vector

Vector es un panel de investigación que recopila automáticamente noticias tecnológicas de vanguardia del extranjero, las traduce y resume al japonés mediante IA, y permite consultar los puntos clave, el contexto y las tendencias necesarios para la toma de decisiones de inversión. Su objetivo es reducir la carga de seguir continuamente artículos en inglés y permitir comprender "qué ha ocurrido esta semana" en campos como IA, semiconductores y espacio. Entre sus funciones principales se incluyen la recopilación automática de noticias tecnológicas, la traducción, el resumen y la organización del contexto mediante IA, listas de artículos por categoría con filtrado, recomendación de artículos relacionados, informes semanales generados por LLM y agregación de palabras destacadas y términos en auge. También cuenta con una función de agente de IA que investiga de forma transversal los artículos almacenados internamente y los obtenidos de fuentes externas, generando respuestas a preguntas. La pila tecnológica utiliza Next.js 16 (App Router/BFF), React 19, TypeScript, Tailwind CSS v4 y shadcn/ui en el frontend, con Better Auth para la autenticación; en el backend emplea Python 3.13, FastAPI, Pydantic/SQLModel y Alembic. El procesamiento de artículos se basa en una arquitectura dirigida por eventos con EventBridge Scheduler, AWS Lambda, Amazon SQS y Transactional Outbox, y los datos se almacenan en Amazon RDS for PostgreSQL con pgvector (búsqueda vectorial de 768 dimensiones) y ElastiCache Valkey. Para la IA se utilizan Gemini (traducción, resumen, planificación de investigación, generación de respuestas y embeddings) y DeepSeek (análisis de importancia y contexto de inversión, generación de consultas de búsqueda y verificación de fundamentos), y para la búsqueda externa se emplea Amazon Bedrock AgentCore Gateway. El entorno de producción funciona en AWS (ap-northeast-1), con ALB como único punto de entrada público, y frontend, API y workers se ejecutan en ECS Fargate. La infraestructura se gestiona con Terraform, y los límites de red se separan entre entrada pública, API interna, procesamiento de obtención de HTML externo y permisos de base de datos, reduciendo así el alcance del impacto del procesamiento de entradas externas. En local puede iniciarse con Docker Compose, y requiere la configuración de las claves de API de Gemini/DeepSeek y varios secretos. Cabe señalar que este repositorio no cuenta actualmente con una licencia de código abierto, por lo que la reutilización, modificación o redistribución del código requiere autorización previa.