fix: Mejoras en generación de PDFs y resúmenes

- Corrige PDFGenerator para pasar contenido (no ruta)
- Agrega prompt siguiendo código.md (español, estructura académica)
- Limpia thinking tokens de respuesta AI
- Agrega skip de archivos ya procesados en watcher
- Implementa tablas LaTeX en PDFs (reportlab Table)
- Agrega load_dotenv() en main.py
- Actualiza .env con MiniMax config
- Agrega transcriptions/ a .gitignore

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

core/process_manager.py

@@ -504,7 +504,7 @@ class ProcessManager:
         # Notificar resumen completado
         telegram_service.send_summary_complete(filepath.name, has_markdown=True)
 
-        # 4. Llamar a PDFGenerator.markdown_to_pdf()
+        # 4. Llam.markdown_to_pdfar a PDFGenerator()
         pdf_path = None
         try:
             from services.pdf_generator import PDFGenerator
@@ -514,7 +514,9 @@ class ProcessManager:
 
             pdf_generator = PDFGenerator()
             pdf_path = md_path.with_suffix(".pdf")
-            pdf_generator.markdown_to_pdf(str(md_path), str(pdf_path))
+            # Leer el contenido markdown y pasarlo al generator
+            markdown_content = md_path.read_text(encoding="utf-8")
+            pdf_generator.markdown_to_pdf(markdown_content, pdf_path)
 
             logger.info(
                 "PDF generado",

main.py

@@ -5,10 +5,15 @@ CBFacil - Sistema de transcripción de audio con IA y Notion
 Características:
 - Polling de Nextcloud vía WebDAV
 - Transcripción con Whisper (medium, GPU)
-- Resúmenes con IA (GLM-4.7)
+- Resúmenes con IA (MiniMax)
 - Generación de PDF
 - Notificaciones Telegram
 """
+from dotenv import load_dotenv
+
+# Cargar variables de entorno desde .env
+load_dotenv()
+
 import logging
 import os
 import sys
@@ -414,10 +419,31 @@ class PollingService:
         # Extensiones de audio soportadas
         audio_extensions = {".mp3", ".wav", ".m4a", ".mp4", ".webm", ".ogg", ".flac"}
 
-        pending_files = [
+        # Obtener transcripciones existentes para comparar
-            f for f in downloads_dir.iterdir()
+        transcriptions_dir = settings.TRANSCRIPTIONS_DIR
-            if f.is_file() and f.suffix.lower() in audio_extensions and not f.name.startswith(".")
+        processed_names = set()
-        ]
+        if transcriptions_dir.exists():
+            for f in transcriptions_dir.iterdir():
+                if f.is_file() and f.suffix == ".txt":
+                    # Extraer nombre base sin extensión
+                    processed_names.add(f.stem)
+
+        # Filtrar solo archivos que NO han sido procesados
+        pending_files = []
+        for f in downloads_dir.iterdir():
+            if f.is_file() and f.suffix.lower() in audio_extensions and not f.name.startswith("."):
+                # Verificar si ya existe transcripción para este archivo
+                file_stem = f.stem
+                # También verificar versiones con " (copy)" o similar
+                if file_stem not in processed_names:
+                    # Verificar variaciones del nombre
+                    is_processed = False
+                    for processed in processed_names:
+                        if file_stem in processed or processed in file_stem:
+                            is_processed = True
+                            break
+                    if not is_processed:
+                        pending_files.append(f)
 
         if not pending_files:
             logger.debug("No pending audio files to process")

services/ai_summary_service.py

@@ -69,8 +69,39 @@ class AISummaryService:
             logger.debug("AISummaryService not configured, returning original text")
             return text
 
