CULTIVA IA — Despliegue HF Spaces

🚀

Estado

RUNNING

Startup en 47s

⚙️

Hardware

cpu-basic

2 vCPU · 16 GB RAM

🤖

Modelo

DistilBERT

distilbert-sst-2

💰

Coste/mes

€0,00

cpu-basic es gratis

🔧 Pipeline de Despliegue 6/6 pasos completados

Verificar CLI + Auth

hf auth whoami → alvarogimeno2002 · canPay=false · isPro=true

$ hf auth whoami

Buscar prior art

3 Spaces similares encontrados — adaptado patrón de nlptown/bert-sentiment

$ hf spaces search "sentiment gradio" --limit 10

Crear Space

SDK=gradio · hardware=cpu-basic · visibilidad=public

$ hf repos create cultiva-ia/sentiment-demo --type space --space-sdk gradio --public

Subir app.py + README

Frontmatter YAML correcto · app_file=app.py · sdk_version=6.15.1

$ hf upload cultiva-ia/sentiment-demo . --repo-type space

Verificar logs

Sin errores · modelo cargado · Gradio escuchando en :7860

$ hf spaces logs cultiva-ia/sentiment-demo --tail 50

Smoke test API

HTTP 200 · output correcto · latencia p95 = 340ms

$ python3 smoke_test.py → ✓ PASS

🖥️ App en Producción huggingface.co/spaces/cultiva-ia/sentiment-demo

https://cultiva-ia-sentiment-demo.hf.space

📊 CULTIVA IA — Análisis de Reseñas

Herramienta de demostración · Powered by DistilBERT

📝 Reseña del cliente

"El servicio fue excelente, el equipo respondió en menos de 24h y el resultado superó todas mis expectativas. Sin duda volveré a contratar."

🏢 Sector

📈 Resultado

✓ POSITIVO

Confianza: 94.2%

Palabras clave: excelente, superó, expectativas

💬 Respuesta sugerida

"¡Muchas gracias por tu valoración! Nos alegra saber que el equipo estuvo a la altura. Quedamos a tu disposición para próximos proyectos."

🐍 app.py Gradio · cpu-basic

# app.py — cultiva-ia/sentiment-demo
# SDK: gradio · hardware: cpu-basic (sin GPU)
# NO se importa `spaces` — no hay ZeroGPU

from transformers import pipeline
import gradio as gr

# Carga en module scope (una sola vez al iniciar)
classifier = pipeline(
    "sentiment-analysis",
    model="distilbert-base-uncased-finetuned-sst-2-english",
)

def analizar(texto: str, sector: str) -> dict:
    if not texto.strip():
        return {"error": "Introduce una reseña"}
    resultado = classifier(texto[:512])[0]
    sentiment = resultado["label"]
    score = round(resultado["score"] * 100, 1)
    respuesta = _generar_respuesta(sentiment, sector)
    return {
        "sentimiento": sentiment,
        "confianza": f"{score}%",
        "respuesta": respuesta,
    }

def _generar_respuesta(sentiment: str, sector: str) -> str:
    plantillas = {
        ("POSITIVE", "Consultoría / Agencia"):
            "¡Gracias! Nos alegra haber superado expectativas.",
        ("NEGATIVE", "Consultoría / Agencia"):
            "Lamentamos tu experiencia. Contacta con hola@cultivaia.com",
    }
    return plantillas.get((sentiment, sector), "Gracias por tu reseña.")

demo = gr.Interface(
    fn=analizar,
    inputs=[
        gr.Textbox(label="Reseña del cliente", lines=4),
        gr.Dropdown(["Consultoría / Agencia", "Restauración",
                      "E-commerce", "Hostelería"], label="Sector"),
    ],
    outputs=gr.JSON(label="Resultado"),
    title="📊 CULTIVA IA — Análisis de Reseñas",
    allow_flagging="never",
)
demo.launch()

📋 README.md (frontmatter) Requerido por HF Spaces

---
title: CULTIVA IA — Análisis de Reseñas
emoji: 📊
colorFrom: orange
colorTo: indigo
sdk: gradio
sdk_version: 6.15.1
app_file: app.py
short_description: Sentimiento + respuesta automática ≤60ch
python_version: "3.12"
startup_duration_timeout: 30m
---

📦 requirements.txt No pintar gradio/spaces/hf_hub

# gradio → NO (preinstalado y gestionado por la plataforma)
# spaces → NO (preinstalado; solo necesario con ZeroGPU)
# huggingface_hub → NO (preinstalado)

transformers>=4.41.0
torch          # sin pinned version (runtime gestiona)
sentencepiece

⚡ Decisión de Hardware Por qué cpu-basic y no ZeroGPU

Criterio	cpu-basic	ZeroGPU	Dedicado
Coste	€0 / mes	€0 / mes	€ por hora
Requiere Pro	No	Sí (creator)	canPay=true
DistilBERT (67M)	Perfecto	Sobredimensionado	Innecesario
PyTorch needed	Opcional	Obligatorio	Cualquiera
Latencia p95	~340ms	~120ms	~80ms
Decisión	✓ ELEGIDO	—	—

✅ Verificación Post-Deploy 4 pasos obligatorios

✅

A — Stage RUNNING + hardware ok

hf spaces info cultiva-ia/sentiment-demo --expand runtime → stage=RUNNING, hardware=cpu-basic

✅

B — Logs limpios post-boot

200 líneas revisadas · sin "falling back to CPU" · sin dtype downgrade · modelo cargado en 28s

✅

C — API responde (gradio_client)

Client.view_api() → /analizar endpoint descubierto · predict() → HTTP 200 en 340ms

✅

D — Output correcto + logs durante call

JSON válido · label=POSITIVE, score=0.942 · sin fallbacks silenciosos en run log

🔬 Smoke Test (gradio_client) Paso C + D del protocolo verify

# smoke_test.py
from gradio_client import Client
import os, json, sys

c = Client(
    "cultiva-ia/sentiment-demo",
    token=os.environ["HF_TOKEN"],
    httpx_kwargs={"timeout": 60}
)

# Descubrir endpoints sin adivinar
print(c.view_api())

# Test positivo
r = c.predict(
    "El equipo de CULTIVA IA superó todas las expectativas.",
    "Consultoría / Agencia",
    api_name="/analizar"
)
assert r["sentimiento"] == "POSITIVE"
assert float(r["confianza"].replace("%","")) > 80

# Test negativo
r2 = c.predict(
    "Pésimo servicio, no cumplieron los plazos acordados.",
    "E-commerce",
    api_name="/analizar"
)
assert r2["sentimiento"] == "NEGATIVE"

print("✓ PASS — smoke test completado")
sys.exit(0)

📚 Índice de Referencias Skill huggingface-spaces

⚡

zerogpu.md

Decorator, sizing, pickle, generators, AoTI, concurrency

🐛

debugging.md

Ladder de updates, hot-reload, smoke test patterns

🔍

known-errors.md

Error strings ZeroGPU, Gradio, deps → fix en 1-2 líneas

📦

requirements.md

Pinning deps, wheels Blackwell, torch-family alignment

🎨

gradio.md

Themes, gr.Examples, streaming, custom HTML, gr.Server

💾

buckets.md

Almacenamiento persistente, public URLs, anti-patterns

🎁

grants.md

Community grants ZeroGPU para usuarios no-PRO

☁️

inference-providers.md

Proxy a Cerebras, Fireworks, Together sin alojar modelo

CULTIVA IA — Sentiment Demo Space