01. 🏠 EquineLead – Motor de Crecimiento Basado en Datos para la Industria Ecuestre

📌 Versión 2.1 - Blueprint Técnico Real
Este README es el punto de entrada oficial para el equipo. Refleja la arquitectura confirmada por los Leads de Backend y Data Science.
Nota importante: Solo los scripts de testing están en main. El desarrollo activo ocurre en las ramas feature/.

EquineLead es una plataforma MVP diseñada para ayudar a empresas de la industria ecuestre a identificar, calificar y convertir leads de alto valor utilizando estrategias de crecimiento basadas en datos.

La plataforma se enfoca en transformar visitantes casuales en leads calificados B2C y B2B a través de análisis de sentimiento, scoring de leads, automatización y APIs backend.

🚨 Problema

Las empresas en el nicho ecuestre tienen dificultades para identificar y capturar leads de alto valor.
La industria está altamente fragmentada, lo que hace costoso e ineficiente llegar a:

Propietarios individuales (B2C)
Gerentes de establos, mayoristas y proveedores de servicios (B2B)

🎯 Objetivo

Construir un MVP de Motor de Crecimiento que convierta tráfico anónimo en leads calificados para productos de alto valor como:

Caballos de $50,000 USD
Monturas de $2,000 USD
Servicios y eventos ecuestres

🧠 Funcionalidades Core del MVP

Sistema de captura de leads (formularios, tracking)
Análisis de sentimiento y detección de intención
Motor de scoring de leads
Lógica de embudo automatizada
APIs backend
Scraping de datos (opcional)
Dashboard de analíticas básico
Automatización CI/CD

🏗 Arquitectura Detallada

💡 Nota: Esta arquitectura representa el diseño planificado. Algunos componentes están en desarrollo.

graph TB
    subgraph "Capa de Cliente"
        WEB[Dashboard Web<br/>React + Node.js 18]
        MOBILE[App Móvil<br/>Android Kotlin]
        LANDING[Landing Page<br/>Formularios de Captura]
    end

    subgraph "Servicios Backend MVP"
        BACKEND[API Backend<br/>.NET 8.0<br/>Entrada + Lógica de Negocio]
        ML[Servicio ML<br/>Python 3.12.3<br/>FastAPI]
        SCRAPPER[Servicio Scrapper<br/>Rust 1.75.0<br/>Recolección de Datos]
    end

    subgraph "Capa de Datos"
        DB[(PostgreSQL<br/>Base de Datos Principal)]
        CACHE[(Redis<br/>Capa de Caché)]
    end

    subgraph "CI/CD"
        JENKINS[Jenkins<br/>Instancia OCI]
        DOCKER[Docker Registry]
    end

    WEB --> BACKEND
    MOBILE --> BACKEND
    LANDING --> BACKEND

    SCRAPPER --> BACKEND

    BACKEND --> ML
    ML --> BACKEND

    BACKEND --> DB
    BACKEND --> CACHE

    JENKINS --> DOCKER
    DOCKER --> BACKEND
    DOCKER --> ML
    DOCKER --> SCRAPPER

    style WEB fill:#4CAF50,stroke:#2E7D32,color:#fff
    style MOBILE fill:#4CAF50,stroke:#2E7D32,color:#fff
    style BACKEND fill:#2196F3,stroke:#1565C0,color:#fff
    style ML fill:#FF9800,stroke:#E65100,color:#fff
    style SCRAPPER fill:#9C27B0,stroke:#6A1B9A,color:#fff
    style DB fill:#F44336,stroke:#C62828,color:#fff
    style JENKINS fill:#607D8B,stroke:#37474F,color:#fff

Componentes de Arquitectura (MVP)

💡 Nota: Para el MVP, el API Backend absorbe el rol de puerta de entrada (API Gateway). No existe un Gateway separado.

