Procesador y Agentes IA

Motor de inteligencia artificial que consume mensajes agrupados, clasifica intenciones y ejecuta lógica de negocio con Google Gemini

Descripción General

El flujo Procesador es el cerebro de la automatización de Lurwis. Funciona de manera asíncrona al flujo Receptor, consumiendo mensajes agrupados desde Redis y orquestando múltiples agentes de inteligencia artificial especializados. Utiliza Google Gemini como modelo de lenguaje principal, MongoDB para memoria conversacional persistente, y PostgreSQL para gestión transaccional de pedidos.

Arquitectura basada en agentes: El sistema utiliza 5 agentes especializados (Clasificador, Detector, Pedidos, Reservas Mesas, Reservas Local, General) cada uno con su propia memoria y herramientas.

Trigger: Schedule Cron

Nodo: Schedule Trigger

El flujo NO depende de webhooks externos, sino que se ejecuta automáticamente mediante un trigger de tipo Schedule:

• Intervalo: Cada 10 segundos
• Configuración: secondsInterval: 10
• Propósito: Buscar activamente en Redis usuarios con mensajes pendientes de procesar

Diseño asíncrono: El intervalo de 10 segundos es intencional para permitir que el flujo Receptor agrupe múltiples mensajes cortos enviados en rápida sucesión.

Flujo de Trabajo Completo

1. Paso 1: Búsqueda de Usuarios Activos en Redis
2. Nodo: Redis: Buscar usuarios activos (Redis Keys)
3. // Operación: Keys
   // Patrón: "ts_*"
   

4. Busca todas las claves que comienzan con ts_ (timestamps de usuarios con mensajes pendientes).
5. Respuesta ejemplo:
6. {
     "ts_51900769907": "1771550707733",
     "ts_51987654321": "1771550710245"
   }
   

7. Paso 2: Expansión de Usuarios
8. Nodo: Code: Expandir usuarios (JavaScript Code)
9. Transforma el objeto de Redis en un array de items individuales para procesar cada usuario:
10. const result = $input.first().json;
    const keys = Object.keys(result).filter(k => k.startsWith('ts_'));
    
    if (keys.length === 0) return [];
    
    return keys.map(key => ({
      json: {
        tsKey: key,                             // "ts_51900769907"
        userId: key.replace('ts_', ''),        // "51900769907"
        bufferKey: key.replace('ts_', 'buffer_'), // "buffer_51900769907"
        metaKey: key.replace('ts_', 'meta_')   // "meta_51900769907"
      }
    }));
    

11. Split en múltiples ejecuciones: n8n ejecuta los siguientes nodos una vez por cada usuario en paralelo.

12. Paso 3: Validación de Tiempo de Espera
13. Nodo: Redis: Leer Timestamp → If
14. Lee el timestamp del último mensaje y verifica que hayan pasado más de 8 segundos desde el último mensaje del usuario:
15. // Condición
    Date.now() - Number($json.value) > 8000
    

16. Lógica:
18. Balance crucial: 8 segundos es el equilibrio entre respuesta rápida y evitar cortar al usuario mientras escribe.

19. Paso 4: Lectura y Limpieza del Buffer
20. 4.1 Lectura de Datos
21. Tres nodos Redis en paralelo:
23. Consumo atómico: Los datos se leen y eliminan inmediatamente para evitar procesamiento duplicado.

