Lógica de Resolución con IA

El componente más innovador del servidor es su capacidad para deducir la identidad de aplicaciones basándose en firmas estructurales, utilizando modelos de lenguaje avanzados.

El Procesador de Tareas (TaskProcessorService)

Este servicio es un componente programado (@Scheduled) que opera de forma cíclica:

Sondeo: Busca tareas en estado QUEUE con la fecha de creación más antigua.
Bloqueo Optimista: Cambia el estado a PROCESSING para evitar que otras instancias procesen la misma tarea.
Delegación: Envía los metadatos al motor de IA.

Integración con Google Gemini (Batch API)

El servidor utiliza la SDK oficial de Google GenAI para procesar peticiones masivas mediante la API Batch de Gemini. El flujo es el siguiente:

Preparación (JSONL): Se convierte la lista de rutas desconocidas en un archivo local .jsonl. Cada línea del archivo representa una petición HTTP individual estructurada para la API de Gemini, lo que permite realizar cientos o miles de clasificaciones concurrentes de forma extremadamente económica.

En cada línea del .jsonl se inyecta: * El identificador único de la petición local (ej. req_item_temporal_1). * Los dotfiles específicos que la IA debe analizar. * El System Prompt con el rol y reglas de clasificación. * La configuración de generación (generationConfig), forzando una salida estructurada (responseSchema) y desactivando los pensamientos visibles (thinking_config.include_thoughts = false) para optimizar el consumo de tokens y el rendimiento del parseo.

##### Ejemplo de Petición por Lotes básica (Dos solicitudes en formato JSONL) (Nota: En el archivo real, cada línea debe estar en una única línea de texto contigua, aquí formateada para facilitar la lectura):

{"id":"req_item_temporal_1","request":{"contents":[{"role":"user","parts":[{"text":"{\"item_temporal_1\":{\"path\":\".op\",\"type\":\"folder\"}}"}]}],"systemInstruction":{"parts":[{"text":"Actúa como un experto en administración de sistemas GNU/Linux (específicamente Arch, Manjaro y Debian) y profundo conocedor del estándar XDG Base Directory. Tu tarea es analizar un objeto JSON... [PROMPT COMPLETO]"}]},"generationConfig":{"responseMimeType":"application/json","thinking_config":{"include_thoughts":false,"thinking_budget":4000},"responseSchema":{"type":"OBJECT","properties":{"apps":{"type":"ARRAY","items":{"type":"OBJECT","properties":{"app_key":{"type":"STRING"},"app_name":{"type":"STRING"},"category":{"type":"STRING"},"subcategory":{"type":"STRING"},"files_info_json":{"type":"ARRAY","items":{"type":"OBJECT","properties":{"path":{"type":"STRING"},"type":{"type":"STRING"}},"required":["path","type"]}},"packages_json":{"type":"ARRAY","items":{"type":"STRING"}}},"required":["app_key","app_name","category","subcategory","files_info_json","packages_json"]}}},"required":["apps"]}}}}
{"id":"req_item_temporal_2","request":{"contents":[{"role":"user","parts":[{"text":"{\"item_temporal_2\":{\"path\":\".config/custom_app\",\"type\":\"folder\"}}"}]}],"systemInstruction":{"parts":[{"text":"Actúa como un experto en administración de sistemas GNU/Linux (específicamente Arch, Manjaro y Debian) y profundo conocedor del estándar XDG Base Directory. Tu tarea es analizar un objeto JSON... [PROMPT COMPLETO]"}]},"generationConfig":{"responseMimeType":"application/json","thinking_config":{"include_thoughts":false,"thinking_budget":4000},"responseSchema":{"type":"OBJECT","properties":{"apps":{"type":"ARRAY","items":{"type":"OBJECT","properties":{"app_key":{"type":"STRING"},"app_name":{"type":"STRING"},"category":{"type":"STRING"},"subcategory":{"type":"STRING"},"files_info_json":{"type":"ARRAY","items":{"type":"OBJECT","properties":{"path":{"type":"STRING"},"type":{"type":"STRING"}},"required":["path","type"]}},"packages_json":{"type":"ARRAY","items":{"type":"STRING"}}},"required":["app_key","app_name","category","subcategory","files_info_json","packages_json"]}}},"required":["apps"]}}}}