Capa de Cliente

Dashboard Web: Interfaz de analíticas basada en React — Ronald
App Móvil (Android): App para agentes CRM y supervisores — Franklin
Landing Page: Formularios de captura de leads

Servicios Backend

API Backend (.NET 8.0): Punto de entrada único + lógica de negocio. Recibe leads del scrapper, llama al servicio ML para scoring y persiste resultados en DB — Junior
Servicio ML (Python 3.12.3 / FastAPI): Calcula el score del lead y devuelve clasificación (Cold/Warm/Hot) al Backend — Leandro + David Alejandro
Scrapper (Rust 1.75.0): Extrae leads de fuentes públicas y los envía al API Backend — Jorge

Capa de Datos

PostgresSQL 15: Base de datos principal. C# es el único dueño de la persistencia.
- Nota técnica: Se utiliza un Volumen de Docker (postgres_data) para asegurar que los datos persistan en el disco duro del servidor (AWS o Local) incluso si el contenedor se recrea.

Filosofía de Desacoplamiento (Data Ownership)

Para evitar el patrón de "Monolito Distribuido", el sistema sigue estas reglas:

Single Source of Truth: Solo el Backend C# tiene credenciales y acceso a la base de datos.
Stateless Brain: El servicio de Data Science (Python) no guarda ni lee de la base de datos. Recibe datos vía JSON, calcula el score y devuelve el resultado.
Persistencia Centralizada: El Backend C# es el encargado de recibir la respuesta de Python y persistirla en Postgres.

CI/CD

Jenkins: Testing automático y validación de PRs — Diego
Docker: Containerización de todos los servicios 💡

🛠 Stack Tecnológico Completo

✅ = Verificado desde configuraciones de testing
💡 = Sugerido basado en mejores prácticas

⚠️ Tecnologías Pendientes de Confirmación:
Las tecnologías marcadas con 💡 son propuestas técnicas que el equipo aún no ha confirmado oficialmente. Estas representan un primer vistazo de la arquitectura planificada.

Backend

Runtime: .NET 8.0 ✅ (SDK 8.0.407)
Framework: ASP.NET Core 8.0 💡 (pendiente de confirmación)
ORM: Entity Framework Core 8.0 💡 (pendiente de confirmación)
Documentación API: Swagger/OpenAPI 💡 (pendiente de confirmación)
Testing: xUnit 2.4.2 ✅

Data Science / Machine Learning

Runtime: Python 3.12.3 ✅
Framework API: FastAPI ✅
Modelo de Scoring: Basado en Reglas (Rule-Based) ✅ (Lógica: I + B + T - P)
Análisis de Sentimiento: BERT (Integración planeada) 💡
Testing: pytest 7.4+ ✅

Scrapper / Servicios de Alto Rendimiento

Lenguaje: Rust 1.75.0 ✅ (Edition 2021)
Runtime Async: tokio 💡 (pendiente de confirmación)
Cliente HTTP: reqwest 💡 (pendiente de confirmación)
Parsing HTML: scraper 💡 (pendiente de confirmación)
Testing: Framework de testing integrado de Rust ✅

Frontend Web

Runtime: Node.js 20.x (LTS) ✅
Framework: React 18.2+ 💡 (pendiente de confirmación)
Gestión de Estado: Redux Toolkit 💡 (pendiente de confirmación)
Librería UI: Material-UI (MUI) 5.0+ 💡 (pendiente de confirmación)
Build Tool: Vite 4.0+ 💡 (pendiente de confirmación)
Testing: Jest 29.5.0 ✅ + React Testing Library 14.0.0 ✅

Móvil

iOS: Swift 5.9+ 💡 (SwiftUI) (pendiente de confirmación)
Android: Kotlin 1.9+ 💡 (Jetpack Compose) (pendiente de confirmación)
Testing: XCTest (iOS), JUnit (Android) 💡 (pendiente de confirmación)

Base de Datos & Caché

Base de Datos Principal: PostgreSQL 15+ ✅ (Esquema v2 Confirmado)
Caché: Redis 7.0+ 💡 (Visión Futura — Fase 3. No implementado. No necesario para el MVP. Evaluar cuando supere 1.000 requests/min concurrentes)
Cola de Mensajes: RabbitMQ 3.12+ 💡 (Visión Futura — Fase 3. No implementado. Necesario recién cuando el Scrapper Rust procese miles de leads/hora. La instancia t3.small de 2GB no soporta este servicio adicional)

