General
generalCampos obligatorios, tipos lógicos, nulos, IDs únicos, rangos, formatos, referencias suministradas y vigencia.
LYNVERA OPEN SOURCE
Lynvera AIDataReady
Conoce tus datos.
Construye IA confiable.
Revisa los datos antes de construir con ellos. Evalúa contratos explícitos para aplicaciones de IA con una biblioteca Python y una CLI locales.
Versión desde código fuente 0.1.0 / Python 3.12+
Ejecución localSin modelosSin telemetría
CUATRO PERFILES
Elige el contrato que necesitan tus datos.
Parte de comprobaciones generales. Agrega reglas según el uso de los datos en tu aplicación.
RAG
ragIDs de documentos, texto utilizable, procedencia, versiones, duplicados exactos y metadatos de filtros o permisos requeridos.
Machine learning
machine-learningObjetivo configurado, balance de clases, cardinalidad, divisiones temporales y riesgos de fuga declarados explícitamente.
Herramientas de agentes
agent-toolsCampos de herramientas, esquemas documentados, versiones de contrato, acciones permitidas y metadatos de autorización.
FUENTES
Trabaja con los datos que ya tienes.
CSV
Archivos tabulares
JSON
Arreglos de registros
JSONL
Un registro por línea
Parquet
Archivos columnares
PostgreSQL
Acceso de solo lectura
En memoria
Registros de Python
PostgreSQL usa tablas permitidas, filtros de igualdad parametrizados, transacciones de solo lectura y tiempos de espera. Las credenciales permanecen en una variable de entorno.
Configurar PostgreSQLUN FLUJO REPETIBLE
Define. Evalúa. Revisa.
- 01
Define un contrato
Elige una fuente, un perfil y los campos y umbrales que necesita tu aplicación.
- 02
Ejecuta la evaluación
Usa la CLI o la API Python para contrastar tus datos localmente con el contrato YAML.
- 03
Revisa los hallazgos
Consulta estado, severidad y conteos de incumplimientos. Conserva los informes como evidencia de desarrollo o CI.
COMENZAR
Tu primera evaluación, en local.
La versión 0.1.0 está disponible desde el código fuente. Usa Git y Python 3.12 o posterior. Estos comandos fijan los ejemplos y la documentación revisados.
git clone https://github.com/lynvera-ai/aidataready.git
cd aidataready
git checkout a7c2c4b3e429617ccb4ad293209e09f2b8e519b6
python3 -m venv .venv
source .venv/bin/activate
python -m pip install .Para Windows, uv y dependencias opcionales, consulta la guía de instalación. Guía de instalación
aidataready check --config examples/rag.yaml --output rag-result.json
aidataready report --input rag-result.json --format html --output rag-report.htmlfrom lynvera_aidataready import Assessment
result = Assessment.from_config("examples/rag.yaml").run()
print(result.status)
print(result.rows_examined)INTERPRETA EL RESULTADO
Un contrato que cumple. Un fallo conocido.
Son datos sintéticos del repositorio, no datos de clientes ni una evaluación en vivo. Ambos ejemplos contienen dos registros.
PASSCódigo de salida 0
Documentos RAG
El texto y los metadatos suministrados cumplen las comprobaciones configuradas.
Resumen de CLI verificado
local-knowledge: PASS. Records: 2.profile: rag / rows_examined: 2
FAILCódigo de salida 1
IDs duplicados
Dos registros comparten un ID. La comprobación de unicidad reporta un incumplimiento.
Resumen de CLI verificado
duplicate-ids: FAIL. Records: 2.structure.unique / id / violations: 1
aidataready check --config examples/duplicate-ids.yaml --output duplicates.jsonFAIL termina con código 1. Ejecuta la conversión del informe por separado después de ese fallo esperado.
PASS y WARN terminan con 0. FAIL termina con 1. ERROR e INCONCLUSIVE terminan con 2. La evidencia vacía o parcial no permite concluir que el análisis cumple.
Ejemplos verificados el 1 de noviembre de 2026. Los datos RAG usan fechas fijas y una ventana de vigencia de 3,650 días. Registro de verificación
INFORMES
Conserva la evidencia en tu formato habitual.
JSON
Hallazgos estructurados y estadísticas agregadas. Conserva cada estado original.
Descargar ejemplo sintético JSONHTML
Informe local con filtros por severidad, categoría y fuente. Sin recursos externos.
Descargar ejemplo sintético HTMLJUnit
XML para CI. WARN e INCONCLUSIVE se representan como pruebas omitidas; conserva el JSON si necesitas distinguirlos.
Descargar ejemplo sintético JUnitaidataready report --input rag-result.json --format json --output report.json
aidataready report --input rag-result.json --format html --output report.html
aidataready report --input rag-result.json --format junit --output report.xmlLa conversión no vuelve a analizar los datos. Los informes contienen conteos y nombres de campos, sin muestras de registros.
DOCUMENTACIÓN
Pasa del primer análisis a tu propio contrato.
Preguntas frecuentes.
¿PASS certifica que mi IA funcionará bien?
No. Las evaluaciones verifican el contrato de datos suministrado. No certifican rendimiento de modelos, relevancia de recuperación, calidad semántica ni permisos efectivos de acceso.
¿Mis datos salen de mi equipo?
Las evaluaciones de archivos locales y memoria no suben tus datos. El paquete no envía telemetría. PostgreSQL se conecta a la base que configures. Instalar dependencias normalmente requiere conexión.
¿La detección de datos sensibles es definitiva?
No. La detección opcional es heurística. Puede omitir datos sensibles o marcar valores comunes. Revisa los hallazgos y tus propios requisitos de privacidad.
¿Los presupuestos por lote son límites absolutos de memoria?
No. Se comprueban después de decodificar y no limitan de forma absoluta la memoria del proceso. El seguimiento de valores distintos también tiene límites. La evidencia incompleta puede producir INCONCLUSIVE.
¿Necesito un modelo, cuenta o servicio de pago?
No. Los ejemplos sintéticos se ejecutan localmente después de instalar. PostgreSQL requiere tu propia base y el controlador opcional.
¿Puedo instalar el paquete desde PyPI?
El proyecto revisado en su versión 0.1.0 se distribuye desde código fuente. Usa la instalación indicada y consulta la guía de versiones del repositorio antes de actualizar.
Haz explícito el contrato.
Comienza con los datos incluidos. Después define lo que necesita tu aplicación.