🏗️ Budget Calculator - Calculadora de Presupuestos de Reformas

Sistema inteligente de generación de presupuestos para reformas y obras en España, desarrollado con CrewAI y Azure AI Foundry.

📋 Descripción

Esta aplicación permite generar presupuestos profesionales para reformas de viviendas, locales y oficinas. Utiliza un sistema multi-agente basado en CrewAI que:

1. Valida los datos del proyecto
2. Calcula precios aplicando reglas de negocio españolas
3. Genera documentos PDF profesionales

Características principales

• ✅ Presupuestos para viviendas, pisos, locales y oficinas
• ✅ Tres niveles de calidad: Básico, Estándar y Premium
• ✅ Paquetes predefinidos (Baño completo, Cocina completa, Reforma integral)
• ✅ Partidas individuales personalizables
• ✅ Cálculo automático de IVA (10% vivienda habitual / 21% resto)
• ✅ Markup del 15% en partidas individuales
• ✅ Redondeo al alza del 5%
• ✅ Generación de PDF profesional con disclaimers legales
• ✅ Interfaz web con Streamlit

🛠️ Tecnologías

• Python 3.10+
• CrewAI - Orquestación de agentes IA
• Azure AI Foundry - Modelos de lenguaje (GPT-4, GPT-5-mini)
• Streamlit - Interfaz de usuario web
• ReportLab - Generación de PDFs
• Pydantic - Validación de datos
• Pytest - Testing

📁 Estructura del Proyecto

budget_calculator/
├── src/
│   ├── application/
│   │   ├── agents/              # Agentes CrewAI
│   │   │   ├── data_collector_agent.py
│   │   │   ├── calculator_agent.py
│   │   │   └── document_agent.py
│   │   ├── crews/               # Orquestación
│   │   │   └── budget_crew.py
│   │   └── services/            # Lógica de negocio
│   │       ├── budget_service.py
│   │       └── pricing_service.py
│   ├── config/
│   │   ├── settings.py          # Configuración
│   │   └── pricing_data.py      # Base de datos de precios
│   ├── domain/
│   │   ├── enums/               # Enumeraciones
│   │   └── models/              # Modelos de datos
│   ├── infrastructure/
│   │   ├── llm/                 # Clientes LLM
│   │   │   ├── azure_client.py
│   │   │   ├── openai_client.py
│   │   │   └── llm_factory.py
│   │   └── pdf/                 # Generador de PDF
│   │       └── pdf_generator.py
│   └── presentation/
│       ├── app.py               # Aplicación Streamlit
│       ├── pages/               # Páginas de la app
│       └── components/          # Componentes UI
├── tests/
│   ├── unit/                    # Tests unitarios
│   └── integration/             # Tests de integración
├── .env.example                 # Ejemplo de configuración
├── requirements.txt             # Dependencias
├── run_tests.py                 # Script de testing
└── README.md

🚀 Instalación

1. Clonar el repositorio

git clone https://github.com/tu-usuario/budget_calculator.git
cd budget_calculator

2. Crear entorno virtual

python -m venv venv

# Windows
venv\Scripts\activate

# Linux/Mac
source venv/bin/activate

3. Instalar dependencias

pip install -r requirements.txt

4. Configurar variables de entorno

Copia el archivo de ejemplo y configura tus credenciales:

cp .env.example .env

Edita .env con tus credenciales de Azure AI Foundry:

# Proveedor LLM
LLM_PROVIDER=azure

# Azure AI Foundry
AZURE_OPENAI_ENDPOINT=https://tu-recurso.cognitiveservices.azure.com/
AZURE_OPENAI_API_KEY=tu-api-key-aqui
AZURE_OPENAI_API_VERSION=2025-04-01-preview
AZURE_OPENAI_DEPLOYMENT_NAME=gpt-5-mini

💻 Uso

Ejecutar la aplicación web

streamlit run src/presentation/app.py

La aplicación estará disponible en http://localhost:8501

Uso programático

from src.application.crews import BudgetCrew

# Crear crew
crew = BudgetCrew()

# Datos del formulario
datos = {
    "tipo_inmueble": "piso",
    "metros_cuadrados": 80.0,
    "calidad": "estandar",
    "es_vivienda_habitual": True,
    "paquetes": ["bano_completo"],
}

# Datos del cliente
cliente = {
    "nombre": "Juan García",
    "email": "juan@email.com",
    "telefono": "666 123 456",
    "direccion_obra": "Calle Mayor 1, Madrid",
}

# Procesar presupuesto
resultado = crew.procesar_presupuesto(
    datos_formulario=datos,
    datos_cliente=cliente,
    generar_pdf=True,
)

if resultado["exito"]:
    print(f"Total: {resultado['presupuesto'].total}€")
    
    # Guardar PDF
    with open("presupuesto.pdf", "wb") as f:
        f.write(resultado["pdf_bytes"])

🧪 Testing

Ejecutar todos los tests

python run_tests.py

Ejecutar tests específicos

# Tests unitarios
pytest tests/unit/ -v

# Tests de integración
pytest tests/integration/ -v

# Con cobertura
pytest --cov=src --cov-report=html

📊 Paquetes Disponibles

Paquete	Descripción	Precio Base (Estándar)
bano_completo	Reforma integral de baño	5.500€ + 500€/m² adicional
cocina_completa	Reforma integral de cocina	10.000€ + 600€/m² adicional
reforma_integral_vivienda	Reforma completa vivienda	950€/m²
reforma_integral_local	Reforma local/oficina	700€/m²

💰 Reglas de Negocio

• Markup: 15% sobre partidas individuales (NO sobre paquetes)
• Redondeo al alza: 5% sobre el total
• IVA Reducido: 10% para vivienda habitual
• IVA General: 21% para resto de inmuebles
• Validez: 30 días desde emisión

🔧 Configuración Avanzada

Variables de entorno disponibles

Variable	Descripción	Default
LLM_PROVIDER	Proveedor LLM (azure/openai)	azure
AZURE_OPENAI_ENDPOINT	Endpoint de Azure	-
AZURE_OPENAI_API_KEY	API Key de Azure	-
AZURE_OPENAI_DEPLOYMENT_NAME	Nombre del deployment	gpt-5-mini
IVA_GENERAL	IVA general (%)	21
IVA_REDUCIDO	IVA reducido (%)	10
MARKUP_PARTIDAS_INDIVIDUALES	Markup partidas (%)	15
REDONDEO_ALZA	Redondeo al alza (%)	5
VALIDEZ_PRESUPUESTO_DIAS	Días de validez	30

📄 Licencia

Este proyecto es privado y confidencial. Desarrollado para Easy Obras y Servicios.

👥 Contacto

• Email: fernando.prada@proton.me

---

Fernando Prada - AI Engineer - Senior Consultor

Desarrollado usando CrewAI