DevOps & Infraestructura

CI/CD: Jenkins ✅ (Java 21, IP: 129.151.114.218 en OCI)
App Server: AWS t3.small ✅ (2GB RAM + 4GB Swap, IP: 44.202.43.214)
Memoria Virtual: Swap File 4GB ✅ (configurado en el App Server AWS)
Containerización: Docker + Docker Compose ✅ (instalado en App Server)
Orquestación: docker-compose.yml (raíz del proyecto) ✅
IaC: Terraform ✅ (en uso activo — OCI para Jenkins, AWS para App Server)
Nube:
- OCI (Jenkins) ✅
- AWS us-east-1 (App Server Plan B) ✅

Herramientas de Desarrollo

Control de Versiones: Git + GitHub
Calidad de Código: ESLint, Prettier (Frontend), dotnet format (Backend)
Testing de API: Postman, Thunder Client

🗄️ Esquema de Base de Datos

💡 Nota: Este esquema representa el diseño planificado de la base de datos. La implementación está en desarrollo.

Base de Datos Principal: PostgreSQL 15+ ✅ (Esquema v2 Confirmado)

erDiagram
    Leads ||--o{ LeadInteractions : registra
    Leads ||--|| LeadScores : posee
    
    Leads {
        INT id PK
        VARCHAR email
        VARCHAR name
        TIMESTAMP_TZ created_at
    }
    
    LeadInteractions {
        INT id PK
        INT lead_id FK
        INT interaction_type_id
        JSONB metadata
        TIMESTAMP_TZ interaction_date
    }
    
    LeadScores {
        INT id PK
        INT lead_id FK
        INT score_value
        INT classification_id
        TIMESTAMP_TZ updated_at
    }

Tablas Principales

Tabla	Propósito	Campos Clave
`Leads`	Almacenar leads capturados	email, name, status, created_at
`InteractionTypes`	Catálogo maestro de tipos de interacción	id, description (INT mapping)
`LeadInteractions`	Historial completo de actividad del lead	lead_id, type_id, metadata, interaction_date
`LeadScoreClassifications`	Catálogo maestro de estados (1-Cold, 2-Warm, 3-Hot)	id, description
`LeadScores`	Almacenamiento del scoring vigente por lead	lead_id, value, classification_id

Clasificación de Leads (Maestro)

Valor INT	Clasificación	Significado
1	Cold	Bajo interés inicial / Inactivo
2	Warm	Interés moderado / Nutrición
3	Hot	Alta intención de compra / Urgente

📖 Diccionario de Datos: docs/database/especificacion-tecnica-db-v2.md

🔌 Endpoints de API

💡 Nota: Estos endpoints representan el diseño de API planificado. La implementación está en desarrollo.

API Backend (ASP.NET Core 8.0)

URL Base (App Server): http://44.202.43.214:8000 (AWS Plan B activo — Ver Terraform outputs)

URL Base (Local): http://localhost:5286

Gestión de Leads inmediata

POST   /api/users              # Recibir nuevo lead desde el scrapper
GET    /api/leads              # Listar leads con score (paginado)

Pendientes de implementar luego

GET    /api/leads/{id}         # Obtener lead por id
PUT    /api/leads/{id}         # Actualizar lead
DELETE /api/leads/{id}         # Eliminar lead

💡 Nota: Endpoints en definición por Junior (Contrato 2 pendiente). Ver: docs/meetings/2026-02-19-flujo-pipeline-narrado.md

Ejemplo de Request:

POST /api/leads
{
  "email": "cliente@example.com",
  "phone": "+1234567890",
  "name": "Juan Pérez",
  "source": "landing_page",
  "metadata": {
    "interest": "horse_purchase",
    "budget": "50000"
  }
}

Ejemplo de Response:

{
  "id": "550e8400-e29b-41d4-a716-446655440000",
  "email": "cliente@example.com",
  "status": "new",
  "created_at": "2026-02-12T06:30:00Z",
  "score": null
}

Lead Scoring

POST   /api/leads/{id}/score   # Calcular score de lead
GET    /api/leads/{id}/score   # Obtener score actual

Ejemplo de Response:

{
  "lead_id": "550e8400-e29b-41d4-a716-446655440000",
  "score": 87,
  "category": "hot",
  "confidence": 0.92,
  "features": {
    "engagement_score": 85,
    "budget_match": 95,
    "intent_score": 82
  }
}

