app.py

import time
import os
import joblib
import streamlit as st
import google.generativeai as genai
from dotenv import load_dotenv

# Función para cargar CSS personalizado
def load_css(file_path):
    with open(file_path) as f:
        st.markdown(f'<style>{f.read()}</style>', unsafe_allow_html=True)

# Intentar cargar el CSS personalizado con ruta absoluta para mayor seguridad
try:
    css_path = os.path.join(os.path.dirname(__file__), 'static', 'css', 'style.css')
    load_css(css_path)
except Exception as e:
    print(f"Error al cargar CSS: {e}")
    # Si el archivo no existe, crear un estilo básico en línea
    st.markdown("""
    <style>
    .robocopy-title {
        color: #4ECDC4 !important;
        font-weight: bold;
        font-size: 2em;
    }
    </style>
    """, unsafe_allow_html=True)

load_dotenv()
GOOGLE_API_KEY=os.environ.get('GOOGLE_API_KEY')
genai.configure(api_key=GOOGLE_API_KEY)

new_chat_id = f'{time.time()}'
# Configuración de avatares e identificadores
MODEL_ROLE = 'ai'
AI_AVATAR_ICON = '🤖'
USER_AVATAR_ICON = '👤'

# Función para manejar títulos de chat de manera unificada
def get_chat_title(messages):
    if not messages:
        return "Nuevo Chat"
    first_msg = messages[0]['content'] if messages else ""
    # Limitar el título a los primeros 30 caracteres
    title = first_msg[:30] + "..." if len(first_msg) > 30 else first_msg
    return title

# Inicializar el estado de la sesión
if 'chats_in_memory' not in st.session_state:
    st.session_state.chats_in_memory = {}
    
if 'current_chat_id' not in st.session_state:
    st.session_state.current_chat_id = str(time.time())

if 'messages' not in st.session_state:
    st.session_state.messages = []

# Importar el diccionario de fórmulas
from puv_formulas import puv_formulas

# Función para obtener descripciones de fórmulas para el prompt
def get_formulas_for_prompt():
    prompt_text = "FÓRMULAS DE PROPUESTAS ÚNICAS DE VALOR (PUVs):\n\n"
    
    for key, formula in puv_formulas.items():
        prompt_text += f"FÓRMULA {key}:\n"
        prompt_text += f"- Descripción: {formula['description']}\n"
        prompt_text += "- Ejemplos:\n"
        
        # Añadir algunos ejemplos (limitados para no hacer el prompt demasiado largo)
        for i, example in enumerate(formula['examples'][:2]):
            prompt_text += f"  * Ejemplo {i+1}: {example['uvp']}\n"
        
        prompt_text += "\n"
    
    return prompt_text

# Definición del prompt multipersona para el sistema
SYSTEM_PROMPT = f"""
Eres un equipo colaborativo de expertos de clase mundial trabajando juntos para crear Propuestas Únicas de Valor (PUVs) excepcionales que conviertan a la audiencia en clientes.

EL EQUIPO DE EXPERTOS:
1. ESTRATEGA MAESTRO DE MARKETING:
   - Experto en marcos de propuestas de valor y estrategias de conversión
   - Asegura que las PUVs sigan la estructura de fórmula seleccionada con precisión
   - Se enfoca en la colocación estratégica de elementos clave de conversión

2. COPYWRITER ELITE DE RESPUESTA DIRECTA:
   - Crea ganchos, historias y elementos persuasivos convincentes
   - Elabora propuestas de valor irresistibles que impulsan conversiones
   - Asegura que el lenguaje resuene con la audiencia objetivo

3. ESPECIALISTA EN PSICOLOGÍA DE AUDIENCIA:
   - Experto en comprender las motivaciones y objeciones de la audiencia
   - Crea contenido que construye conexión genuina y confianza
   - Identifica y aborda miedos y deseos ocultos

4. MAESTRO DE DIFERENCIACIÓN:
   - Crea propuestas únicas que destacan entre la competencia
   - Desarrolla ejemplos y casos de estudio relacionables
   - Asegura que las PUVs apoyen la transformación que se ofrece

5. EXPERTO EN CONVERSIÓN:
   - Se especializa en crear PUVs que mantengan la atención y generen acción
   - Crea elementos interactivos y ganchos de engagement
   - Asegura que las PUVs fluyan naturalmente y mantengan el interés alto

{get_formulas_for_prompt()}

INSTRUCCIONES PARA CREAR PUVs:
1. Si el usuario no ha proporcionado información sobre su producto/servicio y audiencia objetivo, solicítala de manera amable y directa.