24. 4.2 Formateo de Datos
25. Nodo: Extractormensajes (JavaScript Code)
26. Transforma los datos de Redis en el formato esperado por los agentes:
27. const bufferData = $('Redis: Leer Buffer').item.json;
    const metaData   = $('Redis: Leer Meta').item.json;
    const userData   = $('Code: Expandir usuarios').item.json;
    
    const rawBuffer   = bufferData.value || '';
    const idMensajero = metaData.value  || '947279508470714';
    
    // Unir mensajes separados por \n en un solo texto con espacios
    const mensajesUnidos = rawBuffer
      .split('\n')
      .map(m => m.trim())
      .filter(m => m.length > 0)
      .join(' ');
    
    // Guardia: si no hay mensaje, detener sin error
    if (!mensajesUnidos || mensajesUnidos.length === 0) return [];
    
    return {
      json: {
        from: userData.userId,
        'text.body': mensajesUnidos,
        text: { body: mensajesUnidos },
        'id mensajero': idMensajero,
        'id cliente': `buf_${Date.now()}`,
        profile_name: 'Cliente',
        buffered: true,
        messageCount: rawBuffer.split('\n').filter(m => m.trim()).length
      }
    };
    

28. Ejemplo de transformación:
30. Paso 5: Control de Horario de Atención
31. Nodo: Verificar Horario (If) — Mencionado en documentación original
32. Antes de procesar la intención, verifica la hora actual del servidor (Zona horaria: America/Lima):
34. Nota: Este nodo no aparece explícitamente en el JSON del workflow pero está documentado en la especificación original. Puede estar implementado en una versión anterior o ser parte de lógica futura.

35. Paso 6: Validación de Pedido Pendiente
36. Nodo: Validar si tiene pedido o no (PostgreSQL)
37. Consulta la base de datos para verificar si el cliente tiene un pedido activo:
38. SELECT id, detalle_pedido, total_final, estado_pedido 
    FROM pedidos_picanteria 
    WHERE TRIM(telefono) = TRIM('{{ $('Extractormensajes').item.json.from }}')
    AND estado_pedido NOT IN ('entregado', 'cancelado')
    LIMIT 1
    

39. Configuración:
41. Bifurcación según resultado
42. Nodo: ¿Tiene Pedido Pendiente? (If)
43. // Condición
    $json.id !== empty
    

45. Paso 7A: Flujo con Pedido Existente
46. Nodo: Detector de pedidos (AI Agent)
47. Propósito: Distinguir si el cliente quiere:
49. System Prompt (resumido):
50. Analiza la intención del cliente:
    
    Si el cliente quiere:
    - Hacer un pedido nuevo
    - Modificar su pedido actual
    - Añadir más productos
    Responde: "ACCIÓN:MODIFICAR - [explicación]"
    
    Si el cliente SOLO quiere:
    - Saber el estado de su pedido
    - Consultar información
    Responde: "ACCIÓN:CONSULTAR - El estado actual es: {{ estado_pedido }}"
    

51. Memoria: MongoDB Collection historial_detector
52. Análisis de Intención
53. Nodo: Analizador Intención Flexible (JavaScript Code)
54. Procesa la respuesta del agente y categoriza usando palabras clave:
55. const respuesta = $json.output.toLowerCase();
    
    // Palabras clave que indican modificación
    const palabrasModificar = [
      'modificar', 'cambiar', 'añadir', 'agregar',
      'actualizar', 'editar', 'quiero', 'comprar',
      'pedir', 'delivery', 'pedido', 'orden'
    ];
    
    // Palabras clave que indican solo consulta
    const palabrasConsultar = [
      'estado', 'consultar', 'saber', 'información',
      'cuánto falta', '¿cómo va', 'avance'
    ];
    
    // Contar coincidencias y decidir
    let accion = (puntosModificar > puntosConsultar) ? "MODIFICAR" : "CONSULTAR";
    
    return {
      json: {
        output: $json.output,
        accion: accion,
        puntos_modificar: puntosModificar,
        puntos_consultar: puntosConsultar
      }
    };
    

56. Bifurcación de Acción
57. Nodo: ¿Qué eligió el cliente? (Switch)
59. Paso 7B: Flujo sin Pedido (Normal)
60. Nodo: Agente Clasificador (AI Agent)
61. Propósito: Categorizar la intención del mensaje en una de 4 rutas principales.
62. System Prompt (simplificado):
63. Eres un clasificador experto de intenciones para un restaurante.
    
