pagina unica

README.md

@@ -9,8 +9,11 @@ ejecución controlada con runtime stateful, Human-in-the-Loop y observabilidad c
 
 Forja es un **único servicio** (FastAPI en :8000) que expone:
 
-- API REST completa bajo `/api` (agentes, políticas, ejecuciones, aprobaciones, violaciones).
-- UI embebida moderna (HTMX + Tailwind + Jinja) en rutas amigables (`/agents`, `/run`, `/approvals`, `/history`, `/policies`).
+- API REST completa bajo `/api` (agentes, políticas, ejecuciones, aprobaciones, violaciones, datasets, models, training runs, promotions).
+- UI embebida de **una sola página** (HTMX + Tailwind + Jinja) que recorre el
+  ciclo de vida completo en seis etapas: **Define → Run → Approve → Train →
+  Promote → Audit**. Cada panel se refresca solo tras cada acción; las rutas
+  antiguas (`/agents`, `/run`, ...) redirigen a su etapa.
 
 ```
 ┌───────────────────────────────────────────────────────────────┐
@@ -42,26 +45,39 @@ Abre [http://localhost:8000](http://localhost:8000).
 Funciona out-of-the-box (`LLM_PROVIDER=mock`, sin API keys). Si quieres usar
 Azure OpenAI real, edita `.env`.
 
-## Demo guiada (3 pasos)
+## Demo guiada: el ciclo completo en 6 clicks
 
-1. **Registro** → ver `incident_analyzer` y comparar `v1` vs `v2`.
-2. **Ejecutar** → seleccionar el escenario `01_sip_registration_drop` y
-   pulsar *Invocar*. Verás el grafo recorrer validate_input → llm_reason
-   → validate_output → propose_actions → approve_gate y pausarse en HITL.
-3. **Aprobaciones** → revisar las acciones propuestas (con risk_score y
-   rollback_plan), aprobar las seguras y comprobar que la ejecución
-   completa.
+Todo ocurre en `http://localhost:8000`, de arriba abajo, sin escribir nada:
+
+1. **▶ Run demo incident** (etapa 02) — lanza un incidente HSS pregrabado por el
+   pipeline gobernado. La acción propuesta tiene risk 5 → la ejecución se pausa
+   en el approval gate.
+2. **Approve all** (etapa 03) — el grafo se reanuda desde su checkpoint y la
+   ejecución completa (aparece en la etapa 06 — Audit).
+3. **Submit training run** (etapa 04) — el formulario viene pre-rellenado con el
+   dataset `incident_sft`, el modelo `gpt4o_lora_base` y la versión candidata
+   `v3` (draft). Con `TRAINING_BACKEND=mock` termina al instante.
+4. **Run evaluation** (etapa 04) — ejecuta los escenarios canónicos del agente
+   (`agents/<name>/examples/`) sobre la candidata `v3`; pasa si no hay
+   violaciones bloqueantes.
+5. **Request promotion** (etapa 04) — crea la petición de gobernanza, que
+   aparece en la etapa 05.
+6. **Approve promotion** (etapa 05) — `v3` pasa a `active` en el registry;
+   compruébalo en los chips de versión de la etapa 01.
 
 ## Capacidades implementadas
 
 | Feature | Ubicación |
 |---|---|
-| Agent / Policy Registry | `core/src/forja_core/registry/` |
-| Versionado Git-like (YAML) | `agents/<name>/` + `policies/<name>/` |
+| Agent / Policy / Dataset / Model Registry | `core/src/forja_core/registry/` (base genérica `yaml_store.py`) |
+| Versionado Git-like (YAML) | `agents/`, `policies/`, `datasets/`, `models/` |
 | Guardrails runtime (strategy) | `core/src/forja_core/guardrails/` |
 | LangGraph + HITL + checkpoints | `core/src/forja_core/runtime/` |
 | Observabilidad (trace + structlog) | `core/src/forja_core/observability/` |
-| LLM abstraction | `core/src/forja_core/llm/` |
+| LLM abstraction (+fallback opcional) | `core/src/forja_core/llm/` |
+| Training backends (mock / Azure ML) | `core/src/forja_core/training/` |
+| Evaluación post-training (escenarios) | `core/src/forja_core/evaluation/` |
+| Promoción gobernada draft → active | `core/src/forja_core/api/promotions.py` |
 | UI embebida (HTMX) | `core/src/forja_core/web/` (ruta raíz) |
 | API REST completa | bajo `/api` en forja-core :8000 |
 
@@ -69,6 +85,10 @@ Azure OpenAI real, edita `.env`.
 
 Ver [`.env.example`](.env.example).
 
+### Azure ML training
+
+Set `TRAINING_BACKEND=azure_ml` and fill `AZURE_ML_*` workspace settings. Forja submits an Azure ML **command job** via `azure-ai-ml` using `DefaultAzureCredential` (Azure CLI, managed identity, etc.). Replace the bundled script in `core/src/forja_core/training/_azure_job_bundle/` or override `AZURE_ML_COMMAND` for your fine-tuning pipeline. Without workspace config, the backend stays in **stub mode** for local development.
+
 ## Roadmap
 
 Ver [`docs/futuro.md`](docs/futuro.md).
@@ -80,11 +100,18 @@ forja/
 ├── core/                 servicio FastAPI único (API + UI HTMX embebida)
 ├── agents/               definiciones de agentes (YAML versionados)
 ├── policies/             políticas de guardrails (YAML versionados)
+├── datasets/             datasets para fine-tuning (YAML versionados)
+├── models/               modelos base / destino de entrenamiento (YAML versionados)
 ├── data/                 runtime state (gitignored)
 ├── tests/
 └── docs/                 (explicacion.md, componentes.md, futuro.md, ARCHITECTURE.md)
 ```
 
+## Development
+
+- Implementation guidelines: [`karpathy.md`](karpathy.md)
+- UI copy and language: [`docs/product-voice.md`](docs/product-voice.md) (English only in the web app)
+
 ## Tests
 
 ```bash