HEARTBEAT — Wiki interna

Este documento cataloga todas las funcionalidades ya desarrolladas en la aplicación Baby Nutrinen, una herramienta para padres que ayuda a gestionar la alimentación, el sueño y la salud del bebé. Incluye desde la interfaz principal con nevera virtual y recetario, hasta un asistente de chat inteligente (NutriBot) que recuerda comidas, sugiere recetas y analiza el progreso. También cubre elementos de gamificación como puntos y logros, alarmas personalizables, sincronización en la nube entre dispositivos, y una caja de música con melodías para bebés. El objetivo es mostrar el alcance completo del producto a nivel comercial, destacando su valor como solución integral para el cuidado infantil.

• Más de 100 features implementadas, desde nevera virtual hasta chat con IA y gamificación.
• NutriBot integra 33 herramientas (tools) para gestionar comidas, nevera, alarmas y perfiles.
• Incluye sincronización en la nube (R2) y app nativa Android con Capacitor.
• Sistema de Deep Pulse que analiza 14 fuentes de datos cada 5 mensajes para dar insights personalizados.
• Gamificación con niveles, XP, rachas y logros adaptados por etapa del bebé.

Este documento describe la infraestructura de almacenamiento de NutriNen Baby, una aplicación que ayuda a padres a gestionar la alimentación y salud de sus bebés. El sistema usa dos servicios en la nube: una base de datos SQLite (D1) para perfiles, registros de actividad, imágenes y audio generados por IA, y un almacenamiento de objetos (R2) para hacer copias de seguridad de los datos del usuario. La autenticación combina Google SSO para la gestión de perfiles y tokens JWT para la sincronización en la nube. Entender esta arquitectura es clave para garantizar la escalabilidad, seguridad y continuidad del servicio.

• Usa Cloudflare D1 (SQLite) para datos transaccionales y R2 para backups de localStorage.
• Autenticación dual: Google SSO para perfiles y JWT HMAC para sincronización.
• Más de 10 tablas en D1 cubren perfiles, logs, métricas, insights, imágenes y audio generados.
• La sincronización en R2 almacena un snapshot completo del estado local del usuario (hasta 5 MB).
• Las imágenes y audio se guardan como base64 en D1, no en R2.

Este documento describe una herramienta que permite a los padres encontrar el nombre perfecto para su bebé usando inteligencia artificial. El sistema analiza cada nombre y devuelve su significado, origen, rasgos de personalidad, personajes famosos y más. Para evitar abusos, limita las consultas a 10 por día por dispositivo y bloquea automáticamente entradas inapropiadas. La herramienta mejora la experiencia de usuario al ofrecer información rica y personalizada, lo que aumenta el tiempo de permanencia en la web y la satisfacción del cliente.

• Usa IA de Cloudflare Workers para analizar nombres y devolver datos enriquecidos (significado, etimología, personalidad, etc.).
• Implementa caché permanente en D1 para evitar costes de IA en consultas repetidas.
• Rate limiting de 10 consultas/día por dispositivo a nombres no cacheados.
• Moderación automática que banea dispositivos que envían insultos o basura.
• Se integra con la página existente de nombres de bebé, añadiendo buscador, tarjeta enriquecida y numerología.

Este documento detalla los costes de usar inteligencia artificial en la aplicación NutriNen Baby, que ayuda a padres a cuidar de sus bebés. Actualmente, el coste por usuario activo es de aproximadamente 1,50 dólares al mes, lo que hace que el modelo de negocio sea rentable desde el primer cliente. El sistema aprovecha una técnica de caché que reduce drásticamente el coste de las conversaciones largas, permitiendo añadir nuevas funciones sin apenas incrementar el gasto. El principal cuello de botella no es el coste, sino la calidad de las respuestas y el tiempo de desarrollo.

• Coste por usuario activo: ~1,50 $/mes con DeepSeek V3.
• El sistema de caché reduce el coste de cada mensaje hasta un 78% en sesiones largas.
• Se pueden añadir nuevas herramientas y funcionalidades por menos de 0,60 $/mes extra por usuario.
• El modelo es rentable desde el primer usuario con el plan Early Adopters de 2,99 €/mes.
• La optimización del prompt ha logrado que el primer mensaje de cada sesión sea un 81% más barato.

Deep Pulse es una capa de análisis estratégico que complementa al Heartbeat táctico. Mientras el Heartbeat reacciona en milisegundos a eventos inmediatos, Deep Pulse analiza patrones a lo largo de horas o días para detectar tendencias, anomalías y oportunidades de mejora. Por ejemplo, si un niño rechaza sistemáticamente el biberón de las 19:00 pero tiene hambre a las 21:00, Deep Pulse lo detecta y sugiere adelantar la cena. Esto permite que el sistema aprenda del historial y ofrezca recomendaciones proactivas, mejorando la experiencia del usuario y la efectividad del producto.

• Deep Pulse añade una capa estratégica al Heartbeat, analizando patrones en lugar de reaccionar instantáneamente.
• Utiliza un modelo de IA más potente (GPT-4o) para generar insights como recomendaciones, alertas de tendencia y optimizaciones de rutina.
• Incorpora contexto externo (clima, ubicación, estación) para correlacionar factores ambientales con el comportamiento del usuario.
• El flujo de trabajo se activa por horario, contador de latidos o umbral de eventos, y los insights se almacenan para ser consumidos por el Heartbeat táctico.
• Incluye análisis de viajes, detectando desajustes de rutina y ofreciendo recomendaciones específicas por destino.

Este documento detalla cómo NutriNen adapta la gamificación según la etapa de alimentación del bebé, resolviendo el problema de que todos los bebés recibían los mismos objetivos sin importar su edad. Define cinco etapas (lactancia, inicio, variedad, familiar, autónoma) con objetivos semanales, logros y un panel nutricional específicos para cada una. La implementación técnica ya está completa, permitiendo que la app muestre contenido relevante y mantenga el progreso del usuario al cambiar de etapa. Esto mejora la confianza de las madres y la retención en la aplicación.

• Cinco etapas de alimentación con objetivos y logros personalizados.
• Objetivos semanales por etapa: desde registrar tomas en lactancia hasta probar recetas en etapa familiar.
• Logros universales y específicos de etapa, con condiciones claras.
• Panel nutricional adaptado: en lactancia muestra tomas y sueño; en variedad+, macros clásicos.
• Transición entre etapas sin pérdida de progreso ni logros desbloqueados.