API de Servicio ML (Python FastAPI) ✅

URL Base (App Server): http://44.202.43.214:8090 (AWS Plan B activo)

URL Base (Local): http://localhost:8090

Análisis de Sentimiento

POST   /api/sentiment/analyze  # Analizar sentimiento de texto

Ejemplo de Request:

POST /api/sentiment/analyze
{
  "text": "Estoy muy interesado en comprar un caballo de alto rendimiento",
  "language": "es"
}

Ejemplo de Response:

{
  "sentiment": "positive",
  "score": 0.89,
  "confidence": 0.94,
  "model": "bert-base-spanish-wwm-cased"
}

Predicción de Lead Scoring

POST   /api/leads/predict      # Predecir score de lead

Ejemplo de Request:

POST /api/leads/predict
{
  "features": {
    "page_views": 15,
    "time_on_site": 420,
    "interactions": 5,
    "budget_range": "50000-100000",
    "sentiment_avg": 0.85
  }
}

Ejemplo de Response:

{
  "predicted_score": 87,
  "category": "hot",
  "probability": {
    "hot": 0.87,
    "warm": 0.11,
    "cold": 0.02
  }
}

📖 Contrato Técnico Scoring: docs/data-contracts/contrato-json-scoring-v1.md

🔐 Seguridad

💡 Nota: Esta configuración de seguridad representa las mejores prácticas planificadas. La implementación está en desarrollo.

Autenticación & Autorización (pendiente de confirmación)

Autenticación de API

Método: JWT (JSON Web Tokens)
Expiración de Token: 1 hora (access token), 7 días (refresh token)
Header: Authorization: Bearer <token>

Ejemplo:

GET /api/leads
Authorization: Bearer eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9...

Apps Móviles

iOS/Android: OAuth 2.0 con PKCE
Biométrico: Face ID / Touch ID / Fingerprint

Protección de Datos

Encriptación

En Tránsito: TLS 1.3 (HTTPS)
En Reposo: Encriptación transparente de datos PostgreSQL
Campos Sensibles: Encriptación AES-256 para PII

Gestión de Secrets

Desarrollo Local: Archivos .env (¡nunca commitear!)
Producción: Oracle Cloud Secrets Manager
CI/CD: Almacén de credenciales de Jenkins

Mejores Prácticas de Seguridad

✅ Rate limiting en todos los endpoints de API
✅ Validación y sanitización de inputs
✅ Prevención de inyección SQL (queries parametrizadas)
✅ Protección XSS
✅ Configuración CORS
✅ Auditorías de seguridad regulares

⚙️ Variables de Entorno

💡 Nota: Estas configuraciones representan el setup planificado. Los valores específicos se definirán durante la implementación.

Backend (.NET 8.0)

Crear archivo .env en src/backend-csharp/:

# Base de Datos
DATABASE_URL=postgresql://user:password@localhost:5432/equinelead
DATABASE_POOL_SIZE=20

# Caché Redis
REDIS_URL=redis://localhost:6379
REDIS_TTL=3600

# Autenticación JWT
JWT_SECRET=your-super-secret-key-change-in-production
JWT_ISSUER=equinelead-api
JWT_AUDIENCE=equinelead-clients
JWT_EXPIRY_MINUTES=60

# Servicios Externos
ML_SERVICE_URL=http://localhost:8090
SCRAPPER_SERVICE_URL=http://localhost:8081

# RabbitMQ
RABBITMQ_URL=amqp://guest:guest@localhost:5672

# Logging
LOG_LEVEL=Information
SENTRY_DSN=https://your-sentry-dsn@sentry.io/project

Servicio ML (Python 3.12.3)

Crear archivo .env en src/data-science/:

# Base de Datos
DATABASE_URL=postgresql://user:password@localhost:5432/equinelead

# Caché Redis
REDIS_URL=redis://localhost:6379

# Modelos ML
MODEL_PATH=/models
SENTIMENT_MODEL=bert-base-spanish-wwm-cased
SCORING_MODEL=lead_scoring_rf_v1.pkl

# Configuración API
API_HOST=0.0.0.0
API_PORT=8090
API_WORKERS=4

# Logging
LOG_LEVEL=INFO

Scrapper (Rust 1.75.0)