-        default_prompt = "Resume el siguiente texto de manera clara y concisa:"
+        # Prompt siguiendo código.md - resumen académico en español
-        prompt = prompt_template.format(text=text) if prompt_template else f"{default_prompt}\n\n{text}"
+        default_prompt = """Eres un asistente académico especializado en crear resúmenes de estudio de alta calidad.
+
+INSTRUCCIONES OBLIGATORIAS:
+1. Escribe ÚNICAMENTE en español
+2. El resumen debe seguir esta estructura:
+   - Título y objetivo de estudio
+   - Índice con 6-12 secciones
+   - Desarrollo conceptual (definiciones, mecanismos)
+   - Casos de aplicación (ejemplos concretos)
+   - Errores frecuentes
+   - Checklist de repaso
+3. Cada concepto debe explicar: qué es, por qué importa, cómo se aplica
+4. Evita listas sin explicación - siempre incluir el "por qué"
+5. Para TABLAS usa formato LaTeX tabular:
+   \\begin{{tabular}}{{|c|l|l|}}
+   \\hline
+   Encabezado 1 & Encabezado 2 & Encabezado 3 \\\\
+   \\hline
+   dato1 & dato2 & dato3 \\\\
+   \\hline
+   \\end{{tabular}}
+6. NO uses tablas ASCII ni markdown con | pipes
+7. El resumen debe poder leerse en 15-25 minutos
+8. NO incluyas rutas de archivos ni referencias técnicas
+9. Sé conciso pero con densidad informativa útil para exámenes
+
+Transcripción de clase:
+{text}
+
+Genera el resumen siguiendo las instrucciones arriba."""
+
+        prompt = prompt_template.format(text=text) if prompt_template else default_prompt.format(text=text)
 
         payload = {
             "model": self.model,
@@ -96,6 +127,29 @@ class AISummaryService:
             result = response.json()
 
             summary = result.get("choices", [{}])[0].get("message", {}).get("content", "")
+
+            # Limpiar respuesta: eliminar thinking tokens y ruido
+            # Buscar el primer encabezado markdown y cortar ahí
+            first_header = summary.find("\n# ")
+            if first_header == -1:
+                first_header = summary.find("# ")
+            if first_header > 0:
+                summary = summary[first_header:]
+
+            # Eliminar bloques de think/error si persisten
+            lines = summary.split("\n")
+            clean_lines = []
+            skip = False
+            for line in lines:
+                if line.strip().startswith("<think>") or line.strip().endswith("</think>"):
+                    skip = True
+                    continue
+                if skip and line.strip() and not line.startswith(" "):
+                    skip = False
+                if not skip:
+                    clean_lines.append(line)
+            summary = "\n".join(clean_lines)
+
             logger.info("Summarization completed successfully (output length: %d)", len(summary))
             return summary
 

services/pdf_generator.py

@@ -5,13 +5,13 @@ Utiliza reportlab para la generación de PDFs con soporte UTF-8.
 """
 import logging
 from pathlib import Path
-from typing import Union
+from typing import Optional, Union
 
 from reportlab.lib import colors
 from reportlab.lib.pagesizes import A4
 from reportlab.lib.styles import ParagraphStyle, getSampleStyleSheet
 from reportlab.lib.units import cm
-from reportlab.platypus import Paragraph, SimpleDocTemplate, Spacer
+from reportlab.platypus import Paragraph, SimpleDocTemplate, Spacer, Table, TableStyle
 
 logger = logging.getLogger(__name__)
 
@@ -64,6 +64,92 @@ class PDFGenerator:
             .replace("\n", "<br/>")
         )
 
