl-gpt

## Overview

A. Project Type and Purpose
- Este proyecto es una aplicación de escritorio/stand-alone (2-tier) que implementa un chatbot interactivo en español basado en un modelo de deep learning (GPT-2) y que expone una interfaz gráfica simple usando Flet.

B. Análisis de la Estructura de Archivos
1. Top-Level
- constants.py   → configuración global (p. ej., rutas de modelos, parámetros de generación)
- requirements.txt → dependencias (Flet, Transformers, PyTorch)
- src/
├─ chatbot.py   → lógica principal del chatbot (carga modelo, tokenización, generación)
├─ utils.py     → funciones auxiliares (preprocesado, postprocesado de texto)
└─ ui/
└─ gui_flet.py → capa de presentación (ventana gráfica, manejadores de eventos)
2. Patrones evidentes
- Separación clara entre UI y lógica de negocio
- Módulos utilitarios desacoplados para facilitar mantenimiento y futuras extensiones (p. ej., fine-tuning)

C. Información Clave del README
- Flujo de datos:
1. El usuario escribe en la UI → on_submit dispara evento
2. gui_flet.py invoca process_message() en chatbot.py
3. chatbot.py tokeniza, llama al modelo GPT-2 (Hugging Face), decodifica la generación
4. Respuesta retorna a gui_flet.py → se muestra en pantalla
- Tecnologías: Python 3.13, Flet (GUI), transformers, PyTorch, modelo “mrm8488/spanish-gpt2”

D. Cómo Dibujar el Diagrama de Arquitectura
- Interfaz de Usuario (UI)
– gui_flet.py
– Flet Framework
- Lógica de Chatbot
– chatbot.py
– constants.py (configuración)
– utils.py (funciones de pre/post-procesado)
- Motor de Deep Learning
– Hugging Face Transformers
– Modelo GPT-2 (“mrm8488/spanish-gpt2”)
– PyTorch Runtime
- Almacenamiento/Recursos Externos
– Caché de modelo local o Hugging Face Hub (descarga online)
2. Relaciones e Interacciones
- Flechas direccionales para el flujo de datos:
Usuario → UI → Chatbot Logic → Modelo → Chatbot Logic → UI → Usuario
- Etiquetar cada flecha con el tipo de datos (e.g., “input_text”, “tokens”, “generated_tokens”, “response_text”)
3. Patrones y Principios Arquitectónicos
- Event-Driven GUI: la UI reacciona a eventos on_submit
- Layered Architecture: presentación, lógica de negocio, capa de IA
- Single Responsibility: cada módulo tiene una función clara
4. Tecnologías y Bibliotecas Relevantes
- Flet (UI): dibujar icono o etiqueta
- Hugging Face Transformers & Tokenizer
- PyTorch (capa de ejecución)

E. Guía para Personalizar el Diagrama
- Distinguir capas con colores o formas:
- Azul claro → UI
- Verde → Lógica de Chatbot
- Naranja → Capa de Deep Learning
- Gris → Recursos externos/config
- Incluir anotaciones breves junto a cada componente con versiones o endpoints clave (p. ej., “GPT-2 v4”, “on_submit handler”)
- Mostrar posible ampliación futura: módulo de Fine-Tuning conectado al Motor de Deep Learning

F. Elementos Obligatorios en el Diagrama
1. Etiquetas claras en cada recuadro (nombre de archivo o módulo)
2. Flechas con dirección y descripción de flujo de datos
3. Leyenda de colores/formas para diferenciar capas
4. Notas de versiones o configuraciones clave (p. ej., Python 3.13, modelo preentrenado, entorno virtual)

Resumen:
- Partir de una vista de alto nivel (UI ↔ Chatbot ↔ Modelo)
- Detallar submódulos (utils, constants) y flujos de datos internos
- Documentar en leyenda tecnologías y protocolos
- Mantener el diagrama modular y extensible (p. ej., agregar nodo de Fine-Tuning)
Este enfoque asegura que el diagrama refleje fielmente la arquitectura actual del chatbot y facilite su mantenimiento y evolución futura.

## Diagram (Mermaid)

```mermaid
flowchart TB
    %% UI Layer
    subgraph "Interfaz de Usuario (UI)"
        direction TB
        GUI["gui_flet.py\n(on_submit handler)"]:::ui
        FLET["Flet Framework\n(via Flet)"]:::ui
    end

    %% Chatbot Logic Layer
    subgraph "Lógica de Chatbot"
        direction TB
        CHAT["chatbot.py\n(process_message)"]:::logic
        CONST["constants.py\n(configuración)"]:::logic
        UTILS["utils.py\n(pre/post-procesado)"]:::logic
    end

    %% Deep Learning Engine Layer
    subgraph "Motor de Deep Learning"
        direction TB
        TRANS["Transformers\n(tokenizer & pipeline)"]:::dl
        MODEL["GPT-2 Model\n“mrm8488/spanish-gpt2” v4"]:::dl
        PT["PyTorch Runtime"]:::dl
    end

    %% External Resources Layer
    subgraph "Recursos Externos"
        direction TB
        CACHE["Modelo Cache / Hugging Face Hub"]:::ext
    end

    %% User
    USER["Usuario"]:::ext

    %% Data Flows
    USER -->|input_text| GUI
    GUI -->|input_text| CHAT
    CHAT -->|use constants| CONST
    CHAT -->|preprocess| UTILS
    UTILS -->|tokens| TRANS
    TRANS -->|load model| CACHE
    CACHE -->|model files| TRANS
    TRANS -->|call generate| MODEL
    MODEL -->|generated_tokens| TRANS
    TRANS -->|generated_tokens| CHAT
    CHAT -->|postprocess| UTILS
    UTILS -->|response_text| CHAT
    CHAT -->|response_text| GUI
    GUI -->|display| USER

    %% Click Events
    click GUI "https://github.com/jagonzalezmaita/chatbot-dl-gpt/blob/main/src/ui/gui_flet.py"
    click CHAT "https://github.com/jagonzalezmaita/chatbot-dl-gpt/blob/main/src/chatbot.py"
    click CONST "https://github.com/jagonzalezmaita/chatbot-dl-gpt/blob/main/constants.py"
    click UTILS "https://github.com/jagonzalezmaita/chatbot-dl-gpt/blob/main/src/utils.py"
    click FLET "https://github.com/jagonzalezmaita/chatbot-dl-gpt/blob/main/requirements.txt"

    %% Styles
    classDef ui fill:#ADD8E6,stroke:#333,stroke-width:1px
    classDef logic fill:#90EE90,stroke:#333,stroke-width:1px
    classDef dl fill:#FFA500,stroke:#333,stroke-width:1px
    classDef ext fill:#D3D3D3,stroke:#333,stroke-width:1px
```