Este documento define cómo Heartbeat almacena y gestiona perfiles de usuario mediante una única tabla con campos JSON flexibles. Cada perfil (bebé, celíaco, estudiante, senior) tiene métricas, restricciones y estado de juego distintos, pero comparten la misma estructura de datos. Esto permite que el sistema se adapte a diferentes necesidades sin requerir cambios en la base de datos. El documento detalla ejemplos concretos, triggers de automatización y la integración con tareas estándar, facilitando la implementación por parte del equipo técnico.

• Una única tabla Heartbeat_UserProfile almacena todos los perfiles usando columnas JSON para máxima flexibilidad.
• Cada perfil tiene su propio conjunto de métricas, restricciones y estado de juego, adaptados a su contexto (bebé, celíaco, estudiante, senior).
• Los triggers de automatización varían según el perfil: tiempo, acción del usuario o sensores IoT.
• El sistema se integra con tareas estándar (deberes, medicación) mediante la función check_agenda_tasks().
• El LLM recibe el contexto del usuario y decide si actuar en silencio, en segundo plano o activamente.

Este documento define el 'Prompt Maestro' de Heartbeat, el sistema que decide cuándo y cómo el asistente inteligente debe interactuar con el usuario. En lugar de ser un simple bot que responde siempre, el sistema analiza datos del usuario (como su perfil, métricas de salud y tareas pendientes) y clasifica su respuesta en tres modos: silencioso (no molestar), fondo (actualizar datos sin interrumpir) o activo (intervenir con una notificación o pantalla). Esto permite que la experiencia sea más natural y oportuna, mejorando la adherencia a rutinas de salud, estudio o cuidado sin saturar al usuario. Para el negocio, esto significa mayor engagement y retención al ofrecer interacciones relevantes en el momento justo.

• El Prompt Maestro usa una cadena de pensamiento para evaluar datos del usuario antes de decidir si intervenir o no.
• Clasifica las decisiones en tres tipos: SILENT (todo bien), BACKGROUND (actualización silenciosa) y ACTIVE (intervención visible).
• Se personaliza según el perfil del usuario: bebé, celíaco, estudiante o senior, con tono y metáforas específicas.
• Incluye funciones API para actualizar métricas, registrar decisiones y validar seguridad alimentaria.
• Recomienda usar modelos ligeros para decisiones simples y modelos potentes solo para intervenciones activas, optimizando costos y latencia.

Este documento describe la arquitectura de Heartbeat 2.1, un sistema que orquesta interacciones personalizadas con usuarios mediante 'latidos' que se activan por tiempo, sensores o acciones del usuario. El sistema consulta el perfil y contexto del usuario (como ubicación, clima y hora local) para decidir de forma autónoma si enviar un mensaje silencioso, de fondo o activo. Está diseñado para escalar horizontalmente añadiendo nuevas reglas de perfil sin cambiar código, y se integra con la plataforma Cadences para gestionar proyectos, tareas y flujos de trabajo. Esto permite ofrecer experiencias adaptativas en apps interactivas, como recordatorios para bebés, consejos nutricionales para niños o alertas de medicación para seniors.

• Heartbeat 2.1 orquesta estados mediante latidos que se activan por tiempo, sensores o acciones del usuario.
• Cada latido carga el ADN del usuario (perfil, métricas, restricciones) y lo enriquece con contexto externo (clima, ubicación, hora local).
• El sistema decide autónomamente entre modos silencioso, fondo o activo, devolviendo un payload adaptativo para la UI.
• La arquitectura es modular y escalable: nuevos perfiles solo requieren nuevas reglas, no nuevo código.
• Se integra con la estructura de proyectos y tareas de Cadences, usando DATA_TABLE para almacenar perfiles y latidos.

Este documento detalla el plan para conectar Heartbeat Studio con los sistemas reales de Cadences, reemplazando datos de prueba por una API funcional. El objetivo es que la aplicación pueda gestionar perfiles de usuario, ejecutar análisis personalizados usando inteligencia artificial, y almacenar el historial de interacciones. Esto permite ofrecer recomendaciones adaptadas a cada persona, como sugerencias de alimentación para celíacos o recordatorios para bebés, mejorando la experiencia y el valor del producto.

• Se han completado las fases de migración de base de datos, creación de endpoints API e integración con el frontend.
• La API incluye endpoints para perfiles, ejecución de heartbeat, métricas, historial, análisis profundo y gamificación.
• El motor de decisión usa inteligencia artificial para determinar si intervenir de forma silenciosa, sutil o activa según el contexto del usuario.
• Se soportan múltiples modelos de IA para lenguaje, generación de imágenes y visión, con proveedores como Groq y Cloudflare.
• El frontend permite cambiar entre modo solo API, solo simulación o híbrido con fallback automático.

Este documento es la guía técnica completa de la API de Heartbeat, el motor que impulsa el asistente de salud inteligente de NutriNen. Explica cómo los desarrolladores pueden conectar sus aplicaciones para gestionar perfiles de usuario, ejecutar decisiones contextuales basadas en IA, integrar datos meteorológicos, analizar patrones de comportamiento y generar imágenes. Para el negocio, esta API es fundamental porque permite personalizar la experiencia de cada usuario, aumentando el compromiso y la retención a través de recomendaciones oportunas y gamificación.

• La API permite crear y gestionar perfiles de salud con restricciones dietéticas y preferencias de IA.
• El endpoint /beat ejecuta decisiones inteligentes (ACTIVE, BACKGROUND, SILENT) usando modelos de Groq y Cloudflare AI.
• Incluye un sistema de gamificación con puntos, niveles, rachas y logros para motivar al usuario.
• Ofrece generación de imágenes (texto a imagen, imagen a imagen) y análisis visual con modelos de Cloudflare.
• El análisis profundo (Deep Pulse) detecta patrones en el comportamiento del usuario y genera recomendaciones personalizadas.

Heartbeat Studio es el entorno de desarrollo del sistema NutriNen, una plataforma de salud personalizada que decide cuándo y cómo interactuar con el usuario según su contexto. El sistema evalúa factores como el tiempo, sensores o mensajes del usuario para determinar si mostrar contenido, procesar en segundo plano o no hacer nada. Utiliza inteligencia artificial para generar respuestas y crear imágenes personalizadas que se adaptan al estado de ánimo y necesidades del usuario. Este documento detalla todo el flujo, desde los disparadores hasta la generación de imágenes, y es fundamental para entender cómo funciona el motor de decisiones de la plataforma.

