GEO_COPILOT: Copiloto Geoespacial con IA Multiagente
Sistema multiagente geoespacial con IA que democratiza el análisis espacial. Pregunta en lenguaje natural, obtén análisis PostGIS, mapas 3D y visualizaciones automáticas.
El detalle
GEO_COPILOT es tu copiloto geoespacial inteligente: un ecosistema de 4 agentes especializados orquestados con LangGraph que transforman preguntas en lenguaje natural en análisis espaciales completos. Descubre datos relevantes, genera SQL PostGIS seguro, aplica simbología cartográfica inteligente y crea visualizaciones (mapas 3D con Cesium, gráficos, tablas). Con validación humana (HITL), soporte multi-LLM (OpenAI, Azure, Anthropic) y WebSocket para actualizaciones en tiempo real. Está construido y funcionando; el repositorio todavía es privado, así que por ahora tienes que creerme — se abre cuando alguien más pueda clonarlo y correrlo de principio a fin sin ayuda.
Características
- 🤖 4 agentes especializados: DataAgent (descubrimiento), GISAgent (SQL PostGIS), SymbologyAgent (simbología), InsightsAgent (visualizaciones)
- 🔄 Orquestación LangGraph A2A: flujo de agentes inteligente con coordinación automática
- 🔍 Descubrimiento dinámico: detecta tablas y columnas de PostGIS automáticamente
- ✋ HITL (Human-in-the-Loop): validación humana para operaciones sensibles
- 🧠 Multi-LLM: soporte para OpenAI, Azure OpenAI y Anthropic
- 🗺️ Mapas 3D interactivos: visualización con CesiumJS de resultados espaciales
- 📊 Gráficos y tablas: Recharts para visualizaciones estadísticas dinámicas
- ⚡ WebSocket en tiempo real: actualizaciones instantáneas vía FastAPI
- 🎯 Frontend React + Vite: UI moderna con Zustand y Tailwind CSS
- ✅ Suite de tests con pytest, corriendo en CI
Stack tecnológico
- Backend: FastAPI 0.109+, LangGraph 0.0.20+, asyncpg, Pydantic 2.5+
- Frontend: React 18.2, Vite 5.0, Cesium.js 1.114, Recharts 2.10, Zustand 4.4, Tailwind CSS 3.4
- Datos: PostgreSQL 15 + PostGIS 3.3, Redis 7 (cache)
- LLMs: OpenAI, Azure OpenAI, Anthropic (multi-provider)
- Testing: pytest con integración continua
- DevOps: Docker Compose, Python 3.11+
- Geo: GeoPandas, Shapely, GDAL/OGR
Lo difícil
- 🎯 Diseñar flujos A2A que coordinen 4 agentes especializados de forma eficiente
- ⚡ Generar SQL PostGIS correcto, seguro y optimizado desde lenguaje natural
- 🔒 Implementar validación HITL sin sacrificar UX en operaciones críticas
- 🗺️ Renderizar geometrías complejas en 3D con Cesium sin lag
- 💰 Optimizar costos de LLMs con caché inteligente y selección de modelo
- 📊 Seleccionar simbología cartográfica automática según tipo de dato y contexto
Lo aprendido
- 🏗️ Arquitectura multi-agente escalable con LangGraph y patrón A2A
- 🧠 Integración efectiva de LLMs con bases de datos espaciales (PostGIS)
- 🛡️ Diseño de sistemas HITL que balancean seguridad y experiencia de usuario
- ⚛️ Stack moderno React + FastAPI + WebSocket para apps geoespaciales en tiempo real
- 🧪 Testing robusto para sistemas de IA: cómo probar algo no determinista sin volverse loco
- 📚 Documentación técnica completa: 8+ docs detallados (arquitectura, API, visualizaciones)