TutorIA: arquitectura de un tutor IA adaptativo para niños de 6‑14 años
TutorIA adapta lenguaje y ejercicios a niños con TDAH, dislexia o bajo rendimiento. Cómo funciona por dentro: FastAPI, LangChain, Qwen3.8 27B vía Groq, material por curso con FAISS e integración LTI 1.3 con Moodle.
▶ Probar la demo
He creado TutorIA, un tutor particular con IA para niños de 6 a 14 años. Quien le acompaña elige uno de cuatro perfiles (estándar, TDAH, dislexia o bajo rendimiento) y el tutor adapta la longitud de las respuestas, el tamaño de los pasos y el tono.
Arquitectura general
- API: FastAPI, con 13 operaciones REST y documentación OpenAPI generada sola.
- Motor de conversación: LangChain sobre Groq, con el modelo Qwen3.8 27B. Temperatura 0,7 y un máximo de 512 tokens por respuesta.
- Memoria:
ConversationSummaryBufferMemory, un resumen de la conversación con un límite de 800 tokens. Vive en la memoria del proceso: no hay base de datos de alumnos ni de conversaciones. - Material propio: cada organización o curso puede subir PDF, TXT o Markdown. Se indexa con
multilingual-e5-baseen un índice FAISS aislado y guardado en disco. - Moodle: se instala como External Tool LTI 1.3 con
pylti1p3. El curso de Moodle determina qué material se consulta. - Web: la demo es una página de Laravel que llama a la API.
Flujo de una interacción
- Una sesión nueva recibe un identificador y carga el prompt de su perfil.
- Cada mensaje pasa por un detector de frustración basado en palabras clave («no entiendo», «me rindo»…).
- Si la frustración persiste o el alumno vuelve a atascarse con el mismo concepto, se avisa al modelo para que valide lo que siente o cambie de enfoque.
- Si el curso tiene material, se recuperan los cuatro fragmentos más cercanos y se anteponen al mensaje como referencia prioritaria.
- El modelo responde y, si se usó material, el código añade la fuente al final.
Decisiones técnicas clave
- Perfiles cerrados en vez de un prompt único: cada perfil cambia la longitud de la respuesta, el tamaño del paso y si se corrige la ortografía. Con un solo prompt no se puede.
- Resumen en vez de la conversación completa: el niño no repite lo que ya ha contado y el contexto no crece hasta reventar el límite del modelo.
- Fuentes citadas por el código: la cita no depende de que el modelo se acuerde de ponerla, así que nunca aparece una referencia que no se haya usado.
- LTI 1.3: funciona dentro de Moodle sin escribir un plugin propio.
Lo que no hace
No diagnostica nada: el perfil lo elige una persona, no la IA. En el perfil de dislexia no corrige la ortografía, a propósito. Tampoco recuerda entre sesiones: el resumen dura lo que dura la sesión y se pierde al reiniciar el servicio. Y de la integración con Moodle faltan dos piezas del estándar: sincronizar la lista de clase (NRPS) y devolver notas al libro de calificaciones (AGS).
Sobre este proyecto
TutorIA
Tutor particular con IA para niños de 6 a 14 años. Adapta el lenguaje y los ejercicios al perfil del alumno (TDAH, dislexia, rendimiento general), cambia de enfoque cuando se atasc...
Newsletter
¿Te aviso de nuevos proyectos y artículos?
Sin spam. Solo un email cuando publico algo nuevo de IA. Baja en un clic.