Despliegue en Railway

AsesorIA se despliega en Railway como servicio Docker construido desde el Dockerfile del repositorio (rama main). Esta es la implementación activa; el blueprint de Render documentado en deploy_render.md queda como alternativa.

URL pública: https://asesoria.up.railway.app

Requisitos

1. Cuenta en Railway y proyecto conectado al repositorio (New Project → Deploy from GitHub repo → HelenDiMo/AsesorIA, rama main).
2. GROQ_API_KEY real.
3. Recursos del plan de prueba: 1 GB RAM (la aplicación mide ≈831 MB en reposo; con 512 MB el contenedor muere por OOM) y volumen de 500 MB como máximo.

Configuración del servicio

Ajuste	Valor
Builder	Dockerfile (/Dockerfile)
Región	US East (iad)
RAM	1 GB (máximo del plan de prueba)
Volumen	/app/chroma_db (500 MB)
Healthcheck	/health
Restart policy	On failure (máx. 10 reintentos)

Variables de entorno

Se configuran en Settings → Variables; nunca se commitean:

Variable	Origen	Valor
GROQ_API_KEY	dashboard	clave real, nunca en Git
OAUTH_GOOGLE_CLIENT_ID / _SECRET	dashboard	opcional (login)
CHAINLIT_AUTH_SECRET	dashboard	secreto de sesión de Chainlit
CHROMA_DIR	dashboard	/app/chroma_db/corpus_runs/ae121e0628ac4595b09cce0dbfb72205
CHROMA_COLLECTION	dashboard	corpus_384_48
CHAINLIT_SQLITE_PATH	dashboard	/app/chroma_db/chainlit.db
CHAINLIT_URL	dashboard	https://asesoria.up.railway.app (obligatoria tras el proxy: sin ella el callback OAuth llega como http:// y Google devuelve redirect_uri_mismatch)
RAILWAY_RUN_UID	dashboard	0 — Railway monta el volumen como root; sin esta variable el usuario app no puede escribir en /app/chroma_db y el arranque muere con Permission denied

Arranque con corpus (custom start command)

El índice no está en Git (.gitignore) ni en la imagen (.dockerignore) y Railway no expone shell para reindexar. El volumen se rellena en el primer arranque mediante un custom start command que descarga el corpus ya indexado desde Hugging Face, lo extrae y solo entonces arranca la aplicación:

python -c 'import urllib.request,zipfile,os; d="/app/chroma_db/corpus_runs/ae121e0628ac4595b09cce0dbfb72205"; m=d+"/chroma.sqlite3"; u="https://huggingface.co/juanmanueldlf/asesoria-corpus/resolve/main/corpus.zip"; os.makedirs(d,exist_ok=True); (not os.path.isfile(m)) and (urllib.request.urlretrieve(u,"/tmp/c.zip"), zipfile.ZipFile("/tmp/c.zip").extractall(d)); os.chdir("/app/ui"); os.execvp("chainlit",["chainlit","run","app.py","--host","0.0.0.0","--port",os.environ.get("PORT","8000"),"--headless"])'

La descarga solo se ejecuta si falta chroma.sqlite3, por lo que es idempotente en cada redeploy. Si se elimina el volumen, se repite sola. Sin este paso (o sin volumen) el servicio arranca igual y responde con el modo honesto de «no dispongo de suficiente información», sin inventar fuentes.

OAuth en producción

Registrar como redirect URI en Google Cloud Console:

https://asesoria.up.railway.app/auth/oauth/google/callback

Sin OAuth la app arranca igual (login desactivado).

CI/CD

• Railway: despliega automáticamente desde main en cada push (builder Dockerfile desde el repositorio).
• GHCR: el job publish de CI publica ghcr.io/<owner>/<repo>:sha-<commit> y :main; Railway no lo consume (construye desde el repo), pero la imagen queda disponible para despliegues trazables o para Render (ver deploy_render.md).

Costes y límites observados

• Plan de prueba: crédito de 5 $ durante 30 días; con 1 GB encendido (≈10 $/mes equivalentes) rinde ≈1-2 semanas de servicio continuo.
• RAM medida en reposo: ≈831 MB sobre 1 GB disponibles; los picos de embedding + generación se acercan al límite.
• La app no puede reindexar en la nube (el proceso tarda ≈2 h y supera los 1 GB de RAM): el corpus se distribuye como paquete indexado vía Hugging Face (el mecanismo que deploy_render.md dejaba como trabajo futuro está implementado aquí en el start command).