• El sistema decide entre tres acciones: mostrar contenido (ACTIVE), procesar en segundo plano (BACKGROUND) o no hacer nada (SILENT).
• Utiliza perfiles de usuario (ADN) con métricas de salud, restricciones y estado de juego para personalizar las interacciones.
• Genera imágenes contextuales mediante modelos de IA (I2I) basadas en el estado emocional y las necesidades del usuario.
• Incluye un análisis profundo periódico (Deep Pulse) que detecta patrones a largo plazo y genera insights.
• El flujo completo consta de 5 pasos: Trigger, Carga de ADN, Consulta de datos, Decisión del LLM y Acción en la interfaz.

Este documento detalla el estado actual y las fases de desarrollo de Heartbeat Studio, una herramienta interactiva que permite a los usuarios gestionar escenas visuales, funciones paso a paso y objetivos personalizados con gamificación. La guía explica cómo se integran estos sistemas con inteligencia artificial para adaptar la experiencia al perfil del usuario, mejorando el compromiso y la retención. Es relevante para el negocio porque estandariza el roadmap técnico y facilita la coordinación entre equipos de producto e ingeniería.

• Sistema de escenas visuales con persistencia en localStorage y configuración por perfil.
• Funciones de UI con pasos interactivos (selección, sliders, temporizadores) y recompensas en XP.
• Sistema de objetivos con plantillas por perfil, seguimiento de progreso y detección de hitos.
• Integración con LLM para contextualizar respuestas y sugerir acciones según objetivos activos.
• Plan de ejecución detallado en 5 semanas con tareas y tiempos estimados.

Este documento detalla el plan de desarrollo de Heartbeat Studio, un sandbox interno para validar la lógica del Prompt Maestro y probar casos límite sin afectar el frontend final. El objetivo es cerrar el contrato de API antes de la integración, permitiendo al equipo de backend trabajar de forma autónoma. Incluye fases como panel de perfiles, triggers, visor de decisiones de IA, previsualización de UI, dashboard de métricas y timeline. Es una herramienta clave para acelerar el desarrollo y garantizar la calidad del producto.

• Sandbox funcional para backend sin dependencias externas (zero deps).
• 9 fases de desarrollo con prioridades y tiempos estimados (total 3-4 días).
• Incluye perfiles mock (bebé, celiaco, estudiante, senior) y respuestas simuladas.
• Persistencia local con localStorage y exportación JSON.
• Integración con Deep Pulse para análisis estratégico ya completada.

Heartbeat Studio es un sistema que genera contenido multimedia personalizado (imágenes, texto y audio) para acompañar a usuarios según su estado emocional y contexto. Utiliza inteligencia artificial para seleccionar imágenes de una biblioteca curada, buscando por emociones o descripciones en lenguaje natural. Esto permite ofrecer experiencias únicas y relevantes para cada persona, mejorando el engagement y la satisfacción del usuario. El sistema está diseñado para ser escalable y fácil de integrar, con APIs claras y una arquitectura moderna en la nube.

• Genera imágenes, texto y audio personalizados según el contexto y estado emocional del usuario.
• Incluye una biblioteca de imágenes curada por administradores, con búsqueda semántica por emociones.
• Usa modelos de IA como Flux, SDXL, GPT-4 y Claude para la generación de contenido.
• Ofrece APIs REST para perfiles, ejecución de heartbeats, gestión de imágenes y búsqueda semántica.
• Almacena datos en Cloudflare D1 y R2, con backend en Cloudflare Workers.

Heartbeat es el motor de inteligencia de NutriNen que decide cuándo y cómo interactuar con el usuario según su contexto. Funciona como un 'latido' constante que observa factores como hora, clima, actividad e historial para ofrecer consejos, recordatorios o retos personalizados sin molestar innecesariamente. El sistema prioriza la relevancia sobre la frecuencia, mejorando la experiencia del usuario y fomentando hábitos saludables. Esto permite a NutriNen ser un asistente proactivo pero no intrusivo, aumentando el engagement y la retención.

• Motor contextual que decide si mostrar contenido (tip, recordatorio, reto, alerta) o permanecer en silencio según el perfil y momento del usuario.
• Soporta perfiles específicos: bebé, celíaco, estudiante y senior, cada uno con restricciones, tono y apariencia personalizados.
• Incluye Deep Pulse, un análisis periódico que detecta patrones de comportamiento y genera insights personalizados (logros, advertencias, sugerencias).
• Sistema de gamificación con puntos, niveles, rachas y logros para incentivar la interacción y adherencia.
• Arquitectura basada en Cloudflare Workers, D1, Groq y Cloudflare AI, con generación de imágenes y análisis de visión integrados.

Este documento recoge las notas de diseño y el plan de desarrollo del sistema Heartbeat, que ayuda a los usuarios a gestionar su alimentación y bienestar mediante recordatorios inteligentes. Explica cómo el sistema maneja fallos externos (como el clima) sin detenerse, cómo protegerá la privacidad de los usuarios al compartir información colectiva solo cuando haya suficientes validaciones, y cómo detectará cuándo un usuario vuelve a casa tras un viaje sin generar falsas alertas. También detalla las decisiones técnicas clave, como el uso de proveedores de inteligencia artificial rápidos y una arquitectura que prioriza la privacidad desde el diseño. Es una guía esencial para entender hacia dónde evoluciona el producto y por qué esas decisiones importan para la experiencia del usuario y el negocio.

• El sistema nunca se detiene por fallos externos: si la API del clima falla, usa un valor estimado y avisa al sistema para que no tome decisiones críticas basadas en él.
• La función de inteligencia colectiva solo publicará información si al menos 3-5 usuarios la han validado, protegiendo la privacidad mediante hashes en lugar de identificadores directos.
• Se implementará un sistema de histéresis para detectar viajes: solo se considera que el usuario ha vuelto a casa si permanece a menos de 30 km de su hogar durante más de 24 horas, evitando falsos positivos en escalas.
• El roadmap incluye mejoras inmediatas como un chat más claro y la transformación de respuestas de la API, y planes futuros como la sincronización multi-dispositivo y la integración con wearables.
• Las decisiones arquitectónicas priorizan velocidad y privacidad: todo se ejecuta en el borde (edge) con Cloudflare Workers, y los datos sensibles nunca salen de ahí.