    ⚠️ REGLA DE ORO (PRIORIDAD MÁXIMA):
    Si el usuario menciona palabras como "pedido", "pedir", "comer", "hambre", 
    "quiero", "menú" o nombres de comida, la categoría ES "PEDIDOS".
    
    ⚠️ REGLA DE CONTINUIDAD:
    Revisa el historial. Si ya clasificaste como PEDIDOS y el mensaje actual 
    es una respuesta dentro de ese flujo (nombre, dirección, confirmación), 
    responde con LA MISMA categoría.
    
    Categorías:
    1. PEDIDOS (Prioridad Alta)
    2. RESERVAS_MESA
    3. RESERVAS_LOCAL
    4. GENERAL (Prioridad Baja)
    
    Responde SOLO con: PEDIDOS, RESERVAS_MESA, RESERVAS_LOCAL o GENERAL.
    

64. Memoria: MongoDB Collection historial_clasificador Modelo: Google Gemini (fast model para clasificación rápida)
65. Contexto conversacional: El agente recuerda conversaciones previas del mismo número de teléfono, permitiendo continuidad en flujos multi-mensaje.

66. Paso 8: Enrutamiento a Agentes Especializados
67. Nodo: Clasificador especializado a cada Agente (Switch)
68. Dirige el flujo según la clasificación:
69. OutputAgente DestinoEstadoPEDIDOSAgente Pedidos✅ Producción (lógica completa)GENERALAgente General✅ ProducciónRESERVAS_MESAAgente Reserva Mesas⚠️ En desarrollo (falta lógica)RESERVAS_LOCALAgente Reservas Local⚠️ En desarrollo (falta lógica)
70. Paso 9: Agentes Especializados
71. 9.1 Agente Pedidos (Producción)
72. Nodo: Agente Pedidos (AI Agent)
73. Rol: Wilson, asistente de pedidos de Picantería Lurwis
74. Características:
76. System Prompt (puntos clave):
77. Ver reglas principales del Agente Pedidos

    <REGLAS_DE_FORMATO>
    - NUNCA incluyas texto técnico como "[Used tools:" o "Tool:"
    - Respuesta es SOLO el mensaje final para WhatsApp
    - Usa *negrita* ÚNICAMENTE para:
      1. Total final
      2. Palabra "confirmo"
      3. Tipo de servicio (Recojo/Delivery)
      4. Método de pago
      5. Nombre del cliente
    </REGLAS_DE_FORMATO>
    
    <LIMITES_DEL_MENU>
    ⚠️ REGLA DE SENTIDO COMÚN:
    Eres asistente de PICANTERÍA (pescados, mariscos, comida criolla).
    - Si piden pizza, hamburguesa, pollo a la brasa, sushi: RECHAZAR amablemente
    - No digas "voy a buscar" esos platos
    - Ofrece categorías reales con humor
    </LIMITES_DEL_MENU>
    
    <POLITICA_DE_PRECIOS>
    - Precios de 'verificar_plato' son SAGRADOS
    - Si cliente regatea: RECHAZA el descuento, pregunta si acepta precio oficial
    - NO pidas "confirmo" hasta que acepte el precio
    </POLITICA_DE_PRECIOS>
    
    <FLUJO_OBLIGATORIO>
    1. Obtener nombre completo del cliente
    2. Navegar por categorías y platos usando herramientas
    3. Calcular subtotales con verificar_plato
    4. Preguntar método de pago (Yape/Plin/Efectivo/Tarjeta)
    5. Preguntar tipo de servicio (Delivery con dirección / Recojo en local)
    6. EXIGIR palabra exacta "confirmo" del cliente
    7. Generar JSON con estructura:
    {
      "nombre": "string",
      "direccion": "string o 'Recojo en local'",
      "pedido": "string descriptivo",
      "total": number,
      "metodopago": "string",
      "tiposervicio": "Delivery o Recojo"
    }
    </FLUJO_OBLIGATORIO>
    
