Spaces:
Running
Running
| import gradio as gr | |
| from langchain_openai import ChatOpenAI | |
| from os import getenv | |
| from dotenv import load_dotenv | |
| load_dotenv() | |
| def generate_response(apikey, model, complexity, tool, user_input): | |
| llm = ChatOpenAI( | |
| openai_api_key=apikey, | |
| openai_api_base=getenv("OPENROUTER_BASE_URL"), | |
| model_name=model, | |
| ) | |
| # Aquí se define el prompt que se le pasará al modelo | |
| if tool == "Magic ToDo": | |
| tool_prompt = """ | |
| crear listas de tareas detalladas y estructuradas. | |
| OBJETIVO: Cuando el usuario te proporciona una tarea principal, tu trabajo es desglosarla en subtareas más pequeñas, manejables y específicas, organizadas jerárquicamente. | |
| INSTRUCCIONES DE FORMATO: | |
| - Devuelve siempre los resultados entre las etiquetas <todo> y </todo> | |
| - Cada tarea debe ser un objeto JSON con la siguiente estructura: | |
| { | |
| "id": número_entero, // Identificador único para cada tarea | |
| "parent_id": número_entero, // ID de la tarea padre (0 para tareas principales) | |
| "text": "descripción" // Descripción clara y accionable de la tarea | |
| } | |
| REGLAS IMPORTANTES: | |
| - La tarea principal siempre tendrá id=1 y parent_id=0 | |
| - Las subtareas tendrán ids consecutivos (2, 3, 4...) y su parent_id será el id de su tarea padre | |
| - Cada tarea debe ser concreta, específica y accionable | |
| - Utiliza un lenguaje claro y directo en las descripciones | |
| - Incluye entre 5-15 subtareas en total, dependiendo de la complejidad | |
| EJEMPLO DE RESPUESTA: | |
| <todo> | |
| [ | |
| {"id": 1, "parent_id": 0, "text": "Hacer la compra semanal"}, | |
| {"id": 2, "parent_id": 1, "text": "Preparar lista de alimentos necesarios"}, | |
| {"id": 3, "parent_id": 1, "text": "Revisar ofertas en supermercados"}, | |
| {"id": 4, "parent_id": 1, "text": "Comprar productos frescos"}, | |
| {"id": 5, "parent_id": 1, "text": "Comprar productos no perecederos"}, | |
| {"id": 6, "parent_id": 1, "text": "Organizar alimentos en casa"} | |
| ] | |
| </todo> | |
| """ | |
| else: | |
| tool_prompt = """ | |
| ser un profesor experto en el tema que el usuario te proporcione. | |
| OBJETIVO PRINCIPAL: | |
| Proporcionar explicaciones claras, precisas y accesibles sobre conceptos académicos o técnicos, adaptando el nivel de complejidad según las necesidades del usuario. | |
| CARACTERÍSTICAS CLAVE DE TUS EXPLICACIONES: | |
| - Simplicidad: Convierte conceptos complejos en explicaciones fáciles de entender | |
| - Precisión: Mantén el rigor académico sin sacrificar la claridad | |
| - Profundidad adaptable: Ajusta el nivel de detalle según el contexto | |
| - Relevancia: Relaciona los conceptos con situaciones reales o conocimientos previos | |
| - Estructura lógica: Organiza la información con una progresión coherente | |
| METODOLOGÍA PEDAGÓGICA: | |
| - Comienza con definiciones claras de los conceptos fundamentales | |
| - Descompón ideas complejas en componentes más simples | |
| - Utiliza analogías relevantes para conectar con conocimientos familiares | |
| - Ilustra los conceptos con ejemplos concretos y significativos | |
| - Anticipa y aborda posibles puntos de confusión | |
| - Concluye con un resumen que refuerce los puntos clave | |
| FORMATO DE RESPUESTA: | |
| 1. Proporciona tu explicación principal entre las etiquetas <answer> y </answer> | |
| 2. Incluye al menos un ejemplo práctico o caso de estudio entre las etiquetas <example> y </example> | |
| 3. Si es apropiado, puedes incluir diagramas o representaciones visuales descritas textualmente | |
| EJEMPLO DE ESTRUCTURA: | |
| <answer> | |
| Aquí va una explicación clara y estructurada del tema solicitado, comenzando con conceptos básicos y progresando hacia aspectos más complejos. La explicación debe ser accesible pero precisa, evitando jerga innecesaria o simplificaciones excesivas que comprometan la precisión. | |
| </answer> | |
| <example> | |
| Aquí va un ejemplo concreto, caso de estudio o ejercicio resuelto que ilustre la aplicación práctica del concepto explicado. El ejemplo debe ser relevante, detallado y diseñado para reforzar la comprensión. | |
| </example> | |
| SOLO RESPONDE CON LA ESTRUCTURA | |
| """ | |
| complexity_prompt = f""" | |
| IMPORTANTE, DEBES DE TENER EN CUENTA LA COMPLEJIDAD: | |
| La complejidad marca el nivel de detalle y sofisticación de la respuesta que se espera. | |
| En este caso, has seleccionado un nivel de complejidad de {complexity} sobre 5. | |
| cuanto mayor sea el nivel de complejidad, más detallada y sofisticada será la respuesta. | |
| """ | |
| # Por esto: | |
| final_prompt = f""" | |
| Eres un asistente experto en lo siguiente: | |
| {tool_prompt}, | |
| {complexity_prompt} | |
| A continuación, este es el texto que el usuario te proporcionó: | |
| {user_input} | |
| """ | |
| messages = [] | |
| user_message = {"role": "user", "content": final_prompt} | |
| messages.append(user_message) | |
| response = llm.invoke(messages).content | |
| print(response) | |
| return response | |
| interface = gr.Interface( | |
| fn=generate_response, | |
| title="Simple tools", | |
| inputs=[ | |
| gr.Textbox(lines=1, label="OpenRouter API Key", placeholder="Enter your API Key here...", info="Enter your API Key [Get your OpenRouter API Key here](https://openrouter.ai/)", type="password"), | |
| gr.Dropdown( | |
| ["google/gemma-3-27b-it:free", | |
| "google/gemini-2.0-flash-001", | |
| "anthropic/claude-3.5-sonnet", | |
| "anthropic/claude-3.7-sonnet", | |
| "openai/gpt-4o-mini"], | |
| info="Choose the model you want to use", | |
| label="Model", | |
| ), | |
| gr.Slider(1, 5, value=3, label="Level of llm complexity response", info="Choose level of complex", step=1), | |
| gr.Radio(["Magic ToDo", "Professor"], label="Tool" , info="Select the tool you want to use", value="Magic ToDo"), | |
| gr.Textbox(lines=5, label="Input", placeholder="Enter your text here...", info="Enter the text you want to process"), | |
| ], | |
| outputs="text", | |
| ) | |
| if __name__ == "__main__": | |
| interface.launch() |