Actas Abiertas — Cabildo de Colima

Ventana pública y buscable a las decisiones del cabildo de Colima. El ayuntamiento publica sus actas como un muro de PDF sin buscador; este proyecto convierte ese índice en un sitio estático con búsqueda y línea de tiempo, enlazando siempre al documento original.

636 sesiones · 6,992 puntos de agenda · 2012–2026 · 5 administraciones.

Un proyecto de umbral_. Código MIT. Proyecto independiente, sin relación con el Ayuntamiento de Colima.

Estado (2026-07-22):

• Fase 1 — en vivo en https://umbralmx.github.io/cabildo-libre/: buscador y línea de tiempo sobre el órden del día de las 636 sesiones.
• Fase 2 — en curso, acotada al término actual (2024-2027, 74 actas): OCR del texto completo + resúmenes en lenguaje llano con el sentido de cada punto. 23 de 74 actas procesadas.
• X1 (legal) sigue abierto — el sitio se lanzó en modo atribución con la revisión de Términos y Condiciones aún pendiente. Ver docs/x1-terminos-legal.md.

Desarrollos, retos y próximos pasos: docs/bitacora.md.

Cómo funciona

SCRAPE ─▶ PROCESS ─▶ PUBLISH ─▶ SERVE
(GitHub Actions, por lotes)      (GitHub Pages, estático)

• scraper/scrape_colima.py — descarga el índice oficial y lo convierte en data/actas.json, data/actas.csv y sus copias para el sitio. Sólo biblioteca estándar de Python; sin dependencias. (Fase 1)
• processor/ — pipeline de Fase 2: ocr_colima.py pasa por OCR los PDF escaneados del término (Tesseract spa sobre PyMuPDF) y summarize_colima.py redacta con DeepSeek un resumen y el sentido de cada punto. build_site_index.py compila los payloads del sitio. Ver processor/README.md.
• site/ — sitio estático. La búsqueda y los filtros corren en el navegador sobre el JSON: no hay backend, base de datos ni índice del lado del servidor. La búsqueda cubre el órden del día y, en las actas ya procesadas, su texto completo.
• .github/workflows/actualizar.yml — re-scrapea lunes y jueves, commitea el dato si cambió y publica site/ en GitHub Pages.
• .github/workflows/procesar.yml — corre el pipeline de Fase 2 por lotes (manual y los sábados): OCR, resúmenes y recompilación de los índices del sitio.

Restricción de diseño que explica lo anterior: el mantenedor no puede operar ni pagar un backend. Todo debe ser estático y de nivel gratuito.

Desarrollo local

python3 scraper/scrape_colima.py     # regenerar datos (descarga en vivo)
cd site && python3 -m http.server    # servir el sitio en localhost:8000

--html copia.html reparsea una copia guardada sin volver a descargar.

Limitación central que conviene entender

La base del buscador es el órden del día de cada sesión —lo que estuvo en la mesa—, disponible como texto en el índice oficial. Los PDF de las actas son escaneos sin capa de texto, así que el contenido íntegro y el resultado de cada punto no salen del índice: hay que hacer OCR (ver docs/a3-spike.md). La Fase 2 los está incorporando poco a poco, empezando por el término actual, y sobre ese texto un modelo redacta resúmenes y el sentido de cada punto. Esos resúmenes son generados por IA sobre texto OCR y pueden contener errores; cuando el acta no declara un resultado con claridad se marca «sin resultado registrado» en vez de inventarlo, y el enlace lleva siempre al documento original para verificar.

Documentación

Archivo	Contenido
CLAUDE.md	Contexto del proyecto, alcance, backlog y estado
docs/bitacora.md	Bitácora de desarrollo: qué se construyó, qué costó trabajo y qué sigue
docs/metodologia.md	Cómo se produce el dato: pipeline, reglas de parseo, decisiones editoriales, vacíos
docs/a3-spike.md	Evidencia de que los PDF son escaneos y hace falta OCR
docs/phase2-ocr-spike.md	Spike de motor de Fase 2: Tesseract vs. visión, decisión DeepSeek y tabla de costes
processor/README.md	Cómo corre la Fase 2: etapas de OCR y resumen, dependencias, reglas de honestidad
docs/x1-terminos-legal.md	Hallazgos sobre los Términos y Condiciones, riesgo y opciones
docs/diseno.md	Aplicación del sistema de marca Umbral y desviaciones deliberadas
data/SOURCE.md	Procedencia del conjunto de datos, caveats y licencias

Licencias

Código bajo MIT. La compilación y estructura de los datos, bajo CC BY 4.0. El texto oficial de los órdenes del día es del Ayuntamiento de Colima, se atribuye y se enlaza a su fuente; ver la posición completa —provisional, sujeta a X1— en data/SOURCE.md.