Crear archivo .env en src/scrapper-rust/:

# Base de Datos
DATABASE_URL=postgresql://user:password@localhost:5432/equinelead

# RabbitMQ
RABBITMQ_URL=amqp://guest:guest@localhost:5672
QUEUE_NAME=scrapper_tasks

# Configuración de Scrapping
USER_AGENT=EquineLead-Bot/1.0
REQUEST_TIMEOUT=30
MAX_RETRIES=3
RATE_LIMIT_PER_SECOND=5

# Logging
RUST_LOG=info

Frontend Web (Node.js 18.19.1)

Crear archivo .env en src/frontend-web/:

# Endpoints API
VITE_API_URL=http://localhost:8000/api
VITE_ML_API_URL=http://localhost:8090/api

# Autenticación
VITE_AUTH_DOMAIN=auth.equinelead.com
VITE_AUTH_CLIENT_ID=your-client-id

# Analytics
VITE_GA_TRACKING_ID=UA-XXXXXXXXX-X
VITE_SENTRY_DSN=https://your-sentry-dsn@sentry.io/project

# Feature Flags
VITE_ENABLE_ANALYTICS=true
VITE_ENABLE_CHAT=false

Notas de Seguridad

Nunca commitear archivos .env - Ya están en .gitignore
Usar secrets diferentes para dev/staging/producción
Rotar secrets regularmente (cada 90 días)
Usar contraseñas fuertes - Mínimo 32 caracteres para producción

📖 Ver configuración completa: docs/environment-setup.md (documento aún no implementado)

📁 Estructura del Proyecto

equine-lead/
├── ci-cd/                  # 🤖 Automatización y Despliegue Continuo
│   ├── jenkins/            # Configuraciones y pipelines para Jenkins
│   └── README.md           # Guía maestra de DevOps
├── docs/                   # 📚 Documentación técnica y de negocio
│   ├── database/           # Esquema DB, SQL y Diagramas v2
│   ├── data-contracts/     # Contratos JSON y Notas de Diseño DS
│   ├── guides/             # 📖 Guías operativas y estándares
│   │   ├── DEVELOPER_ONBOARDING.md  # 🎓 Guía de onboarding para developers
│   │   ├── DOCUMENTATION_FLOW.md    # 📊 Mapa de navegación de documentación
│   │   └── GIT_WORKFLOW.md          # 🔄 Guía de flujo de Git
├── infrastructure/         # 🏗️ Configuración de la Nube (Oracle Cloud)
│   ├── terraform/          # Infraestructura como código (IaC)
│   └── docker/             # Configuración de servicios en contenedores
├── src/                    # 💻 Código fuente de componentes
│   ├── backend-csharp/     # API Backend en C# (.NET 8.0)
│   ├── data-science/       # Modelos ML y análisis (Python 3.12.3)
│   ├── scrapper-rust/      # Servicio de scraping (Rust 1.75.0)
│   ├── frontend-web/       # Dashboard web (React + Node.js 18)
│   └── mobile-apps/        # Apps móviles (iOS Swift, Android Kotlin)
├── tests/                  # 🧪 Infraestructura de Testing
│   ├── scripts/            # Scripts de automatización de tests
│   ├── backend-csharp/     # Tests del Backend
│   ├── data-science/       # Tests de ML/IA
│   ├── scrapper-rust/      # Tests del Scrapper
│   ├── frontend-web/       # Tests del Frontend
│   └── README.md           # Guía completa de testing
└── README.md               # 📖 Este archivo (Hub de documentación)

👥 Roles del Equipo

DevOps Lead: Diego Zapata Salhuana
Backend Developer (.NET): Junior
Backend DB: Isabel
Data Scientist / FastAPI: Leandro + David Alejandro
Frontend Developer: Franklin y Ronald
Mobile Developer: Franklin
Scrapping Engineer: Jorge
Project Manager: Franklin
GitHub Manager: Junior

📚 Hub de Documentación

Para Nuevos Developers

Guía de Onboarding - Ruta de aprendizaje paso a paso desde cero hasta productividad completa
Mapa de Documentación - Navegación visual de todos los READMEs y orden de lectura recomendado

