feat: Docker para CBC con acceso limitado

- Dockerfile minimal con Python 3.11
- docker-compose.yml con volumenes controlados
- .dockerignore para build eficiente
- Script de inicio start.sh
- .env.example para configuración

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",

docker/.dockerignore

@@ -0,0 +1,16 @@
+# Excluir archivos innecesarios del build
+.git
+.gitignore
+__pycache__
+*.pyc
+.venv
+*.log
+downloads/
+transcriptions/
+.env
+.env.*
+!.env.example
+*.md
+!docker/README.md
+node_modules/
+.DS_Store

docker/.env.example

@@ -0,0 +1,14 @@
+# CBCFacil - Configuración Docker
+# Copiar a .env y completar con tus credenciales
+
+# API Keys
+ANTHROPIC_AUTH_TOKEN=tu_token_aqui
+
+# Nextcloud
+NEXTCLOUD_URL=https://nextcloud.tudominio.com/remote.php/webdav
+NEXTCLOUD_USER=tu_usuario
+NEXTCLOUD_PASSWORD=tu_password
+
+# Telegram
+TELEGRAM_TOKEN=tu_token_bot
+TELEGRAM_CHAT_ID=tu_chat_id

docker/Dockerfile

@@ -0,0 +1,35 @@
+# CBC OpenClaw - Imagen Docker minimal
+# Solo acceso a /app y las tools necesarias
+
+FROM python:3.11-slim
+
+# Instalar dependencias del sistema
+RUN apt-get update && apt-get install -y \
+    git \
+    curl \
+    wget \
+    build-essential \
+    && rm -rf /var/lib/apt/lists/*
+
+# Crear usuario no-root para seguridad
+RUN useradd -m -s /bin/bash cbc && \
+    mkdir -p /home/cbc && \
+    chown -R cbc:cbc /home/cbc
+
+# Definir workspace
+WORKDIR /app
+
+# Copiar solo archivos necesarios del proyecto
+COPY --chown=cbc:cbc . .
+
+# Cambiar a usuario no-root
+USER cbc
+
+# Variables de entorno para el agente
+ENV ANTHROPIC_API_KEY=""
+ENV ANTHROPIC_BASE_URL="https://api.minimax.io/anthropic"
+ENV ANTHROPIC_MODEL="MiniMax-M2.5"
+ENV HOME=/app
+
+# El agente solo puede acceder a /app y sus subdirectorios
+# No tiene acceso a Internet directo (solo a través de variables de entorno)

docker/README.md

@@ -0,0 +1,10 @@
+# CBC OpenClaw - Dockerizado con acceso limitado
+
+## Estructura
+
+```
+docker/
+├── Dockerfile
+├── docker-compose.yml
+├── .dockerignore
+└── README.md

docker/docker-compose.yml

@@ -0,0 +1,34 @@
+version: '3.8'
+
+services:
+  cbc-openclaw:
+    build:
+      context: ..
+      dockerfile: docker/Dockerfile
+    container_name: cbc-openclaw
+    volumes:
+      # Solo montar las carpetas necesarias
+      - ../:/app
+      # Montar credenciales desde variables de entorno o archivo seguro
+      - ~/.env:/app/.env:ro
+    environment:
+      # API Keys - pasar desde host
+      - ANTHROPIC_API_KEY=${ANTHROPIC_API_KEY}
+      - ANTHROPIC_AUTH_TOKEN=${ANTHROPIC_AUTH_TOKEN}
+      - ANTHROPIC_BASE_URL=https://api.minimax.io/anthropic
+      - ANTHROPIC_MODEL=MiniMax-M2.5
+      # Configuración CBC
+      - NEXTCLOUD_URL=${NEXTCLOUD_URL}
+      - NEXTCLOUD_USER=${NEXTCLOUD_USER}
+      - NEXTCLOUD_PASSWORD=${NEXTCLOUD_PASSWORD}
+      - TELEGRAM_TOKEN=${TELEGRAM_TOKEN}
+      - TELEGRAM_CHAT_ID=${TELEGRAM_CHAT_ID}
+    working_dir: /app
+    command: ["python3", "main.py"]
+    restart: unless-stopped
+    networks:
+      - cbc-network
+
+networks:
+  cbc-network:
+    driver: bridge