+    def _parse_latex_table(self, lines: list[str], start_idx: int) -> tuple[Optional[Table], int]:
+        """
+        Parsea una tabla LaTeX y la convierte a reportlab Table.
+
+        Returns:
+            (Table, end_index) - La tabla y el índice donde termina
+        """
+        # Buscar begin/end tabular
+        table_lines = []
+        i = start_idx
+        in_table = False
+
+        while i < len(lines):
+            line = lines[i].strip()
+
+            if "\\begin{tabular}" in line or "begin{tabular}" in line:
+                in_table = True
+                # Extraer especificaciones de columnas
+                col_spec = "l"
+                if "{" in line:
+                    col_spec = line.split("{")[1].split("}")[0] if "}" in line else "l"
+                table_lines.append({"type": "spec", "data": col_spec})
+                i += 1
+                continue
+
+            if "\\end{tabular}" in line or "end{tabular}" in line:
+                in_table = False
+                break
+
+            if in_table:
+                # Procesar línea de tabla
+                # Reemplazar & por separador y eliminar \\
+                row_data = line.replace("&", "|").replace("\\", "").replace("\\\\", "")
+                # Limpiar formato LaTeX básico
+                row_data = row_data.replace("hline", "").replace("\\hline", "")
+                cells = [c.strip() for c in row_data.split("|") if c.strip()]
+                if cells:
+                    table_lines.append({"type": "row", "data": cells})
+
+            i += 1
+
+        if not table_lines:
+            return None, start_idx
+
+        # Convertir a Table de reportlab
+        data = []
+        col_widths = None
+
+        for tl in table_lines:
+            if tl["type"] == "row":
+                # Limpiar celdas de LaTeX
+                row = []
+                for cell in tl["data"]:
+                    cell = cell.strip()
+                    # Eliminar comandos LaTeX restantes
+                    cell = cell.replace("\\textbf{", "").replace("}", "")
+                    cell = cell.replace("\\textit{", "")
+                    cell = cell.replace("\\emph{", "")
+                    cell = cell.strip()
+                    row.append(cell)
+                if row:
+                    data.append(row)
+
+        if not data:
+            return None, start_idx
+
+        # Crear tabla
+        try:
+            num_cols = len(data[0]) if data else 1
+            table = Table(data)
+            table.setStyle(TableStyle([
+                ('BACKGROUND', (0, 0), (-1, 0), colors.grey),
+                ('TEXTCOLOR', (0, 0), (-1, 0), colors.whitesmoke),
+                ('ALIGN', (0, 0), (-1, -1), 'LEFT'),
+                ('FONTNAME', (0, 0), (-1, 0), 'Helvetica-Bold'),
+                ('FONTSIZE', (0, 0), (-0, -1), 10),
+                ('BOTTOMPADDING', (0, 0), (-1, 0), 12),
+                ('BACKGROUND', (0, 1), (-1, -1), colors.beige),
+                ('GRID', (0, 0), (-1, -1), 1, colors.black),
+                ('VALIGN', (0, 0), (-1, -1), 'TOP'),
+            ]))
+            return table, i
+        except Exception as e:
+            logger.warning(f"Error parsing LaTeX table: {e}")
+            return None, start_idx
+
     def _parse_markdown_basic(self, markdown: str) -> list[Paragraph]:
         """
         Convierte markdown básico a una lista de Paragraphs de reportlab.
@@ -101,6 +187,14 @@ class PDFGenerator:
             # Línea horizontal
             elif line == "---" or line == "***":
                 elements.append(Spacer(1, 0.2 * cm))
+            # Tabla LaTeX
+            elif "begin{tabular}" in line or "begin{tabular" in line:
+                latex_table, end_idx = self._parse_latex_table(lines, idx)
+                if latex_table:
+                    elements.append(Spacer(1, 0.3 * cm))
+                    elements.append(latex_table)
+                    elements.append(Spacer(1, 0.3 * cm))
+                    idx = end_idx - 1  # Saltar las líneas de la tabla
             # Lista con guiones
             elif line.startswith("- ") or line.startswith("* "):
                 text = self._escape_xml(line[2:])

watchers/folder_watcher.py

@@ -200,6 +200,26 @@ class RemoteFolderWatcher:
         remote_path = f"{self.remote_path}/{filename}"
         local_path = self.local_path / filename
 
+        # Verificar si ya existe el archivo localmente
+        if local_path.exists():
+            # Verificar si ya fue procesado (existe transcripción)
+            stem = local_path.stem
+            transcriptions_dir = self.local_path.parent / "transcriptions"
+            processed = False
+
+            if transcriptions_dir.exists():
+                for f in transcriptions_dir.iterdir():
+                    if f.suffix == ".txt" and stem in f.stem:
+                        processed = True
+                        break
+
+            if processed:
+                self.logger.info(f"Skipping already processed file: {filename}")
+                return
+            else:
+                # Existe pero no procesado, re-descargar
+                self.logger.info(f"Re-downloading incomplete file: {filename}")
+
         self.logger.info(f"Downloading: {remote_path}")
 
         if self.webdav.download_file(remote_path, local_path):