El sistema I2I (Image-to-Image) permite que los espacios visuales de los usuarios, como un huerto o un nido, evolucionen de forma coherente a lo largo del tiempo. En lugar de generar imágenes completamente nuevas cada vez, el sistema parte de la imagen actual y aplica cambios suaves según el contexto del usuario, como el clima, la hora del día o su estado de salud. Esto asegura que el usuario siempre reconozca su espacio personalizado, mientras refleja su progreso y las condiciones externas. El resultado es una experiencia visual más natural y conectada con la realidad del usuario, mejorando su compromiso con la aplicación.

• Cada imagen es hija de la anterior, creando un linaje visual coherente que mantiene la identidad del espacio del usuario.
• El sistema usa datos externos (clima, hora, ubicación) y datos internos (salud, racha) para personalizar las transformaciones visuales.
• Incluye un sistema de rollback visual para revertir a una versión anterior si la generación no es satisfactoria.
• Se almacenan prompts exitosos en una caché para reutilizar combinaciones probadas y reducir costos.
• El contexto externo se comparte con otros sistemas como Heartbeat y Deep Pulse para una experiencia unificada.

Este documento describe cómo la aplicación Nutrinen Baby se comunica con su backend en la nube para ofrecer chat inteligente, análisis de salud y sincronización de datos. La app usa un asistente con inteligencia artificial que entiende el contexto del bebé y puede ejecutar acciones como añadir alimentos a la nevera o registrar comidas. La sincronización en la nube permite que los datos del usuario estén disponibles en múltiples dispositivos. El sistema está diseñado para ser rápido y seguro, usando autenticación con Google y almacenamiento local para responder sin demoras.

• El chat con IA usa hasta 33 herramientas para gestionar inventario, comidas, recordatorios y más.
• La sincronización bidireccional con la nube permite mantener los datos actualizados entre dispositivos.
• El análisis profundo se ejecuta automáticamente cada 10 mensajes para detectar patrones de salud.
• La autenticación es mediante Google Sign-In con tokens JWT que expiran a las 24 horas.
• No hay reintento automático si falla el proveedor de IA; el error se muestra al usuario.

Este documento describe un sistema que anima a los usuarios a iniciar sesión con Google de forma gradual y no molesta. Si el usuario no se loguea, al séptimo minuto de uso aparece un mensaje recordándole que sus datos se perderán si borra la app o cambia de móvil. Si vuelve otro día sin haber iniciado sesión, el mensaje aparece al minuto y, si lo rechaza, la app se bloquea hasta que se loguee. El objetivo es retener usuarios, reducir pérdidas de datos y habilitar funciones en la nube como backup y sincronización entre dispositivos.

• Incentiva el login con Google de forma progresiva: primero suave (día 1) y luego forzoso (día 2+).
• En modo suave, aparece un modal a los 7 minutos y luego cada 3 minutos si se cancela.
• En modo forzoso, el modal aparece al minuto y, si se rechaza, la UI se bloquea tras 2 minutos adicionales.
• Incluye un guard para que marcar una comida como completada abra el formulario de registro en lugar de hacerlo directamente.
• Respeta la privacidad: no bloquea durante onboarding ni interrumpe alarmas o timers activos.

Este documento describe el sistema de chat de NutriBot, el asistente de IA integrado en NutriNen Baby. Explica cómo el asistente responde preguntas sobre nutrición infantil, sugiere recetas, gestiona la nevera virtual y crea recordatorios, todo mediante un sistema de llamadas a funciones. También detalla las capacidades de voz (texto a voz y voz a texto) y cómo el chat recuerda el contexto del bebé para dar respuestas personalizadas. Es importante para el negocio porque muestra una funcionalidad clave que mejora la experiencia del usuario y la retención en la app.

• Asistente IA especializado en nutrición infantil con 33 herramientas de función.
• Soporta múltiples proveedores de IA: Groq, Gemini, DeepSeek y Cloudflare.
• Incluye texto a voz y voz a texto tanto en Android como en navegador web.
• El chat recuerda el historial de 250 mensajes durante 15 días y adapta respuestas al perfil del bebé.
• Integración con sistema de salud 'Deep Pulse' que ofrece insights tras 5 interacciones.

NutriNen Baby es una aplicación móvil que ayuda a padres y cuidadores en la crianza de bebés de 0 a 3 años, combinando inteligencia artificial, gamificación y nutrición personalizada. La app resuelve problemas cotidianos como decidir qué dar de comer al bebé, registrar comidas y sueño, y obtener recomendaciones adaptadas a la etapa del bebé. A diferencia de otras apps de tracking pasivo, NutriNen actúa como un asistente activo que planifica menús, sugiere nuevos alimentos y ofrece insights cruzados de nutrición, sueño y salud. Esto es importante para el negocio porque aborda un mercado de 32 millones de bebés al año en Europa y LATAM, con una propuesta única que integra IA conversacional con 33 herramientas de acción, gamificación adaptativa y sincronización en la nube.

• App integral de crianza con IA conversacional que ejecuta 33 acciones (planificar menús, registrar comidas, gestionar inventario).
• Gamificación adaptativa por etapa del bebé: objetivos, logros y rachas que cambian según la edad alimentaria.
• Tracking cruzado de nutrición, sueño, pañales e inventario del hogar con insights generados por IA (Deep Pulse).
• Experiencia sensorial completa: voz nativa (TTS/STT), caja de música con 22 melodías, efectos visuales y vibración háptica.
• Arquitectura ligera (200KB) con funcionamiento offline y sincronización cloud opcional, disponible como PWA y app Android nativa.

Este documento detalla cómo se almacenan y sincronizan todos los datos de la aplicación NutriNen Baby. Toda la información del bebé, como perfil, comidas, sueño, lista de compras y progreso, se guarda en el navegador del usuario (localStorage) y se sincroniza automáticamente con la nube (Cloudflare R2) para que no se pierda al cambiar de dispositivo. Esto permite que la aplicación funcione sin conexión y que los datos estén siempre disponibles. Para el negocio, garantiza una experiencia fluida y confiable, clave para la retención de usuarios.

• Todos los datos se almacenan en localStorage con persistencia permanente y sincronización a R2.
• Existen más de 30 claves de localStorage, clasificadas en críticas, importantes y opcionales para la sincronización.
• El sistema de sincronización es offline-first: el navegador es la fuente principal y la nube actúa como respaldo.
• Los datos fluyen entre componentes: por ejemplo, marcar un alimento como comprado en la lista de compras lo añade a la nevera virtual y otorga puntos de experiencia.
• El documento incluye interfaces TypeScript detalladas para cada tipo de dato, facilitando el desarrollo y mantenimiento.