Infraestructura y Deployment

Infrastructure README - Configuración de Oracle Cloud, Terraform, Docker
CI/CD README - Automatización y procesos de deployment
Jenkins Pipelines - Configuración detallada de pipelines
Jenkins Paso a Paso - Guía rápida de configuración y desbloqueo

Testing y Calidad

Testing README - Guía completa de testing, health checks, y scripts
Test Scripts - Automatización de tests locales

Componentes Específicos

⚠️ Nota: Los READMEs de componentes individuales están en desarrollo o pendientes de creación. Los enlaces a continuación apuntan a las ubicaciones planificadas.

Backend C# - API Backend y lógica de negocio (README pendiente)
Data Science - Modelos ML y análisis de sentimiento (README en desarrollo)
Scrapper Rust - Servicio de scraping de alto rendimiento (README pendiente)
Frontend Web - Dashboard y UI web (README pendiente)
Mobile Apps - Apps iOS y Android (README pendiente)

🔄 Flujo de Desarrollo

graph LR
    A[Desarrollo Local] --> B[Ejecutar Tests]
    B --> C[Push a Feature Branch]
    C --> D[Jenkins: Tests Automáticos]
    D --> E{Tests Pasan?}
    E -->|Sí| F[Merge a Dev]
    E -->|No| A
    F --> G[Deploy a Staging]
    G --> H[QA Manual]
    H --> I{Aprobado?}
    I -->|Sí| J[Merge a Main]
    I -->|No| A
    J --> K[Deploy a Producción]

Pasos del Desarrollador

Desarrollo Local

git checkout -b feature/nombre-feature
# Desarrollar código...

Testing Local
```
./tests/scripts/run_all_tests.sh
```

Push y PR

git push origin feature/nombre-feature
# Crear Pull Request en GitHub

CI/CD Automático
- Jenkins ejecuta tests automáticamente
- Reporta resultados en el PR
- Merge solo si todos los tests pasan

🚀 Getting Started

Prerrequisitos

Según tu componente, necesitarás:

.NET 8.0 SDK (Backend)
Python 3.12.3 (Data Science)
Rust 1.75.0 (Scrapper)
Node.js 20.x (Frontend)
Docker (Todos)

Setup Rápido

# 1. Clonar repositorio
git clone <repo-url>
cd equine-lead

# 2. Configurar entorno de testing
./tests/scripts/setup_test_env.sh

# 3. Ejecutar tests para verificar setup
./tests/scripts/run_all_tests.sh

# 4. Configurar tu componente específico
# Ver README de tu componente en src/<componente>/README.md

Ejecutar Tests Localmente

# Todos los tests
./tests/scripts/run_all_tests.sh

# Tests específicos por componente
./tests/scripts/run_backend_tests.sh
./tests/scripts/run_ml_tests.sh
./tests/scripts/run_scrapper_tests.sh
./tests/scripts/run_frontend_tests.sh

🧪 Infraestructura de Testing

Estado Actual

✅ Completado:

Health checks para todos los componentes
Scripts de automatización de tests
Jenkinsfiles para CI/CD
Documentación completa de testing
Configuración de entornos de test

Tipos de Tests

Tipo	Descripción	Ubicación
Health Checks	Verificación básica de compilación/ejecución	`tests//health_`
Unit Tests	Tests unitarios de componentes	`tests/*/UnitTests/`
Integration Tests	Tests de integración entre servicios	`tests/*/IntegrationTests/`
E2E Tests	Tests end-to-end del flujo completo	`tests/e2e/`

Analogía: El Auto de Carreras

Piensa en EquineLead como un auto de carreras de alta tecnología:

Testing = Inspección técnica antes de salir a la pista
Jenkins = Director del taller mecánico que coordina todas las revisiones
Scripts = Mecánicos automáticos especializados
Health Checks = Verificación rápida de que el motor enciende
Unit Tests = Revisión detallada de cada pieza
Integration Tests = Verificación de que todas las piezas trabajan juntas
Producción = La pista de carreras donde compites