2. Si el usuario ha proporcionado información sobre su producto/servicio y audiencia objetivo, pero no ha elegido una fórmula específica, pregúntale qué fórmula le gustaría utilizar. Presenta las opciones disponibles:
   - Fórmula Tradicional
   - Fórmula Anti-tradicional
   - Contrato Imposible
   - Reto Ridículo

3. Una vez que el usuario haya proporcionado toda la información necesaria (producto/servicio, audiencia objetivo y fórmula elegida), procede a:
   a. Analizar internamente (sin mostrar este análisis) la información del producto/servicio y la audiencia objetivo
   b. Identificar internamente el problema principal y el beneficio clave
   c. Crear propuestas de valor utilizando ÚNICAMENTE la fórmula elegida por el usuario
   d. Presentar SOLO las PUVs, sin explicaciones adicionales sobre por qué son efectivas

ANÁLISIS INTERNO DEL PÚBLICO OBJETIVO (NO INCLUIR EN LA RESPUESTA):
Para cada solicitud, realiza un análisis interno de los siguientes puntos:

1. ANÁLISIS DEL PÚBLICO OBJETIVO - Punto de Dolor Principal:
   - ¿Cuál es la frustración específica más importante de esta audiencia?
   - ¿Cuál es su mayor desafío diario?

2. ANÁLISIS DEL PRODUCTO/SERVICIO - Beneficio Principal:
   - ¿Cuál es el resultado tangible más importante que obtienen los clientes?
   - ¿Cuál es la transformación específica más valiosa que ofrece?

INSTRUCCIONES CRÍTICAS PARA TODAS LAS FÓRMULAS:
- Cada PUV debe enfocarse en UN SOLO problema/dolor principal
- Cada PUV debe ofrecer UNA transformación clara y específica
- Usa lenguaje natural y conversacional
- Evita frases genéricas y palabras de moda
- Sé claro y conciso en cada PUV
- NO incluyas explicaciones sobre por qué la PUV es efectiva
- SOLO presenta la PUV, nada más

COMPORTAMIENTO COMO AGENTE:
- Al final de CADA respuesta, SIEMPRE pregunta al usuario qué más le gustaría hacer
- Ofrece opciones específicas como: mejorar las PUVs, refinarlas, cambiar de fórmula, o crear nuevas para otro producto/servicio
- Actúa como un agente proactivo que busca satisfacer al usuario
- Muestra entusiasmo por ayudar y ofrece sugerencias concretas para continuar
- Mantén un tono conversacional y amigable en todo momento

IMPORTANTE: Cuando el usuario pregunte por tus funciones o capacidades, responde siempre en primera persona singular (yo hago, yo creo, yo analizo) de forma breve y concisa. No menciones que eres un equipo de expertos, sino un asistente especializado en crear PUVs.
"""

# Mensaje de bienvenida mejorado
WELCOME_MESSAGE = """
# 🚀 ¡Bienvenido! Soy RoboCopy, tu creador de PUVs 🚀

Soy un experto en crear **Propuestas Únicas de Valor (PUVs)** que transforman visitantes en clientes.

## 💼 ¿Qué puedo hacer por ti?

Creo PUVs persuasivas que:
- **Capturan la atención** de tu audiencia ideal
- **Comunican claramente** el valor de tu oferta
- **Convierten visitantes** en clientes leales

## 📋 Para ayudarte, necesito conocer:

1️⃣ **Tu producto o servicio**: ¿Qué ofreces exactamente?
2️⃣ **Tu audiencia objetivo**: ¿Quiénes son tus clientes ideales?
3️⃣ **Fórmula de PUV**: ¿Qué tipo de fórmula prefieres?
4️⃣ **Número de ejemplos**: ¿Cuántos ejemplos te gustaría recibir?