78. Herramientas PostgreSQL:
79. Ver queries SQL de las herramientas

    1. consultar_categorias

    SELECT id, nombre 
    FROM categorias 
    WHERE activo = true 
    ORDER BY id
    

    2. consultar_platos

    SELECT 
      p.id,
      p.nombre,
      p.descripcion,
      json_agg(
        json_build_object('tamanio', pp.tamanio, 'precio', pp.precio)
        ORDER BY pp.precio
      ) AS precios
    FROM platos p
    JOIN plato_precios pp ON pp.plato_id = p.id
    WHERE p.categoria_id = {{ $fromAI('categoriaid', 'ID numérico de la categoría elegida', 'number') }}
    AND p.activo = true
    AND pp.activo = true
    GROUP BY p.id, p.nombre, p.descripcion
    ORDER BY p.nombre
    

    3. verificar_plato

    SELECT 
      p.nombre,
      pp.tamanio,
      pp.precio AS precio_unitario,
      {{ $fromAI('cantidad', 'Cantidad de unidades, default 1', 'number') }}::int AS cantidad,
      (pp.precio * {{ $fromAI('cantidad', 'Cantidad, default 1', 'number') }}::int) AS subtotal
    FROM platos p
    JOIN plato_precios pp ON pp.plato_id = p.id
    WHERE p.id = {{ $fromAI('platoid', 'ID numérico del plato', 'number') }}
    AND LOWER(pp.tamanio) = LOWER('{{ $fromAI('tamanio', 'Tamaño: Personal, Familiar o Único', 'string') }}')
    AND p.activo = true
    AND pp.activo = true
    
80. 9.2 Agente General (Producción)
81. Nodo: Agente General (AI Agent)
82. Rol: Wilson - Info, especialista en atención al cliente
83. Características:
85. System Prompt (reglas clave):
86. <reglas_criticas>
    1. SILENCIO SOBRE HERRAMIENTAS: NUNCA digas "voy a consultar" o "déjame revisar"
    2. Ejecuta herramientas de forma invisible
    3. NO ALUCINAR: NUNCA inventes horarios, direcciones o precios
    4. Si preguntan cosas fuera de contexto (precios, disponibilidad), deriva a otras áreas
    </reglas_criticas>
    
    <regla_de_derivacion>
    Si notas intención de compra, di EXACTAMENTE:
    "Si deseas ver nuestro menú y ordenar, por favor responde: *Quiero hacer un pedido* 📝🦐"
    </regla_de_derivacion>
    

87. Información que maneja:
89. 9.3 Agente Reserva Mesas (En Desarrollo)
90. Nodo: Agente Reserva Mesas (AI Agent)
91. Estado: ⚠️ Lógica pendiente, collections de MongoDB por crear
92. Propósito: Gestionar reservas de mesas (2-12 personas)
94. 9.4 Agente Reservas Local (En Desarrollo)
95. Nodo: Agente Reservas Local (AI Agent)
96. Estado: ⚠️ Lógica pendiente, collections de MongoDB por crear
97. Propósito: Gestionar alquiler de local para eventos
99. Paso 10: Procesamiento de Pedidos Confirmados
100. 10.1 Extracción de Datos del Agente
101. Nodo: Code in JavaScript
102. Procesa la salida del Agente Pedidos para extraer el JSON estructurado:
103. const agenteOutput = $('Agente Pedidos').first()?.json?.output ?? '';
     const textoUsuario = $('Extractormensajes').first().json.text?.body ?? '';
     
     // DETECCIÓN CONFIRMACIÓN ESTRICTA
     const esConfirmacion = /\bconfirm[oa]\b/i.test(textoUsuario);
     
