Apéndice K — Infraestructura técnica y reproducibilidad
Fecha: agosto 2025 Anexo: K. Infraestructura técnica y reproducibilidad Función: documenta las versiones de software, el entorno Python, los modelos de IA y el hardware utilizados en la producción editorial del libro, por transparencia metodológica Palabras clave: Reproducibilidad, Quarto, XeLaTeX, Python, IA local, Ollama, Infraestructura técnica
Este anexo documenta la infraestructura técnica completa utilizada en la producción editorial del libro: versiones de software, entorno Python, modelos de inteligencia artificial y hardware. Se incluye por transparencia metodológica y reproducibilidad, conforme a las buenas prácticas de investigación abierta. {#sec-colofonth-k}
K.1 Formato y compilación
El libro está construido como un proyecto Quarto book que comparte una única fuente en Markdown extendido (.qmd) para generar simultáneamente un sitio web estático (HTML) y un PDF impreso. El pipeline de compilación es:
.qmd → pandoc (AST) → { HTML5 + CSS , LaTeX → xelatex → PDF }| Componente | Versión | Función |
|---|---|---|
| Quarto | 1.8.27 | Sistema de publicación científica multiformato. Proyecto tipo book. |
| Pandoc | 3.7.0 | Parser de Markdown y conversor universal. Filtros: citeproc (APA 7). |
| TeX Live | 2025 | Distribución TeX: XeLaTeX, fontspec, hyperref, etc. |
| XeLaTeX | 3.141592653-2.6-0.999997 | Motor TeX con soporte Unicode y OpenType para el PDF. |
La configuración del proyecto define documentclass: scrbook (KOMA-Script) con DIV=12, papersize: a4, márgenes 16/16/16/18 mm, fontsize: 8.5pt y linestretch: 1.15. El HTML usa el tema cosmo con hoja de estilos personalizada. La gestión bibliográfica se realiza con Zotero y Better BibTeX, exportando a references.bib con formato APA 7.ª edición via CSL.
K.2 Control de versiones
El código fuente del libro está versionado con Git y disponible en https://github.com/arcoirisrd/fondocyt-haina-libro. El repositorio de trabajo completo del proyecto (incluyendo datos, informes y material bruto) es privado. El PDF se compila localmente con XeLaTeX por dependencia de las fuentes IBM Plex en _recursos/fonts/.
K.3 Entorno Python
El repositorio incluye un virtualenv .venv con Python 3.14.3 para scripts auxiliares de normalización, extracción de documentos, consultas a Zotero y orquestación MCP.
.venv.
| Paquete | Versión | Función |
|---|---|---|
| python-docx | 1.2.0 | Lectura de .docx canónicos del corpus |
| python-pptx | 1.0.2 | Extracción de texto e imágenes de presentaciones |
| pdfplumber | 0.11.9 | Parseo de PDFs (informes, cartografía) |
| Pillow (PIL) | 12.2.0 | Generación de hojas de contacto fotográficas |
| pyzotero | 1.11.0 | Cliente Python de la API de Zotero |
| bibtexparser | 1.4.4 | Manipulación programática de references.bib |
| zotero-mcp-server | 0.3.0 | Servidor MCP para integración Zotero con agentes IA |
| fastmcp | 3.2.3 | Framework para servidores MCP locales |
| openpyxl | 3.1.5 | Lectura de hojas de cálculo del proyecto |
| numpy | 2.4.4 | Operaciones numéricas auxiliares |
| PyYAML | 6.0.3 | Lectura y escritura de YAML y frontmatter |
K.4 Infraestructura de IA local
Para el procesamiento de datos sensibles del proyecto (encuestas domiciliarias, transcripciones, imágenes de campo, normativa y documentos internos) se utilizó un stack de IA completamente local, ejecutado en infraestructura propia y sin envío de información a servicios externos. La infraestructura computacional clave del proyecto incluye dos tarjetas gráficas NVIDIA GeForce RTX 5090 (32 GB VRAM) adquiridas con cargo al presupuesto FONDOCYT 2023-1-3A13-0725: una se destinó al servidor de inferencia y la otra a la estación de trabajo editorial. Estas GPU permitieron la ejecución local de modelos de lenguaje y visión de hasta 70B parámetros en cuantización Q4-Q5, así como el procesamiento OCR masivo de documentos escaneados, manteniendo los datos del proyecto dentro del entorno controlado del consorcio.
K.4.1 Servidor de IA
| Capa | Componentes | Uso en el proyecto |
|---|---|---|
| Hardware | AMD Ryzen 9 5950X (16c/32t). 128 GB DDR4. NVIDIA RTX 5090 32 GB VRAM | Ejecución local de modelos 30-70B parámetros |
| OS | Ubuntu Server 24.04 LTS. Driver NVIDIA 550+. CUDA 12.8 | Base del stack CUDA |
| Runtimes | Python. Docker + NVIDIA Container Toolkit | Aislamiento de servicios |
| Modelo runtime | Ollama 0.17+ (servicio systemd, puerto 11434) | Servidor HTTP local para modelos de lenguaje y visión |
| Frontend | Open WebUI (Docker) con RAG integrado | Interfaz web del equipo con chat y carga de documentos |
| Fine-tuning | LLaMA-Factory, Unsloth Studio | Evaluado, no usado para contenido del libro |
| Modelo | Uso en el proyecto |
|---|---|
gemma4:26b-a4b |
Motor OCR canónico del proyecto. Extracción de tablas y texto denso. |
gemma3:27b |
Fallback VLM y modelo de redacción larga. |
qwen3:32b |
Razonamiento estructurado, análisis de normativa urbana. |
qwen3-coder:30b |
Generación y revisión de scripts Python. |
deepseek-r1:32b |
Razonamiento para análisis espacial. |
nomic-embed-text |
Embeddings para el RAG sobre el corpus del proyecto. |
| DeepSeek-OCR-2 (vLLM) | OCR especializado de alto volumen (informes escaneados, cartografía histórica). |
K.4.2 Estación de trabajo editorial
| Componente | Especificación |
|---|---|
| CPU | AMD Ryzen (Family 26, Model 68), 32 hilos a ~4.3 GHz |
| Memoria | 128 GB DDR4 |
| GPU | NVIDIA GeForce RTX 5090, 32 GB VRAM |
| Almacenamiento | NVMe Samsung 980 PRO 2 TB · NVMe WD_BLACK SN850X 4 TB |
| Sistema operativo | Windows 11 Pro for Workstations (build 26200) |
| Entorno Linux | WSL2 con Ubuntu 24.04 para scripts bash y pipeline Quarto |
K.5 Trazabilidad bibliográfica
La bibliografía externa citada en este libro reside en la biblioteca Zotero del proyecto FONDOCYT. Cada referencia está vinculada a su PDF original, notas de lectura y anotaciones internas. Como acompañamiento a este informe final se está preparando un repositorio abierto con los PDFs de la biblioteca Zotero (respetando licencias y derechos de los editores), de modo que cualquier lector pueda consultar las fuentes primarias y verificar la evidencia detrás de cada afirmación.
K.6 Reproducibilidad
El código fuente de este libro (Quarto, LaTeX, Python), la bibliografía (references.bib) y los datos derivados están versionados con Git. Todas las herramientas de software, modelos abiertos y tipografías utilizadas son libres u open source, lo que permite reproducir íntegramente el resultado a partir del código fuente y los datos asociados sin dependencia de servicios comerciales.