### Fórmulas disponibles:

- **Fórmula Tradicional**: Comienza con "Yo ayudo a..." seguido de avatar y transformación
- **Fórmula Anti-tradicional**: Usa frases como "Yo transformo...", "Me especializo en..."
- **Contrato Imposible**: Usa frases como "¿Te imaginas poder...", "Soy el antídoto para..."
- **Reto Ridículo**: Usa anécdotas personales y humor para conectar con la audiencia

**¡Comencemos!** Comparte los detalles de tu producto/servicio y audiencia objetivo.
"""

# Función para mostrar texto con efecto de escritura
def mostrar_con_efecto_escritura(mensaje, velocidad=0.05):
    with st.chat_message(name=MODEL_ROLE, avatar=AI_AVATAR_ICON):
        message_placeholder = st.empty()
        full_response = ''
        
        # Indicador de escritura
        typing_indicator = st.empty()
        typing_indicator.markdown("*RoboCopy está escribiendo...*")
        
        # Mostrar respuesta por fragmentos
        for palabra in mensaje.split(' '):
            full_response += palabra + ' '
            time.sleep(velocidad)
            message_placeholder.write(full_response + '▌')
        
        # Eliminar indicador y mostrar respuesta completa
        typing_indicator.empty()
        message_placeholder.write(mensaje)
    
    return mensaje

# Create a data/ folder if it doesn't already exist
try:
    os.mkdir('data/')
except:
    # data/ folder already exists
    pass

# Load past chats (if available)
try:
    past_chats: dict = joblib.load('data/past_chats_list')
except:
    past_chats = {}

# Inicializar el estado de sesión
if 'chats_in_memory' not in st.session_state:
    st.session_state.chats_in_memory = {}

if 'current_chat_id' not in st.session_state:
    st.session_state.current_chat_id = new_chat_id

if 'chat_title' not in st.session_state:
    st.session_state.chat_title = 'Nuevo Chat'

# Sidebar allows a list of past chats
with st.sidebar:
    # Centrar el logo y eliminar el título de RoboCopy
    col1, col2, col3 = st.columns([1, 2, 1])
    with col2:
        st.image("assets/robocopy_logo.png", width=300)
    
    st.write('# Chats Anteriores')
    if st.session_state.get('current_chat_id') is None:
        st.session_state.current_chat_id = st.selectbox(
            label='Selecciona un chat anterior',
            options=[new_chat_id] + list(st.session_state.chats_in_memory.keys()),
            format_func=lambda x: st.session_state.chats_in_memory.get(x, 'Nuevo Chat'),
            placeholder='_',
        )
    else:
        st.session_state.current_chat_id = st.selectbox(
            label='Selecciona un chat anterior',
            options=[new_chat_id, st.session_state.current_chat_id] + list(st.session_state.chats_in_memory.keys()),
            index=1,
            format_func=lambda x: st.session_state.chats_in_memory.get(x, 'Nuevo Chat' if x != st.session_state.current_chat_id else st.session_state.chat_title),
            placeholder='_',
        )
    
    # Botón para borrar el historial
    if st.button('🗑️ Borrar Historial de Chat Actual'):
        if st.session_state.current_chat_id in st.session_state.chats_in_memory:
            del st.session_state.chats_in_memory[st.session_state.current_chat_id]
            st.session_state.messages = []
            st.session_state.gemini_history = []
            st.session_state.chat_title = 'Nuevo Chat'
            st.rerun()

# Inicializar mensajes y cargar historial
if not st.session_state.get('messages'):
    st.session_state.messages = []

# Cargar historial de chat si existe en memoria
if st.session_state.current_chat_id in st.session_state.chats_in_memory:
    chat_data = st.session_state.chats_in_memory[st.session_state.current_chat_id]
    st.session_state.messages = chat_data.get('messages', [])
    st.session_state.gemini_history = chat_data.get('gemini_history', [])
    st.session_state.chat_title = chat_data.get('title', 'Nuevo Chat')
else:
    st.session_state.messages = []
    st.session_state.gemini_history = []
    st.session_state.chat_title = 'Nuevo Chat'

# Configuración del modelo
model = genai.GenerativeModel(model_name='gemini-2.0-flash')
st.session_state.model = model
st.session_state.chat = st.session_state.model.start_chat(history=st.session_state.gemini_history)

# Si es un chat nuevo, enviar el prompt del sistema como primer mensaje
if not st.session_state.gemini_history:
    # Enviamos el prompt del sistema como primer mensaje (invisible para el usuario)
    st.session_state.chat.send_message(SYSTEM_PROMPT)
    st.session_state.gemini_history = st.session_state.chat.history

# Mostrar mensajes del historial
for message in st.session_state.messages:
    with st.chat_message(name=message['role'], avatar=message.get('avatar')):
        st.markdown(message['content'])