     // Si NO dijo "confirmo", forzar totalfinal = 0 (NO va a DB)
     if (!esConfirmacion) {
         return [{ json: {
             output: agenteOutput,
             totalfinal: 0,  // FRENO DE MANO
             from: datosUsuario.from,
             'id mensajero': datosUsuario.idMensajero
         }}];
     }
     
     // SI DIJO CONFIRMO, extraer JSON
     const matchJSON = agenteOutput.match(/\{[\s\S]*?\}/);
     if (matchJSON) {
         try {
             datosParsed = JSON.parse(matchJSON[0]);
         } catch(e) {}
     }
     
     const totalFinal = parseFloat(datosParsed?.total ?? 0) || 0;
     
     // Ocultar JSON del mensaje al cliente
     const outputFinal = agenteOutput.replace(/\{[\s\S]*?\}/g, '').trim();
     
     return [{ json: {
       output: outputFinal,
       nombre: datosParsed?.nombre,
       direccion: datosParsed?.direccion,
       pedidodetallado: datosParsed?.pedido,
       total: totalFinal,
       metodopago: datosParsed?.metodopago,
       tiposervicio: datosParsed?.tiposervicio,
       totalfinal: totalFinal,
       from: datosUsuario.from,
       'id mensajero': datosUsuario.idMensajero
     }}];
     

104. Validación clave:
106. 10.2 Validación de Venta Final
107. Nodo: ¿Es Venta Final? (If)
108. // Condición
     $json.totalfinal > 0
     

110. 10.3 Determinar Operación (Insert o Update)
111. Nodo: ¿Es pedido nuevo o existente? (If)
112. // Condición
     $('Validar si tiene pedido o no').first().json.id !== empty
     

114. 10.4 Modificar Pedido Existente
115. Nodo: Modificar Pedido (PostgreSQL)
116. UPDATE pedidos_picanteria 
     SET 
       cliente_nombre = '{{ $json.nombre }}',
       detalle_pedido = '{{ JSON.stringify({descripcion: $json.pedidodetallado}) }}'::jsonb,
       total_final = {{ $json.total }},
       metodo_pago = '{{ $json.metodopago }}',
       tipo_servicio = '{{ $json.tiposervicio }}',
       estado_pedido = 'confirmado'
     WHERE id = '{{ $('Validar si tiene pedido o no').first().json.id }}'::uuid
     RETURNING id;
     

117. Manejo de error:
119. 10.5 Insertar Pedido Nuevo
120. Nodo: Insertar Pedido (PostgreSQL) — Mencionado en spec original, no visible en JSON
121. INSERT INTO pedidos_picanteria (
       telefono,
       cliente_nombre,
       detalle_pedido,
       total_final,
       metodo_pago,
       tipo_servicio,
       estado_pedido,
       fecha_creacion
     ) VALUES (
       '{{ $json.from }}',
       '{{ $json.nombre }}',
       '{{ JSON.stringify({descripcion: $json.pedidodetallado}) }}'::jsonb,
       {{ $json.total }},
       '{{ $json.metodopago }}',
       '{{ $json.tiposervicio }}',
       'confirmado',
       NOW()
     )
     RETURNING id;
     

122. Manejo de error:
124. Paso 11: Notificaciones Finales por WhatsApp
125. Mensaje de Pedido Confirmado (Nuevo)
126. Nodo: Enviar mensaje FInal nuevo Pedido (WhatsApp)
127. ¡Pedido Confirmado! ✅
     
     Hola {{ nombre }} 👋, hemos recibido tu orden exitosamente ¡tu orden ya está en cocina! 👨‍🍳.
     