Este documento detalla el estado actual de todas las herramientas y funcionalidades integradas en la aplicación NutriNen Baby, orientada a padres que gestionan la alimentación, sueño y cuidado de sus bebés. Actualmente, 33 herramientas del chat están completamente implementadas y funcionales, cubriendo desde la gestión de la nevera y lista de compras hasta el registro de comidas, sueño, recordatorios y alarmas. La integración con múltiples proveedores de inteligencia artificial (Groq, Google Gemini, DeepSeek y Cloudflare) permite que el asistente entienda y ejecute acciones en nombre del usuario, sincronizando toda la información en el almacenamiento local del dispositivo. Esto garantiza una experiencia fluida y personalizada, eliminando la necesidad de ingresar datos manualmente en diferentes secciones de la app.

• 33 herramientas del chat completamente funcionales, cubriendo nevera, compras, comidas, sueño, recordatorios y alarmas.
• Soporte para 4 proveedores de IA (Groq, Google Gemini, DeepSeek, Cloudflare) con 7 modelos, 2 pendientes por falta de soporte de herramientas.
• Sincronización automática entre el chat y las secciones de la app mediante almacenamiento local (localStorage).
• Funcionalidades avanzadas como registro de sueño con atribución inteligente de fecha y registro de comidas con fecha opcional.
• Plan de mejoras futuras incluye alertas de caducidad, sincronización en la nube y notificaciones push.

Este documento detalla todas las llamadas a inteligencia artificial que realiza la aplicación NutriNen Baby, desde el chat principal hasta la generación de música y el análisis de imágenes. Identifica 18 endpoints, de los cuales 11 utilizan modelos de lenguaje o generativos, y analiza su arquitectura, costes y oportunidades de mejora. El objetivo es optimizar el rendimiento, reducir costes y mejorar la experiencia del usuario, priorizando acciones como reducir el contexto enviado en cada llamada o implementar streaming para evitar esperas largas.

• 18 endpoints totales, 11 con IA (LLM o generativa) de 4 proveedores distintos.
• El chat principal (beat) es el endpoint más usado y costoso, con doble llamada en function calling.
• Deep Pulse realiza análisis profundos cada 30 minutos, enviando mucho contexto (~5K tokens).
• Se identifican oportunidades de mejora como cacheo, streaming y reducción de datos enviados.
• Incluye autenticación JWT y rate-limiting para endpoints sin auth.

Este documento describe el proceso de primera experiencia para la aplicación NutriNen Baby, que guía al cuidador a través de 7 pasos para configurar el perfil del bebé, preferencias alimenticias y datos del hogar. El onboarding se activa automáticamente en la primera visita y recopila información clave como nombre, fecha de nacimiento, alergias, peso, talla, tipo de alimentación y artículos disponibles en casa. Al finalizar, la aplicación se personaliza completamente y el asistente NutriBot da la bienvenida. Este flujo asegura que cada usuario comience con datos reales, mejorando la precisión de recomendaciones y la experiencia general.

• Onboarding de 7 pasos con overlay fullscreen y animaciones.
• Recoge datos del bebé (nombre, fecha, peso, talla, alergias, etapa alimenticia) y del cuidador.
• Permite seleccionar hasta 22 items de nevera en 4 categorías.
• Al completar, guarda perfil en localStorage, puebla nevera y redirige al home con datos reales.
• Integra con personalContext del chat, gamificación, Deep Pulse y Meal Timeline.

Este documento es la hoja de ruta completa de NutriNen Baby, una aplicación que ayuda a padres y cuidadores a gestionar la alimentación, el sueño y el bienestar de bebés y niños pequeños. Detalla todas las funcionalidades ya desarrolladas, desde la gamificación y el plan de comidas dinámico hasta la sincronización en la nube y las alarmas nativas. También incluye los próximos pasos para la publicación en tiendas de aplicaciones y la expansión multi-marca. Es un recurso esencial para entender el estado actual del producto y su evolución planificada.

• Roadmap completo con 10 sprints completados y próximos pasos para publicación y multi-marca.
• Incluye funcionalidades clave como plan de comidas dinámico, gamificación, sincronización en la nube y alarmas nativas.
• Detalla mejoras en UX, persistencia de datos y personalización del perfil del bebé.
• Cubre integraciones técnicas como Capacitor para app nativa Android y TTS/STT.
• Documento vivo que refleja el estado actual del desarrollo y prioridades futuras.

Este documento detalla el plan de evolución de NutriNen Baby, una aplicación que ayuda a padres a gestionar la alimentación de sus bebés mediante un asistente inteligente. El roadmap muestra que la mayoría de las funcionalidades clave están completadas al 95-98%, incluyendo chat inteligente, nevera virtual, generación de recetas, gamificación y sincronización en la nube. Las próximas fases se centran en la publicación en tiendas de aplicaciones y el modo offline. Para el negocio, esto indica que el producto está maduro para su lanzamiento comercial, con una base sólida y una hoja de ruta clara hacia la expansión.

• El 95% de las funcionalidades principales están completas, incluyendo chat con IA, inventario de alimentos y gamificación.
• La aplicación ya cuenta con autenticación, sincronización en la nube y soporte para Android nativo.
• Las próximas prioridades son la publicación en Google Play Store y el desarrollo del modo offline.
• El roadmap incluye métricas de éxito claras para MVP, V1.0 y V2.0, todas alcanzadas excepto la publicación en tiendas.
• La deuda técnica está identificada y priorizada, con énfasis en mejorar el manejo de errores y la accesibilidad.

NutriNen Baby es una aplicación web diseñada para que los padres gestionen la alimentación de sus bebés de forma divertida y sencilla. Combina un sistema de seguimiento de comidas con elementos de juego como puntos y logros, un asistente inteligente que responde preguntas sobre nutrición, y herramientas visuales para ver el crecimiento del bebé. La app funciona en el móvil y está pensada para usarse sin conexión a internet en el futuro. Es importante para el negocio porque ofrece una experiencia completa que fideliza a los usuarios y abre oportunidades de venta cruzada con otros productos de la plataforma.

• Aplicación móvil-first para gestionar la nutrición infantil con gamificación (XP, niveles, logros).
• Incluye un asistente conversacional (NutriBot) con 33 herramientas y múltiples proveedores de inteligencia artificial.
• Ofrece tracking de comidas, nevera virtual, listas de compra y gráficos de crecimiento basados en estándares OMS.
• Arquitectura basada en Cloudflare Workers, D1 y R2, con sincronización en la nube y login mediante Google.
• App nativa para Android usando Capacitor, con soporte para texto a voz y reconocimiento de voz.
• Diseñada sin dependencias de frameworks, optimizada para rendimiento y accesibilidad.

