CleverBee

Navegar por el vasto mar de información en línea para encontrar respuestas fiables puede resultar abrumador. Es posible que pases horas examinando resultados de búsqueda, intentando reconstruir una comprensión coherente mientras combates la posible desinformación o las "alucinaciones" de la IA. Aquí es donde entra en juego CleverBee, ofreciendo un enfoque estructurado y transparente para la investigación impulsada por la IA.

CleverBee es un agente asistente de investigación basado en Python, construido como un proyecto de código abierto para cualquier persona curiosa sobre temas complejos. Aprovecha múltiples Modelos de Lenguaje Grande (LLM), la automatización web y una interfaz clara para ayudarte a explorar preguntas a fondo. El objetivo no es solo obtener respuestas, sino comprender cómo se obtuvieron esas respuestas, con citas claras que remiten al material original. Debido a que es de código abierto, la herramienta se beneficia de las contribuciones de la comunidad, creciendo más fuerte y versátil con el tiempo.

Capacidades Clave:

• 🧠 Estrategia Multi-LLM Especializada: CleverBee asigna diferentes tareas a distintos LLM para obtener resultados óptimos. Utiliza Gemini 1.5 Pro para la planificación de alto nivel y la síntesis del informe final, Gemini 1.5 Flash para analizar el progreso de la investigación y decidir los próximos pasos, y otra instancia de Gemini 1.5 Flash para resumir el contenido web de manera eficiente. Esta división del trabajo tiene como objetivo una mayor calidad y resultados más enfocados en cada etapa.

• 🌐 Investigación Web Automatizada: Utiliza Playwright para navegar activamente por la web en función de tu tema de investigación. Busca información relevante y extrae el contenido HTML sin procesar de las páginas prometedoras.

• 📊 Procesamiento Inteligente de Contenido: El HTML sin procesar se limpia y se convierte automáticamente al formato Markdown. Este texto estructurado es luego resumido por un LLM dedicado, lo que facilita al agente de planificación digerir la información y decidir las acciones subsiguientes.

• 🖥️ Interfaz de Usuario Interactiva: Construida con Chainlit, la interfaz de usuario web proporciona una ventana clara al proceso de investigación. Puedes ver a CleverBee planificar su enfoque, ejecutar pasos y ver exactamente qué fuentes está consultando en tiempo real.

• 🔧 Integración de Herramientas Extensible: Admite el Protocolo de Contexto del Modelo (MCP), lo que permite la integración de herramientas externas para la recopilación de datos especializados, como la obtención de transcripciones de YouTube o la búsqueda en bases de datos académicas.

• 📈 Costo y Rendimiento Transparentes: Cuenta con un seguimiento de tokens integrado para monitorear el uso de LLM y estimar los costos. También emplea el almacenamiento en caché basado en SQLite (NormalizingCache) para almacenar los resultados de llamadas LLM anteriores, lo que podría acelerar las consultas subsiguientes similares y reducir los gastos redundantes de la API.

• ⚙️ Configurable y Adaptable: Funciona según la configuración definida en un archivo config.yaml, lo que te permite adaptar su comportamiento. Su diseño modular admite varios proveedores de LLM, incluidos Google Gemini, Anthropic Claude e incluso modelos GGUF locales (como Llama, Mistral, Deepseek) que se ejecutan a través de llama-cpp-python para una mayor privacidad o uso sin conexión.

• 🌍 Código Abierto e Impulsado por la Comunidad: Disponible gratuitamente en GitHub, puedes inspeccionar el código, sugerir mejoras o contribuir directamente a su desarrollo.

Cómo CleverBee Aborda la Investigación: Un Ejemplo Práctico

Imagina que le haces a CleverBee una pregunta profunda como: "¿Cuál es el sentido de la vida?"

En lugar de dar una sola respuesta, potencialmente sesgada, CleverBee inicia un plan de investigación estructurado:

1. Planificación: El LLM principal describe una estrategia, identificando los tipos de fuentes potenciales (textos filosóficos, artículos científicos, opiniones de expertos, debates comunitarios).

2. Ejecución:

• Utiliza Playwright para buscar y acceder a recursos filosóficos relevantes y sitios web de buena reputación.

• Podría emplear una herramienta MCP para encontrar y transcribir charlas de expertos relevantes en YouTube.

• Podría explorar foros como Reddit para obtener diversas perspectivas de la comunidad.

• Otra herramienta MCP podría buscar en bases de datos académicas estudios psicológicos o científicos relacionados.

3. Procesamiento: El contenido de estas fuentes se extrae, se limpia y se resume.

4. Análisis: El LLM de "Próximo Paso" revisa los resúmenes recopilados, verifica el progreso en comparación con el plan y decide si se necesitan búsquedas más específicas.

5. Síntesis: Finalmente, el LLM principal recopila los hallazgos, sintetizando la información de las diversas fuentes en un informe equilibrado.

6. Informe: El resultado final proporciona un resumen conciso, reconoce las limitaciones y, lo que es más importante, incluye citas de todas las fuentes consultadas, lo que te permite verificar la información por ti mismo. La interfaz muestra métricas de uso de tokens para mayor transparencia.

Consideraciones Importantes

CleverBee es una herramienta diseñada para ayudar en la investigación, no para reemplazar el pensamiento crítico o la profunda experiencia en el dominio. Si bien está construido para basar sus hallazgos en fuentes fácticas y minimizar el sesgo, los modelos de IA (incluso con instrucciones específicas) aún pueden generar información incorrecta (alucinar). Siempre revisa las fuentes proporcionadas y cruza las referencias de los hallazgos, especialmente para las decisiones críticas.