     🧾 *Resumen del Pedido:*
     {{ pedidodetallado }}
     
     💰 *Total a pagar:* S/ {{ total }}
     💳 *Método de pago:* {{ metodopago }}
     🛵 *Tipo de servicio:* {{ tiposervicio }}
     
     En cuanto su pedido esté listo le avisaremos 💫.
     Gracias por su compra, Picantería Lurwis les desea buen provecho 🦐
     

128. Mensaje de Pedido Modificado
129. Nodo: Enviar mensaje FInal Modificado (WhatsApp)
130. ¡Pedido modificado Confirmado! ✅
     
     Listo! {{ nombre }} 👋, hemos actualizado tu orden correctamente con los cambios. Así quedó tu pedido final:
     
     🧾 *Nuevo resumen del Pedido:*
     {{ pedidodetallado }}
     
     💰 *Total a pagar:* S/ {{ total }}
     💳 *Método de pago:* {{ metodopago }}
     🛵 *Tipo de servicio:* {{ tiposervicio }}
     
     En cuanto su pedido esté listo le avisaremos 💫.
     Gracias por su compra, Picantería Lurwis les desea buen provecho 🦐
     

131. Mensajes de Error
132. Formato de referencia:
133. 😔 Lo sentimos, hubo un problema al procesar tu pedido.
     
     Por favor, intenta nuevamente en unos minutos o contáctanos directamente.
     
     Referencia del error: MOD-20260305143022
     

Diagrama de Flujo Simplificado

Arquitectura de Datos

PostgreSQL (Transaccional)

Credencial: Postgres Lurwis db (ID: 5nRuBkRnPEOnj0KP)

Tablas principales:

Esquema de pedidos_picanteria

CREATE TABLE pedidos_picanteria (
  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  telefono VARCHAR(20) NOT NULL,
  cliente_nombre VARCHAR(255),
  detalle_pedido JSONB NOT NULL,
  total_final DECIMAL(10,2) NOT NULL,
  metodo_pago VARCHAR(50),
  tipo_servicio VARCHAR(20), -- 'Delivery' o 'Recojo'
  estado_pedido VARCHAR(50) NOT NULL, -- 'confirmado', 'entregado', 'cancelado'
  fecha_creacion TIMESTAMP DEFAULT NOW()
);

CREATE INDEX idx_telefono ON pedidos_picanteria(telefono);
CREATE INDEX idx_estado ON pedidos_picanteria(estado_pedido);

Esquema de categorias y platos

CREATE TABLE categorias (
  id SERIAL PRIMARY KEY,
  nombre VARCHAR(100) NOT NULL,
  activo BOOLEAN DEFAULT true
);

CREATE TABLE platos (
  id SERIAL PRIMARY KEY,
  categoria_id INT REFERENCES categorias(id),
  nombre VARCHAR(200) NOT NULL,
  descripcion TEXT,
  activo BOOLEAN DEFAULT true
);

CREATE TABLE plato_precios (
  id SERIAL PRIMARY KEY,
  plato_id INT REFERENCES platos(id),
  tamanio VARCHAR(50), -- 'Personal', 'Familiar', 'Único'
  precio DECIMAL(10,2) NOT NULL,
  activo BOOLEAN DEFAULT true
);

MongoDB (Memoria Conversacional)

Credencial: Memoria chats Lurwis (ID: rEzqy3CH5hFmOQ2S) Base de datos: picanteria_db

Collections por agente:

Collection	Agente	Context Window	Estado
historial_clasificador	Agente Clasificador	Default	✅ Producción
historial_detector	Detector de pedidos	Default	✅ Producción
historial_pedidos	Agente Pedidos	25 mensajes	✅ Producción
historial_general	Agente General	10 mensajes	✅ Producción
historial_reservas	Reserva Mesas	15 mensajes	⚠️ Por crear
historial_eventos	Reservas Local	15 mensajes	⚠️ Por crear

Session Keys: Todas las memorias usan el número de teléfono (from) como clave de sesión, permitiendo contexto persistente por usuario.