Este documento describe la arquitectura técnica y SEO del sitio web nutrinen.com, una plataforma gratuita de herramientas para padres y cuidadores de bebés. El sitio incluye 29 herramientas interactivas (calculadoras, generadores de menús, quizzes) que funcionan sin registro, un blog con 33 artículos, y un sistema de captación de leads mediante newsletter. El objetivo es atraer tráfico orgánico y convertir visitantes en leads cualificados para el negocio de nutrición infantil.

• 29 herramientas SEO gratuitas sin registro, cada una como HTML standalone.
• 5 herramientas usan APIs con IA (DeepSeek V3) para generar contenido personalizado.
• Sistema de newsletter con formulario completo y protección anti-bot (Cloudflare Turnstile).
• Blog con 33 artículos SEO y mapa del sitio con 29 tools + 33 blog + páginas legales.
• Desplegado en Cloudflare Pages con build automatizado y minificación.

Este documento detalla los pasos necesarios para preparar la aplicación NutriNen (baby tracker) para ser empaquetada como app nativa usando Capacitor. Explica cómo adaptar el código actual (monolito HTML/JS/CSS) a un pipeline de build con ofuscación, cómo cambiar las URLs de API para que funcionen sin servidor local, y qué plugins nativos instalar para notificaciones, cámara, y persistencia. La guía concluye que la app está en buen estado y estima ~2 semanas de trabajo para llegar a la App Store, priorizando un script de build dedicado sobre una migración completa a frameworks modernos.

• La app es un monolito HTML/JS/CSS de ~17K líneas sin build system actual, pero funcional para Capacitor con un script de build dedicado.
• Se usará Terser para minificar y ofuscar el código en producción, sin renombrar propiedades para no romper el acceso a DOM, localStorage o API.
• Las URLs relativas de API deben cambiarse a absolutas (https://cadences.app) o detectar automáticamente el entorno para que funcionen en la WebView nativa.
• Los plugins críticos son @capacitor/local-notifications (alarmas), @capacitor/app (lifecycle) y @capacitor/splash-screen; otros como cámara y filesystem son mejoras importantes.
• No se necesita migrar a React, ES Modules, SQLite ni Service Workers; el código actual es suficiente con ajustes mínimos.

Este documento describe el sistema de búsqueda semántica de Heartbeat, que permite encontrar imágenes en la biblioteca según el contexto emocional o situacional del usuario, no solo por palabras exactas. Utiliza inteligencia artificial para convertir descripciones en lenguaje natural (como "el bebé tiene fiebre y está llorando") en representaciones numéricas que se comparan con las de las imágenes, devolviendo las más relevantes. Esto mejora la experiencia del usuario al mostrar imágenes que realmente se ajustan a lo que necesita, incluso si no usa términos precisos. Para el negocio, significa mayor engagement y personalización en la app.

• Usa el modelo de embeddings @cf/baai/bge-m3 de Cloudflare Workers AI, con soporte multilingüe y 1024 dimensiones.
• Ofrece endpoints para obtener imágenes con búsqueda semántica, búsqueda directa, generar embeddings, indexar imágenes y operaciones administrativas por lotes.
• La similitud se calcula con coseno, con umbral mínimo de 0.3; se priorizan resultados semánticos antes de caer en búsqueda textual o aleatoria.
• Los embeddings se almacenan como BLOB en SQLite (D1) y se serializan como Float32Array para eficiencia.
• Incluye un cliente JavaScript con funciones como getLibraryImage y semanticImageSearch para integración sencilla.

Este documento describe el sistema de Escenas Visuales de Heartbeat Studio, que permite personalizar el fondo visual de la experiencia del usuario según su perfil (bebé, celíaco, estudiante, senior) y la situación actual. Cada escena tiene imágenes predeterminadas, presets configurables y soporte para generación de imágenes por IA (I2I). El sistema mejora la inmersión del usuario al adaptar el entorno visual a sus necesidades y contexto, facilitando la interacción con funciones como inventario, salud o alimentación. Es clave para ofrecer una experiencia diferenciada y emocionalmente conectada con cada tipo de usuario.

• Define escenas visuales por perfil: bebé, celíaco, estudiante y senior, cada una con escenas específicas como nevera, salud, biblioteca o medicamentos.
• Cada escena incluye imagen de fondo por defecto, presets para situaciones (ej. nevera llena/vacía) y configuración de generación I2I.
• Incluye un selector de escena en el header del Visual Preview, panel de configuración con opciones de imagen y toggle I2I.
• Soporta cambio manual y automático de escenas, con historial de navegación y transiciones sugeridas por el LLM.
• Implementa un sistema de objetivos personalizables que permite al usuario definir metas y recibir sugerencias contextuales.
• El roadmap incluye fases completadas de estructura base, imágenes/presets, integración I2I y series de imágenes, quedando pendientes transiciones animadas y escenas personalizadas.

Este documento describe un sistema de biblioteca curada de imágenes para Heartbeat Studio, donde el equipo de desarrollo genera imágenes predefinidas organizadas por 'familias' basadas en una semilla común. Los usuarios no generan imágenes, sino que consumen de esta biblioteca, garantizando coherencia visual y control de costes. El sistema incluye gamificación opcional mediante puntos que permiten a los usuarios generar imágenes adicionales, y búsqueda semántica para seleccionar la imagen más adecuada según el contexto emocional del usuario. Esto asegura una experiencia visual consistente y escalable, reduciendo costes de generación y manteniendo la calidad.

• Las imágenes son pre-generadas por el equipo y organizadas en familias de semillas, garantizando coherencia visual.
• Los usuarios no generan imágenes directamente; consumen de la biblioteca, lo que controla costes y asegura calidad.
• Sistema de puntos opcional permite a usuarios ganar créditos para generar imágenes adicionales, fomentando la participación.
• Búsqueda semántica basada en embeddings selecciona la imagen más adecuada según el contexto emocional del usuario.
• Cada escena (nursery, living room, etc.) tiene su propia configuración de semillas independiente.

El UI Action Resolver es el módulo que traduce las decisiones de los sistemas de inteligencia de Heartbeat en comandos que la interfaz de usuario puede ejecutar. Su función es convertir la lógica interna en acciones concretas como mostrar notificaciones, actualizar gráficos o cambiar fondos, sin que el motor de decisiones tenga que saber nada sobre botones o colores. Esto permite que la aplicación responda de forma rápida y coherente a las necesidades del usuario, mejorando la experiencia sin importar la plataforma o el dispositivo.