##### El Esquema de Salida Estructurada (responseSchema) Para garantizar que la IA nunca alucine con llaves ausentes o devuelva explicaciones conversacionales que romperían el parseador de Java, se le obliga al LLM a seguir un esquema JSON estricto mediante la especificación de un responseSchema en la petición. Este es el esquema exacto generado programáticamente en el backend:

{
  "type": "OBJECT",
  "properties": {
    "apps": {
      "type": "ARRAY",
      "description": "Lista de aplicaciones identificadas para los dotfiles proporcionados.",
      "items": {
        "type": "OBJECT",
        "properties": {
          "app_key": { 
            "type": "STRING", 
            "description": "Identificador único y normalizado para la aplicación (ej. '1password_cli')."
          },
          "app_name": { 
            "type": "STRING", 
            "description": "Nombre legible de la aplicación (ej. '1Password CLI')."
          },
          "category": { 
            "type": "STRING", 
            "description": "Categoría principal. Debe ser una de las especificadas en el Prompt."
          },
          "subcategory": { 
            "type": "STRING", 
            "description": "Subcategoría específica de la aplicación."
          },
          "files_info_json": {
            "type": "ARRAY",
            "items": {
              "type": "OBJECT",
              "properties": {
                "path": { "type": "STRING" },
                "type": { "type": "STRING" }
              },
              "required": ["path", "type"]
            }
          },
          "packages_json": {
            "type": "ARRAY",
            "items": {
              "type": "STRING"
            }
          }
        },
        "required": [
          "app_key", 
          "app_name", 
          "category", 
          "subcategory", 
          "files_info_json", 
          "packages_json"
        ]
      }
    }
  },
  "required": ["apps"]
}

Snippet del System Prompt utilizado:

Actúa como un experto en administración de sistemas GNU/Linux (específicamente Arch, Manjaro y Debian) y profundo conocedor del estándar XDG Base Directory.
Tu tarea es analizar un objeto JSON de entrada que describe la aplicación y sus archivos o directorios de configuración (dotfiles) en el directorio ~/. Debes devolver un objeto JSON corregido y completado bajo las siguientes reglas estrictas:
Reglas de Ejecución:
Cero Alucinaciones: Basa tus decisiones estrictamente en el comportamiento real del software en distribuciones Linux. Si desconoces la aplicación o no estás 100% seguro de si un path es un fichero o un directorio, asigna el valor "Unknown" en la clave "type" en lugar de inventarlo.
category: Asigna obligatoriamente UNA de las siguientes categorías principales: Development, System, Network, Multimedia, Games, Productivity, Security, Utilities.
subcategory: Asigna una subcategoría coherente que dependa de la categoría principal...
Evaluación de paths: Evalúa cada elemento dentro del array de files_info_json. Determina si el path históricamente corresponde a un archivo ("type": "file") o a un directorio ("type": "folder"). Por ejemplo: .zshrc es file, mientras que .ssh o .config son folder.

2. Subida y Ejecución: El archivo se sube a los servidores de Google y se crea un BatchJob asíncrono, utilizando el modelo de inferencia (ej. gemini-3.1-flash-lite-preview). 3. Sondeo: El servicio comprueba periódicamente el estado del trabajo Batch en la nube. 4. Consolidación: Una vez completado, se descargan los resultados estructurados (JSON), se limpian posibles alucinaciones o marcados Markdown, y se guardan las nuevas aplicaciones y rutas en la base de datos central. En este paso se persiste recursivamente la estructura del conocimiento:

Se crea o recupera la CategoryApp (ej. Development).
Se crea o recupera la subcategoría CategoryApp (ej. IDEs) asociada al padre.
Se registra la KnownAppReference con los detalles parseados.
Se desglosa el JSON para indexar individualmente cada ruta en la tabla app_file_references, garantizando búsquedas en O(1) para futuros escaneos. Finalmente, se marca la tarea como COMPLETE y se guarda el JSON final en resultData.