⚙️ Bifrost Core Engine

---

📊 Estado actual

Semana 10/11 · ████████████████████░ 95% > Cobertura de tests: 100% (Integration & Logic)
Rendimiento: Optimizado con Índices Compuestos (PostgreSQL Tuning)
Linter/Formatter: Ruff (PEP-8, +700 reglas) - Inmaculado

---

📦 Descripción (sin humo)

Motor transaccional B2B para gestión de reservas con Arquitectura Enterprise.
Incluye un Asistente de IA (Gemini 1.5/2.0 Flash) para extracción de intenciones y normalización de fechas ISO 8601.
API stateless con JWT, diferenciación de roles (Usuario/Admin) y blindaje mediante CheckConstraints a nivel motor.

---

🏗️ Arquitectura (carpetas clave)

Carpeta	Rol
app/api	Endpoints e inyección de dependencias
routers/	Lógica de IA Assistant y Rutas Modulares
app/models/	SQLAlchemy 2.0 (Mixins de Auditoría & Enums)
app/schemas/	Pydantic V2 (Validación estricta y ConfigDict)
alembic/	Migraciones Enterprise (versionadas y probadas)
tests/	Escudo de pruebas con TestClient y validación de IA

---

🚀 Estado del Proyecto Bifrost: Hacia Producción

Categoría	Ítem Técnico	Estado
Core & DB	SQLAlchemy + PostgreSQL (Enterprise Mixins)	✅
Auth	JWT Stateless + Roles (User/Admin)	✅
Arquitectura	Diseño Modular (Clean Architecture)	✅
IA	AI Assistant (Extracción ISO 8601 & Intent)	✅
Performance	SQL Tuning (Índices Compuestos & Enums)	✅
Integridad	Restricciones Físicas (CheckConstraints SQL)	✅
Auditoría	Auditoría Automática (Created/Updated at)	✅
Testing	Pytest Coverage (Camino Feliz/Triste)	✅
Calidad	Ruff Linting (Clean Code Policy)	✅
DevOps	Dockerización Pro (Multi-stage Build)	✅
Cloud	Despliegue en AWS (ECR / App Runner / RDS)	⏳ En progreso
CI/CD	Pipeline con GitHub Actions (Auto-deploy)	⏳ Pendiente

---

🛠️ Estrategia de Calidad y Resiliencia

El proyecto implementa un pipeline de calidad basado en cuatro pilares:

1. Pruebas de Integración y Regresión (Pytest): Validación automática de endpoints, incluyendo la simulación de errores de validación (422) y la consistencia de respuestas JSON.

2. IA Structured Output: Uso de LangChain y Pydantic para garantizar que el LLM devuelva esquemas de datos deterministas, eliminando la ambigüedad en la entrada de lenguaje natural.

3. Arquitectura de Datos Blindada: Uso de Mixins para estandarizar la auditoría de tablas y Enums para restringir estados lógicos, reduciendo la entropía en la base de datos.

4. Optimización de Consultas: Implementación de índices compuestos específicos para búsquedas de rangos temporales, garantizando latencias mínimas bajo carga.

---

🧪 Métricas y pruebas (lo que importa)

Tests y cobertura

pytest                           # todos los tests
pytest --cov=app --cov-report=term tests/

📊 Pruebas de estrés (Locust)

locust -f locustfile.py --host=http://localhost:8000

Resultado verificado: 1250 RPS sostenidos en hardware de desarrollo (8 vCPUs, 16GB RAM). Sin errores de concurrencia.

Concurrencia y bloqueos

Los tests lanzan reservas simultáneas para validar que SELECT FOR UPDATE evita overbooking.
No se detectaron deadlocks en PostgreSQL 15.

Calidad estática (Ruff)

ruff check .        # análisis estático (+700 reglas)
ruff format .       # formateo automático PEP-8

Configuración en pyproject.toml.

🚀 Instalación y uso local

1. Entorno virtual

python -m venv venv
source venv/bin/activate
pip install -r requirements.txt

2. Variables de entorno (.env)

SECRET_KEY=clave_aleatoria_sin_frase_hecha
ALGORITHM=HS256
ACCESS_TOKEN_EXPIRE_MINUTES=30

3. Levantar PostgreSQL con Docker

docker run --name bifrost-db -e POSTGRES_PASSWORD=postgres -p 5432:5432 -d postgres:15
alembic upgrade head

4. Ejecutar API

uvicorn app.main:app --reload

Documentación interactiva: http://localhost:8000/docs

🛠️ Stack técnico (versiones reales)

• Python 3.12
• FastAPI 0.115+
• SQLAlchemy 2.0
• Pydantic 2.5+
• PyJWT + Passlib (bcrypt)
• Pytest + pytest-cov + httpx
• Ruff 0.6+
• Locust 2.31+
• Docker + PostgreSQL 15

---

📫 Contacto

Baltasar Blanco – baltablanco9008@gmail.com
💼 LinkedIn

Código que no se puede probar no se acepta.