📖 Ver guía completa: tests/README.md

📦 Entregables

Fase 1: Infraestructura de Testing ✅ Completado

Health checks para todos los componentes
Scripts de automatización de tests
Jenkinsfiles para pipelines CI/CD
Documentación completa
Configuración de entornos

Fase 2: Implementación de Componentes 🔄 En Progreso

Fase 3: Integración y Deployment ⏳ Pendiente

Integración completa de servicios
Deployment a staging
QA y testing end-to-end
Deployment a producción

🆘 Soporte

Documentación

Guía de Onboarding - Para nuevos developers
Mapa de Documentación - Navegación de docs
Testing Guide - Guía completa de testing
Infrastructure Guide - Setup de infraestructura
CI/CD Guide - Automatización y deployment

Troubleshooting

Contacto

DevOps Lead: Diego Zapata Salhuana
Canal de equipo: [Slack/Discord]

📄 Licencia

Este proyecto está bajo la Licencia MIT. Puedes ver los términos detallados en el archivo LICENSE

La Licencia MIT permite:

✅ Uso comercial
✅ Modificación
✅ Distribución
✅ Uso privado

Condiciones:

ℹ️ Mantener el aviso de copyright y la licencia en las copias del software.

Última actualización: 2026-02-20
Versión: 2.1 - Blueprint Técnico Real
Estado: Sprint semana 2/4 en progreso — cuello de botella en API Backend (Junior)

Name		Name	Last commit message	Last commit date
Latest commit History 102 Commits
.docs		.docs
.github/workflows		.github/workflows
ci-cd		ci-cd
docs		docs
infrastructure		infrastructure
src		src
tests		tests
.gitignore		.gitignore
LICENSE		LICENSE
README.md		README.md
docker-compose.yml		docker-compose.yml
mkdocs.yml		mkdocs.yml
requirements.txt		requirements.txt

Folders and files

Latest commit

History

Repository files navigation

01. 🏠 EquineLead – Motor de Crecimiento Basado en Datos para la Industria Ecuestre

🚨 Problema

🎯 Objetivo

🧠 Funcionalidades Core del MVP

🏗 Arquitectura Detallada

Componentes de Arquitectura (MVP)

Capa de Cliente

Servicios Backend

Capa de Datos

Filosofía de Desacoplamiento (Data Ownership)

CI/CD

🛠 Stack Tecnológico Completo

Backend

Data Science / Machine Learning

Scrapper / Servicios de Alto Rendimiento

Frontend Web

Móvil

Base de Datos & Caché

DevOps & Infraestructura

Herramientas de Desarrollo

🗄️ Esquema de Base de Datos

Base de Datos Principal: PostgreSQL 15+ ✅ (Esquema v2 Confirmado)

Tablas Principales

Clasificación de Leads (Maestro)

🔌 Endpoints de API

API Backend (ASP.NET Core 8.0)

Gestión de Leads inmediata

Lead Scoring

API de Servicio ML (Python FastAPI) ✅

Análisis de Sentimiento

Predicción de Lead Scoring

🔐 Seguridad

Autenticación & Autorización (pendiente de confirmación)

Autenticación de API

Apps Móviles

Protección de Datos

Encriptación

Gestión de Secrets

Mejores Prácticas de Seguridad

⚙️ Variables de Entorno

Backend (.NET 8.0)

Servicio ML (Python 3.12.3)

Scrapper (Rust 1.75.0)

Frontend Web (Node.js 18.19.1)

Notas de Seguridad

📁 Estructura del Proyecto

👥 Roles del Equipo

📚 Hub de Documentación

Para Nuevos Developers

Infraestructura y Deployment

Testing y Calidad

Componentes Específicos

🔄 Flujo de Desarrollo

Pasos del Desarrollador

🚀 Getting Started

Prerrequisitos

Setup Rápido

Ejecutar Tests Localmente

🧪 Infraestructura de Testing

Estado Actual

Tipos de Tests

Analogía: El Auto de Carreras

📦 Entregables

Fase 1: Infraestructura de Testing ✅ Completado

Fase 2: Implementación de Componentes 🔄 En Progreso

Fase 3: Integración y Deployment ⏳ Pendiente

🆘 Soporte

Documentación

Troubleshooting

Contacto

📄 Licencia

About

Resources

License

Uh oh!

Stars

Packages