Redis (Buffer Temporal)

Credencial: Buffer Lurwis (ID: LuOIeLYx2ps0SCoP)

Patrón de claves consumidas:

• buffer_<userId> → Mensajes concatenados (consumido y eliminado)
• ts_<userId> → Timestamp último mensaje (consumido y eliminado)
• meta_<userId> → Phone Number ID (consumido pero persiste hasta TTL)

Tecnologías Utilizadas

Componente	Tecnología	Uso
Scheduler	n8n Schedule Trigger	Ejecución cada 10 segundos
LLM Principal	Google Gemini	Agentes de IA (modelos flash/thinking)
Memoria Conversacional	MongoDB + LangChain	Contexto persistente por usuario
Base de Datos Transaccional	PostgreSQL	Pedidos, menú, precios
Buffer de Mensajes	Redis	Agrupación temporal
Mensajería	WhatsApp Business API	Envío de respuestas
Orquestador	n8n	Workflow engine

Credenciales Configuradas

Seguridad: Todas las credenciales están almacenadas en el sistema de credenciales cifrado de n8n. Nunca expongas estos IDs en el código del cliente.

Servicio	Nombre	ID Interno
PostgreSQL	Postgres Lurwis db	5nRuBkRnPEOnj0KP
MongoDB	Memoria chats Lurwis	rEzqy3CH5hFmOQ2S
Redis	Buffer Lurwis	LuOIeLYx2ps0SCoP
Google Gemini	Modelo Lurwis	EGUpckskyMrPNfc4
WhatsApp API	WhatsApp account	zJi8oUdszoG5oEqW

Manejo de Errores

Estrategias por Tipo de Error

1. Redis Vacío
2. Si no hay claves ts_*, el flujo termina sin error (ejecución vacía).
3. Buffer sin Contenido
4. El nodo Extractormensajes retorna array vacío si mensajesUnidos está vacío, deteniendo el flujo limpiamente.
5. Error de Agente de IA
6. Si un agente falla:
8. Error de PostgreSQL
9. Operaciones de INSERT/UPDATE tienen manejo de error:
11. Error Global del Workflow
12. Configurado en settings del workflow:

Optimizaciones y Consideraciones

Performance

Ejecución paralela: n8n procesa múltiples usuarios simultáneamente cuando hay varios buffers listos.

• Modelo rápido para clasificación: Usa Gemini Flash (fast) en Clasificador y Detector
• Modelo pensante para pedidos: Usa Gemini (thinking) en Agente Pedidos para lógica compleja
• Índices de PostgreSQL: Tablas tienen índices en telefono y estado_pedido

Context Window por Agente

Agente	Mensajes	Justificación
Pedidos	25	Conversaciones largas con múltiples platos
Reservas	15	Flujo más corto, datos puntuales
General	10	Preguntas simples, pocas iteraciones
Clasificador/Detector	Default	Solo necesita último contexto

Zona Horaria

Todo el sistema opera en America/Lima (UTC-5).

Estado del Proyecto

MVP en Producción:

• ✅ Agente Pedidos (funcional completo)
• ✅ Agente General (funcional completo)
• ⚠️ Agentes de Reservas (estructura creada, lógica pendiente)
• ⚠️ CRM en desarrollo

Según notas del desarrollador:

“Solamente está probada para ver si funciona correctamente, sería cuestión de cambiar el orden ya, ya funcionó, ahora toca ponerlo bonito xd.”

Monitoreo y Auditoría

Tabla de logs (mencionada en spec original):

• logs_auditoria → Guarda historial de chat al confirmar pedidos
• Permite trazabilidad completa de conversaciones

Integración con CRM

En desarrollo: Sistema de gestión de relaciones con clientes que consumirá los datos de PostgreSQL. La base de datos tiene Row-Level Security (RLS) configurado para acceso seguro.

Diagrama de Arquitectura Completa

Próximos Pasos

1. Completar Agentes de Reservas
3. Implementar Logs de Auditoría
5. Desarrollar CRM
7. Mejorar Seguridad

Recursos Relacionados

• Flujo Receptor - Punto de entrada de webhooks
• Arquitectura del Sistema - Visión general
• Google Gemini Integration - Configuración de AI y modelos