• Convierte decisiones internas en comandos JSON estrictos para la UI.
• Usa un modelo de lenguaje pequeño y rápido (3B-8B parámetros) para mantener latencias bajo 500ms.
• Define un catálogo completo de componentes UI con prioridades y animaciones predefinidas.
• Incluye validación de esquema y sistema de fallbacks para garantizar robustez.
• Permite desacoplar completamente la lógica de negocio de la presentación, facilitando el mantenimiento y la escalabilidad.

Este documento explica cómo la aplicación web de NutriNen Baby se convierte en una app nativa para Android usando Capacitor. Detalla la estructura del proyecto, los plugins instalados para funciones como cámara, notificaciones y reconocimiento de voz, y el proceso de sincronización entre la versión web y la app nativa. Es útil para entender cómo se empaqueta y distribuye la app en Google Play, y qué permisos y configuraciones se requieren.

• La app web se empaqueta en un WebView nativo mediante Capacitor 8.
• Se incluyen plugins para notificaciones locales, TTS, STT, cámara y autenticación con Google.
• El flujo de sincronización copia los assets web y los transforma para Capacitor.
• Se definen canales de notificación con sonidos personalizados para alarmas y recordatorios.
• La autenticación con Google requiere configuración manual de SHA1 y google-services.json.

Este documento describe escenarios de estrés para probar cómo tres sistemas (Heartbeat, Deep Pulse y Creative Pulse) colaboran cuando un usuario ignora alertas de salud durante varios días. Muestra cómo Heartbeat detecta y alerta en tiempo real, Deep Pulse identifica tendencias peligrosas y Creative Pulse narra visualmente el deterioro del usuario. El objetivo es validar que la plataforma puede reaccionar de forma progresiva y emocionalmente impactante, mejorando la adherencia del usuario sin ser invasiva.

• Escenario 'La Gran Negligencia' simula 3 días de hipertensión no tratada en un perfil senior.
• Heartbeat emite alertas tácticas y ajusta su intensidad para evitar fatiga de alertas.
• Deep Pulse analiza patrones de 72 horas y escala la prioridad a crítica.
• Creative Pulse transforma visualmente un invernadero de saludable a marchito, generando impacto emocional.
• Se incluyen pruebas de rollback visual y caché de prompts para robustez del sistema.

Este documento recoge un análisis exhaustivo de errores y mejoras identificados en la aplicación Nutrinen, orientada a la nutrición infantil. Se detectaron 20 problemas iniciales, desde fallos críticos como campos de fecha que no funcionaban hasta deficiencias en la visualización de objetivos y métricas de salud. Todos los bugs fueron resueltos en sprints posteriores, elevando la puntuación general de 7.6 a 9.4 sobre 10. El informe detalla cada incidencia, su impacto en la experiencia de usuario y las soluciones implementadas, lo que demuestra un proceso de mejora continua clave para la retención de madres usuarias.

• 20 bugs y deficiencias identificados y resueltos en 4 sprints (A-D) más sprints E y F.
• Fallos críticos incluían campos de fecha inoperativos y sistema de salud que no se adaptaba a lactancia exclusiva.
• Se implementó sincronización bidireccional entre el estado visual de comidas y el registro interno.
• Correcciones de zona horaria y parámetros dinámicos mejoraron la precisión del seguimiento de comidas.
• La puntuación general del producto subió de 7.6/10 a 9.4/10 tras las mejoras.

Este documento registra el historial completo de cambios del juego NutriNen Baby, desde su versión inicial hasta la 2.31.0. Detalla cada funcionalidad añadida, corrección y mejora técnica, como el sistema de login progresivo, el registro de comidas, el plan freemium, el programa Early Adopters, el seguimiento nutricional semanal, las alertas de nutrientes, la exportación de informes para pediatra, las gráficas de crecimiento OMS, la integración con Capacitor para app nativa Android, TTS y STT nativos, alarmas mejoradas, notificaciones push, y mucho más. Es útil para que el equipo comercial y de producto entienda la evolución del producto y las capacidades actuales, así como para que los desarrolladores tengan una referencia de cambios.

• Registro cronológico de versiones desde 1.0.0 hasta 2.31.0 con features, fixes y cambios técnicos.
• Incluye hitos como login progresivo, plan freemium, Early Adopters, seguimiento semanal, gráficas OMS y app nativa Android.
• Documenta integraciones con Capacitor, TTS/STT nativos, notificaciones push y alarmas mejoradas.
• Menciona correcciones de bugs relacionados con timezone, desincronización de datos y falsos positivos.
• Lista próximos cambios planificados como publicación en Google Play y soporte iOS.

Este documento describe el sistema de caja de música integrado en el juego Baby Nutrinen, un sintetizador que genera melodías en tiempo real sin usar archivos de audio. Incluye 22 canciones, modo sueño con fade progresivo, reproducción en cadena y ajuste automático de volumen cuando el asistente de voz habla. Es importante para el negocio porque mejora la experiencia del usuario al ofrecer una funcionalidad de relajación y entretenimiento sin depender de descargas externas, y está optimizado para funcionar en dispositivos móviles.

• Sintetizador 100% JavaScript con Web Audio API, sin archivos MP3.
• 22 melodías: 8 nanas, 8 clásicos y 6 infantiles.
• Modo sueño con fade de volumen progresivo en hasta 8 ciclos.
• Audio ducking: reduce volumen automáticamente durante TTS/STT.
• Playlist Chain: reproduce melodías consecutivas automáticamente.

Este documento describe el sistema de efectos visuales de partículas para la aplicación Baby Nutrinen, que añade animaciones ambientales como corazones, estrellas, nieve, lluvia, burbujas y hojas en la pantalla principal. Los efectos se activan manualmente o en modo rotación automática, y se guardan en el dispositivo del usuario. Además, incluye un efecto de viento controlado por el giroscopio del móvil, que desplaza las partículas al inclinar el teléfono. El sistema está optimizado para rendimiento usando animaciones CSS aceleradas por GPU, lo que garantiza una experiencia fluida sin consumir recursos excesivos.

• Seis efectos visuales: corazones, estrellas, nieve, lluvia, burbujas y hojas, más modo rotación automática cada 30 segundos.
• Efecto de viento mediante giroscopio: al inclinar el móvil, las partículas se desplazan horizontalmente.
• Persistencia del efecto seleccionado en localStorage del navegador.
• Implementación con CSS animations (GPU-accelerated) y JavaScript solo para crear/destruir elementos, maximizando rendimiento.
• API pública para cambiar efectos, controlar giroscopio y personalizar configuración.