# React to user input
if prompt := st.chat_input('¿En qué puedo ayudarte hoy?'):
    # Verificar si es el primer mensaje del usuario
    is_first_message = len(st.session_state.messages) == 0
    
    # Guardar información del chat
    if st.session_state.current_chat_id not in st.session_state.chats_in_memory:
        # Es una nueva conversación, generamos un título basado en el primer mensaje
        temp_title = f'SesiónChat-{st.session_state.current_chat_id}'
        
        # Generamos un título basado en el contenido del mensaje
        try:
            title_generator = genai.GenerativeModel('gemini-2.0-flash')
            title_response = title_generator.generate_content(
                f"Genera un título corto (máximo 5 palabras) que describa de qué trata esta consulta, sin usar comillas ni puntuación: '{prompt}'")
            
            generated_title = title_response.text.strip()
            
            if generated_title:
                st.session_state.chat_title = generated_title
            else:
                st.session_state.chat_title = temp_title
        except Exception as e:
            print(f"Error al generar título: {e}")
            st.session_state.chat_title = temp_title
        
        # Guardar en memoria
        st.session_state.chats_in_memory[st.session_state.current_chat_id] = {
            'messages': st.session_state.messages,
            'gemini_history': st.session_state.gemini_history,
            'title': st.session_state.chat_title
        }
    
    # Mostrar mensaje del usuario
    with st.chat_message('user', avatar=USER_AVATAR_ICON):
        st.markdown(prompt)
    
    # Añadir mensaje del usuario al historial
    st.session_state.messages.append({
        'role': 'user',
        'content': prompt,
        'avatar': USER_AVATAR_ICON
    })
    
    # Si es el primer mensaje, mostrar el mensaje de bienvenida
    if is_first_message:
        with st.chat_message(name=MODEL_ROLE, avatar=AI_AVATAR_ICON):
            st.markdown(WELCOME_MESSAGE)
        
        st.session_state.messages.append({
            'role': MODEL_ROLE,
            'content': WELCOME_MESSAGE,
            'avatar': AI_AVATAR_ICON,
        })
        
        # Guardar el historial actualizado
        joblib.dump(st.session_state.messages, f'data/{st.session_state.chat_id}-st_messages')
        # Salir de la función para no procesar más este mensaje
        st.rerun()
    
    # Implementación de reintentos con retroceso exponencial
    max_retries = 3
    retry_count = 0
    while retry_count < max_retries:
        try:
            # Enviar mensaje al modelo
            response = st.session_state.chat.send_message(prompt, stream=True)
            
            # Procesar la respuesta completa
            full_text = ""
            for chunk in response:
                full_text += chunk.text
            
            # Mostrar respuesta del asistente con efecto de escritura
            mensaje_mostrado = mostrar_con_efecto_escritura(full_text, velocidad=0.05)
            
            # Añadir respuesta al historial
            st.session_state.messages.append({
                'role': MODEL_ROLE,
                'content': mensaje_mostrado,
                'avatar': AI_AVATAR_ICON,
            })
            
            # Actualizar historial
            st.session_state.gemini_history = st.session_state.chat.history
            
            # Guardar historial
            joblib.dump(st.session_state.messages, f'data/{st.session_state.chat_id}-st_messages')
            joblib.dump(st.session_state.gemini_history, f'data/{st.session_state.chat_id}-gemini_messages')
            
            # Salir del bucle si la solicitud fue exitosa
            break
            
        except Exception as e:
            retry_count += 1
            if retry_count >= max_retries:
                # Mostrar mensaje de error si se agotan los reintentos
                with st.chat_message(name=MODEL_ROLE, avatar=AI_AVATAR_ICON):
                    st.error(f"Lo siento, estoy experimentando problemas para procesar tu solicitud. Por favor, intenta de nuevo más tarde. Error: {str(e)}")
                
                st.session_state.messages.append({
                    'role': MODEL_ROLE,
                    'content': f"Lo siento, estoy experimentando problemas para procesar tu solicitud. Por favor, intenta de nuevo más tarde. Error: {str(e)}",
                    'avatar': AI_AVATAR_ICON,
                })
                
                joblib.dump(st.session_state.messages, f'data/{st.session_state.chat_id}-st_messages')
            else:
                # Esperar antes de reintentar (retroceso exponencial)
                wait_time = (2 ** retry_count) + (time.time() % 1)
                time.sleep(wait_time)
            
            # Salir del bucle si la solicitud fue exitosa
            break