Sistema multi-agente de aprendizaje adaptativo que corre 100% en local usando un LLM de LM Studio. Sin claves de API externas, sin conexión a la nube.

Dos agentes con roles distintos interactúan en una sesión de aprendizaje estructurada:

Cada agente mantiene su propio historial de conversación e identidad. El sistema adapta la dificultad según el rendimiento del estudiante y genera un reporte final con estadísticas de la sesión.

╔══════════════════════════════════════╗ ║ AGENTE MAESTRO ✦ ESTUDIANTE ║ ║ Powered by LM Studio · Local LLM ║ ╚══════════════════════════════════════╝ ── Selección de Modelo ───────────────── # Modelo disponible 1 llama-3.1-8b-instruct 2 mistral-7b-instruct-v0.3 Selecciona el modelo (1-2) [1]: 1 ── Configuración de Sesión ───────────── Tema de estudio : Redes Neuronales Artificiales Nivel de dificultad : Intermedio Número de rondas : 3 Modo : Manual ── INICIO DE SESIÓN ──────────────────── 🎓 MAESTRO ... 

• LM Studio instalado con al menos un modelo descargado
• Python 3.10 o superior

git clone https://github.com/<tu-usuario>/master-student-agent.git cd master-student-agent

pip install openai rich

También puedes usar el archivo de dependencias incluido:

pip install -r requirements.txt

1. Abre LM Studio
2. Ve a la pestaña Local Server
3. Selecciona un modelo y pulsa Start Server
4. El servidor queda disponible en http://localhost:1234

python master_student_agent.py

El programa detecta automáticamente los modelos cargados y te presenta un menú de selección al inicio.

Al final de cada ronda el Maestro asigna una puntuación y genera feedback constructivo:

[PUNTUACIÓN: 8/10] [FEEDBACK]: Excelente comprensión del concepto. Podrías profundizar en... 

Al terminar la sesión se muestra una tabla de rendimiento:

Ronda Puntuación Rendimiento 1 8/10 █████ Excelente 2 6/10 ████░ Bueno 3 9/10 █████ Excelente ────────────────────────────────── Promedio 7.7/10 

master-student-agent/ ├── master_student_agent.py # Código principal ├── requirements.txt # Dependencias ├── .gitignore # Archivos excluidos de Git └── README.md # Este archivo 

Las constantes al inicio del archivo permiten ajustar el comportamiento sin tocar la lógica:

LM_STUDIO_URL = "http://localhost:1234/v1" # URL del servidor LM Studio TEMPERATURE = 0.7 # Creatividad del modelo (0.0 – 1.0) MAX_TOKENS = 1024 # Longitud máxima de respuesta

# Inicializar con rama main git init git checkout -b main # Primer commit git add . git commit -m "feat: agente maestro-estudiante con LM Studio" # Vincular con GitHub y hacer el primer push git remote add origin https://github.com/<tu-usuario>/master-student-agent.git git push -u origin main

MIT — libre para usar, modificar y distribuir.