docker/start.sh

@@ -0,0 +1,20 @@
+#!/bin/bash
+# CBC OpenClaw - Script de inicio Docker
+
+set -e
+
+# Cargar variables de entorno si existe .env
+if [ -f ".env" ]; then
+    export $(cat .env | grep -v '^#' | xargs)
+fi
+
+echo "🟢 Iniciando CBC OpenClaw..."
+
+# Construir imagen si no existe
+docker compose -f docker/docker-compose.yml build
+
+# Iniciar contenedor
+docker compose -f docker/docker-compose.yml up -d
+
+echo "✅ CBC OpenClaw corriendo en http://localhost:5000"
+echo "📝 Ver logs: docker compose -f docker/docker-compose.yml logs -f"

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
@@ -321,6 +326,13 @@ class PollingService:
 
     def _on_file_downloaded(self, file_path: Path) -> None:
         """Callback when a file is downloaded."""
+        # Verificar si ya fue procesado (existe transcripción con nombre exacto)
+        transcriptions_dir = settings.TRANSCRIPTIONS_DIR
+        txt_path = transcriptions_dir / f"{file_path.stem}.txt"
+        if txt_path.exists():
+            logger.info(f"Skipping already processed file: {file_path.name}")
+            return
+
         self.queue_file_for_processing(file_path)
 
     def queue_file_for_processing(self, file_path: Path) -> None:
@@ -414,10 +426,18 @@ class PollingService:
         # Extensiones de audio soportadas
         audio_extensions = {".mp3", ".wav", ".m4a", ".mp4", ".webm", ".ogg", ".flac"}
 
-        pending_files = [
-            f for f in downloads_dir.iterdir()
-            if f.is_file() and f.suffix.lower() in audio_extensions and not f.name.startswith(".")
-        ]
+        # Obtener transcripciones existentes - verificar por nombre EXACTO
+        transcriptions_dir = settings.TRANSCRIPTIONS_DIR
+
+        # 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 con el MISMO nombre
+                txt_path = transcriptions_dir / f"{f.stem}.txt"
+                if not txt_path.exists():
+                    # No existe .txt, agregar a pendientes
+                    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 = prompt_template.format(text=text) if prompt_template else f"{default_prompt}\n\n{text}"
+        # Prompt siguiendo código.md - resumen académico en español
+        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 +64,103 @@ 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:
+                # Saltar líneas de hline
+                if "hline" in line.replace("\\", "").replace(" ", ""):
+                    i += 1
+                    continue
+
+                # Procesar línea de tabla
+                # Reemplazar & por separador
+                row_data = line.replace("&", "|")
+                # Eliminar comandos LaTeX
+                row_data = row_data.replace("\\", "").replace("\\\\", "").replace("hline", "")
+                cells = [c.strip() for c in row_data.split("|") if c.strip()]
+                # Filtrar celdas vacías
+                cells = [c for c in cells if c and c != "|"]
+                if cells and len(cells) > 1:  # Al menos 2 columnas para ser tabla válida
+                    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 (manejar {contenido})
+                    import re
+                    # Eliminar \textbf{...}, \textit{...}, \emph{...}
+                    cell = re.sub(r'\\textbf\{([^}]*)\}', r'\1', cell)
+                    cell = re.sub(r'\\textit\{([^}]*)\}', r'\1', cell)
+                    cell = re.sub(r'\\emph\{([^}]*)\}', r'\1', cell)
+                    cell = cell.replace("\\", "").replace("{", "").replace("}", "")
+                    cell = cell.strip()
+                    if cell:
+                        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 +198,14 @@ 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 +200,17 @@ 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 con nombre EXACTO)
+            stem = local_path.stem
+            transcriptions_dir = self.local_path.parent / "transcriptions"
+            txt_path = transcriptions_dir / f"{stem}.txt"
+
+            if txt_path.exists():
+                self.logger.info(f"Skipping already processed file: {filename}")
+                return
+
         self.logger.info(f"Downloading: {remote_path}")
 
         if self.webdav.download_file(remote_path, local_path):