Upload folder using huggingface_hub

README.md

@@ -1,5 +1,5 @@
 ---
-title: RAG Books MCP v2 (ESL + ISLP)
+title: RAG Books MCP v2 (ESL + ISLP + FES + PDSH)
 emoji: 📖
 colorFrom: indigo
 colorTo: purple
@@ -8,7 +8,7 @@ sdk_version: 5.50.0
 app_file: app.py
 pinned: false
 license: apache-2.0
-short_description: MCP v2 RAG ESL+ISLP. ChromaDB desde dataset HF.
+short_description: MCP v2 RAG ESL+ISLP+FES+PDSH. ChromaDB desde dataset HF.
 tags:
   - mcp-server-track
   - rag
@@ -16,14 +16,33 @@ tags:
   - chromadb
 ---
 
-# 📖 RAG Books MCP v2 — ESL + ISLP
+# 📖 RAG Books MCP v2 — ESL + ISLP + FES + PDSH
 
-Igual que v1 en funcionalidad, distinto en arquitectura:
+Servidor MCP que expone búsqueda semántica sobre cuatro libros de referencia
+de Statistical Learning y Data Science, accesible por UI web y por clientes
+MCP (Kiro, Claude Desktop, Cursor, etc.).
 
-- **v1:** la base ChromaDB se empaqueta en el Space.
-- **v2:** la base ChromaDB se carga del dataset HF
+| Libro | Autores | Rol |
+|---|---|---|
+| **ESL** — *The Elements of Statistical Learning* | Hastie, Tibshirani, Friedman | Teoría rigurosa |
+| **ISLP** — *An Introduction to Statistical Learning with Python* | James, Witten, Hastie, Tibshirani | Teoría intuitiva con Python |
+| **FES** — *Feature Engineering and Selection* | Kuhn, Johnson | Heurísticas de FE |
+| **PDSH** — *Python Data Science Handbook* | VanderPlas | Implementación Python |
+
+> ℹ️ **Sobre R4DS** — *R for Data Science, 2nd Ed.* (Wickham, Çetinkaya-Rundel,
+> Grolemund) está indexado en la **variante local** del server pero **NO en
+> este Space**. La razón es su licencia CC BY-NC-ND 3.0 US (NoDerivatives),
+> incompatible con redistribución pública en formato vectorial. Para usar R4DS,
+> ejecuta el server localmente con `RAG_CHROMA_DIR` apuntando a tu propio
+> `chroma_db/` con R4DS indexado. Detalles y procedimiento en el
+> [DATA_CARD del dataset](https://huggingface.co/datasets/gusdelact/rag-esl-islp-chromadb).
+
+## v1 vs v2
+
+- **v1:** la base ChromaDB se empaqueta dentro del Space.
+- **v2 (este Space):** la base ChromaDB se carga del dataset HF
   [`gusdelact/rag-esl-islp-chromadb`](https://huggingface.co/datasets/gusdelact/rag-esl-islp-chromadb)
-  vía `snapshot_download`. La primera tool call descarga ~40 MB; las
+  vía `snapshot_download`. La primera tool call descarga ~95 MB; las
   siguientes son cache hit.
 
 ## Endpoint MCP
@@ -54,18 +73,18 @@ https://<usuario>-<space-name>.hf.space/gradio_api/mcp/
 | Variable | Default | Descripción |
 |---|---|---|
 | `RAG_CHROMA_DATASET` | `gusdelact/rag-esl-islp-chromadb` | Repo del dataset con la base ChromaDB. |
-| `RAG_CHROMA_REVISION` | `main` | Revision (branch/tag/commit) a descargar. |
+| `RAG_CHROMA_REVISION` | `main` | Revision (branch/tag/commit) a descargar. Recomendado pinear a un tag (ej. `v2.1.0`). |
 | `RAG_CHROMA_CACHE_DIR` | `/data/chroma_db` (si existe `/data`) o `~/.cache/...` | Cache local de la descarga. |
-| `RAG_CHROMA_DIR` | — | Si está set y la carpeta existe, omite el download. |
+| `RAG_CHROMA_DIR` | — | Si está set y la carpeta existe, omite el download. **Único modo en el que R4DS está disponible** (cuando indexas localmente con `r4ds_chapters`). |
 | `HF_TOKEN` | — | Solo si el dataset es privado. |
 
 ## Tools
 
 | Tool | Descripción |
 |------|-------------|
-| `search_theory(query, book, top_k)` | Búsqueda semántica en ambos libros. |
+| `search_theory(query, book, top_k)` | Búsqueda semántica en los libros disponibles. `book ∈ {esl, islp, fes, pdsh, both, all}`. En modo local también `r4ds`. |
 | `get_section(book, chapter, section, max_chunks)` | Sección específica por referencia. |
-| `cite_foundation(topic, detail_level)` | Fundamentación citando ambos libros. |
+| `cite_foundation(topic, detail_level)` | Fundamentación teórica multi-libro. |
 | `list_available_topics()` | Lista capítulos y secciones indexados. |
 
 ## Stack
@@ -73,3 +92,4 @@ https://<usuario>-<space-name>.hf.space/gradio_api/mcp/
 - **Embeddings:** `sentence-transformers/all-MiniLM-L6-v2` (local, sin API key).
 - **Vector store:** ChromaDB descargado de HF Hub.
 - **UI / MCP:** Gradio con `mcp_server=True`.
+- **Chunks publicados:** 3005 (1093 ESL + 884 ISLP + 465 FES + 563 PDSH).