Heartbeat Games es un sistema que organiza perfiles de usuario como juegos independientes, cada uno con su propia temática visual y escenas. Actualmente solo la app de nutrición para bebés (NutriNen) está activa en producción. La arquitectura separa recursos compartidos (como componentes de interfaz y conexión con la API) de la lógica específica de cada juego, permitiendo añadir nuevos perfiles de forma modular. Esto facilita la personalización de la experiencia del usuario sin duplicar código.

• Cada perfil de Heartbeat es un juego independiente con su propia configuración y escenas.
• Solo baby-nutrinen (NutriNen) está activo en producción; el resto son plantillas.
• Los recursos compartidos incluyen CSS, JS de carga de escenas y componentes de interfaz.
• Cada juego tiene un config.json que define colores, escenas y elementos del HUD.
• La carga dinámica de escenas y la conexión con la API de Heartbeat permiten datos en tiempo real.

Heartbeat Studio es una consola de desarrollo interna para validar el motor Heartbeat 2.1 de NutriNen sin depender del frontend final. Permite a los equipos técnicos simular perfiles de usuario, disparar eventos y ver el razonamiento interno de la IA en tiempo real. Esto acelera la detección de errores y cierra el contrato de API antes de la integración con el frontend, reduciendo riesgos en el desarrollo del producto.

• Herramienta sandbox para probar el motor Heartbeat sin frontend final.
• Permite simular perfiles de usuario, eventos y ver el pensamiento de la IA.
• Acelera la validación de lógica y cierra el contrato de API temprano.
• Incluye modos mock, API e híbrido para diferentes necesidades de desarrollo.
• Documentación técnica asociada enlazada para arquitectura y perfiles.

Este documento es el índice central de la documentación técnica del proyecto NutriNen, una app de salud proactiva impulsada por el motor Heartbeat 2.1. Organiza y describe los documentos clave sobre arquitectura de APIs, perfiles de usuario, lógica de inteligencia artificial, evolución visual y simulación de crisis. Su propósito es guiar al equipo técnico y de producto en el orden de lectura y comprensión del sistema completo, destacando los componentes ya documentados y los pendientes de implementación.

• Índice de 8 documentos técnicos con descripciones y audiencia objetivo.
• Orden de lectura recomendado para entender el sistema completo y para el equipo de IT.
• Estado de la PoC: 18 funcionalidades documentadas, 3 pendientes de implementación.
• Estructura del proyecto heartbeat-studio con carpetas de código y documentación.
• Convenciones de nomenclatura y uso de emojis en la documentación.

El programa Early Adopters de NutriNen Baby premia a los primeros usuarios con acceso Premium gratuito hasta un año. La app ayuda a padres a registrar comidas, sueño y pañales, con inteligencia artificial para planificación semanal y análisis de fotos. El objetivo es fidelizar usuarios tempranos y recopilar feedback para mejorar el producto antes del lanzamiento masivo.

• Early Adopters obtienen hasta 1 año gratis de planes de pago (Básico, Normal, Premium).
• La app incluye registro de comidas, sueño, pañales y gamificación.
• La IA gratuita está limitada a 3 consultas diarias; los planes de pago amplían el límite.
• El flujo de upgrade incluye un trial de 7 días y prompts cuando se agota la batería de IA.
• Se implementa login forzoso y un sistema de batería de IA con recarga por tiempo.

Este documento es una lista de verificación de calidad para la aplicación NutriNen Baby, que ayuda a padres a gestionar la alimentación, sueño y desarrollo de su bebé. Detalla todas las funcionalidades que guardan o leen datos, tanto en el almacenamiento local del dispositivo como en los servidores de la API. Incluye pruebas para cada pantalla: inicio, ficha del bebé, chat con asistente virtual, nevera, progreso, recetas, música, comidas y lista de compras. Es útil para el equipo de desarrollo y control de calidad, asegurando que todo funcione correctamente antes de lanzar nuevas versiones.

• Cubre 10 pantallas/modales con más de 80 ítems de verificación, muchos ya marcados como funcionales.
• El chat con IA (NutriBot) es la funcionalidad más compleja, con 52 ítems que incluyen llamadas a API, persistencia de historial y herramientas como nevera y recordatorios.
• La ficha del bebé y la lista de compras están completamente funcionales con persistencia en localStorage.
• Se identifican issues conocidos como datos hardcodeados en recetas y progreso, y falta de sincronización con backend para datos locales.
• El documento incluye un flujo de datos que muestra cómo la información del bebé se usa en el chat y la API.

NutriNen Baby es una aplicación web diseñada para ayudar a padres y cuidadores a gestionar la nutrición infantil de forma sencilla y gamificada. Combina un asistente inteligente que entiende lenguaje natural, recordatorios de comidas y alarmas, sincronización en la nube entre dispositivos, y una versión nativa para Android con comandos de voz. El objetivo es facilitar el día a día de las familias, centralizando toda la información de alimentación, sueño y crecimiento del bebé en una sola herramienta. Para el negocio, representa un producto innovador que puede atraer y retener usuarios mediante una experiencia lúdica y útil.

• Aplicación mobile-first para gestión de nutrición infantil con gamificación.
• Incluye asistente IA (NutriBot) con 33 herramientas para gestionar comidas, compras y recordatorios.
• Sincronización en la nube entre dispositivos mediante Cloudflare R2 y Google SSO.
• App nativa Android con notificaciones, alarmas y reconocimiento de voz.
• Documentación extensa con más de 20 archivos que cubren desde arquitectura hasta QA.

Este documento proporciona instrucciones para obtener archivos MP3 de piezas clásicas de dominio público para la caja musical de NutriNen. Explica cómo descargar desde fuentes legales gratuitas como Archive.org o Musopen, o generar versiones con IA. El objetivo es que el equipo pueda integrar música suave y segura para bebés en el producto, evitando problemas de copyright.

• Lista de 8 piezas clásicas de dominio público con nombres de archivo sugeridos.
• Instrucciones para descargar desde Archive.org, Musopen o generar con IA.
• Recomendaciones técnicas: formato MP3, bitrate 128-192 kbps, duración 2-5 minutos.
• Aviso legal sobre uso de grabaciones libres de derechos.
• Documento práctico para el equipo de producto, no técnico.