app.py

import time
import os
import joblib
import streamlit as st
import google.generativeai as genai
from dotenv import load_dotenv
from puv_formulas import puv_formulas
from system_prompts import get_puv_system_prompt, get_puv_expert_prompt
from session_state import SessionState

# Inicializar el estado de la sesión
state = SessionState()

# Función para detectar saludos y generar respuestas personalizadas
def is_greeting(text):
    """Detecta si el texto es un saludo simple"""
    text = text.lower().strip()
    greetings = ['hola', 'hey', 'saludos', 'buenos días', 'buenas tardes', 'buenas noches', 'hi', 'hello']
    return any(greeting in text for greeting in greetings) and len(text.split()) < 4

def get_greeting_response():
    """Genera una respuesta amigable para saludos"""
    return """¡Hola! 😊 ¡Qué bueno verte por aquí!

Soy RoboCopy, tu asistente personal para crear Propuestas Únicas de Valor que realmente conecten con tu audiencia.

Mi especialidad es ayudarte a destacar lo que hace único a tu negocio:
• Transformar tus características en beneficios irresistibles
• Crear mensajes que capturan la atención inmediata de tus clientes ideales
• Diferenciarte de la competencia con palabras que venden

¿Te gustaría que continuemos trabajando en tu Propuesta Única de Valor o tienes alguna otra pregunta?"""

# Función para procesar mensajes (unifica la lógica de procesamiento)
def process_message(prompt, is_example=False):
    """Procesa un mensaje del usuario, ya sea directo o de un ejemplo"""
    # Guardar el chat para después si es nuevo
    if state.chat_id not in past_chats.keys():
        # Es una nueva conversación, generemos un título basado en el primer mensaje
        temp_title = f'SesiónChat-{state.chat_id}'
        past_chats[state.chat_id] = temp_title
        
        # Generar título para el chat
        generated_title = state.generate_chat_title(prompt)
        
        # Actualizamos el título en past_chats
        if generated_title:
            state.chat_title = generated_title
            past_chats[state.chat_id] = generated_title
        else:
            state.chat_title = temp_title
    else:
        # Ya existe esta conversación, usamos el título guardado
        state.chat_title = past_chats[state.chat_id]

    joblib.dump(past_chats, 'data/past_chats_list')
    
    # Mostrar mensaje del usuario
    with st.chat_message('user', avatar=USER_AVATAR_ICON):
        st.markdown(prompt)
    
    # Añadir mensaje del usuario al historial
    state.add_message('user', prompt, USER_AVATAR_ICON)
    
    # Verificar si es un saludo simple
    if is_greeting(prompt):
        # Mostrar respuesta personalizada para saludos
        greeting_response = get_greeting_response()
        with st.chat_message(name=MODEL_ROLE, avatar=AI_AVATAR_ICON):
            st.markdown(greeting_response)
            
        # Añadir respuesta al historial
        state.add_message(
            role=MODEL_ROLE,
            content=greeting_response,
            avatar=AI_AVATAR_ICON,
        )
        state.save_chat_history()
        return
    
    # Procesar respuesta del modelo
    if prompt.strip():
        # Obtener el prompt del experto
        puv_expert_prompt = get_puv_expert_prompt()
        
        # Combinar el prompt del experto con el mensaje del usuario
        enhanced_prompt = f"{puv_expert_prompt}\n\nUser message: {prompt}"
        
        with st.chat_message(MODEL_ROLE, avatar=AI_AVATAR_ICON):
            try:
                if is_example:
                    # Para ejemplos, no necesitamos streaming
                    response = state.chat.send_message(prompt)
                    st.markdown(response.text)
                    
                    # Añadir respuesta al historial
                    state.add_message(MODEL_ROLE, response.text, AI_AVATAR_ICON)
                else:
                    # Para entrada directa, usamos streaming
                    response = state.chat.send_message(
                        enhanced_prompt,
                        stream=True,
                    )
                    
                    message_placeholder = st.empty()
                    full_response = ''
                    
                    # Añadir indicador de "escribiendo..."
                    typing_indicator = st.empty()
                    typing_indicator.markdown("*Generando respuesta...*")
                    
                    # Mostrar respuesta por fragmentos
                    for chunk in response:
                        for ch in chunk.text:
                            full_response += ch
                            time.sleep(0.01)
                            message_placeholder.write(full_response + '▌')
                    
                    # Eliminar indicador de escritura
                    typing_indicator.empty()
                    
                    # Mostrar respuesta completa
                    message_placeholder.write(full_response)
                    
                    # Añadir respuesta al historial
                    state.add_message(
                        role=MODEL_ROLE,
                        content=state.chat.history[-1].parts[0].text,
                        avatar=AI_AVATAR_ICON,
                    )
                
                state.gemini_history = state.chat.history
                
                # Guardar historial actualizado
                state.save_chat_history()
            except ValueError as e:
                st.error("Error: El mensaje no puede estar vacío. Por favor, escribe algo.")

# 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)

# Función de utilidad para mostrar la carátula inicial
def display_initial_header():
    col1, col2, col3 = st.columns([1, 2, 1])
    with col2:
        # Centrar la imagen
        st.markdown("""
            <style>
                div.stImage {
                    text-align: center;
                    display: block;
                    margin-left: auto;
                    margin-right: auto;
                }
            </style>
        """, unsafe_allow_html=True)
        st.image("robocopy_logo.png", width=300, use_container_width=True)
        
        # Título
        st.markdown("""
            <div style='text-align: center; margin-top: -35px; width: 100%;'>
                <h1 class='robocopy-title' style='width: 100%; text-align: center;'>PUV Creator</h1>
            </div>
        """, unsafe_allow_html=True)
        
        # Subtítulo
        st.markdown("""
            <div style='text-align: center; width: 100%;'>
                <p style='font-size: 16px; color: #4ECDC4; width: 100%; text-align: center;'>By Jesús Cabrera</p>
            </div>
        """, unsafe_allow_html=True)
    
    # Descripción (ahora fuera de la columna para ocupar todo el ancho)
    st.markdown("""
        <div style='text-align: center; width: 100%;'>
            <p style='font-size: 16px; background-color: #1E3A5F; padding: 12px; border-radius: 8px; margin-top: 10px; color: #4ECDC4; width: 100%; text-align: center; box-shadow: 0 4px 6px rgba(0, 0, 0, 0.1);'>
                🎯 Experto en crear Propuestas de Valor Únicas que convierten audiencia en clientes
            </p>
        </div>
    """, unsafe_allow_html=True)

# Función para mostrar ejemplos de preguntas
def display_examples():
    ejemplos = [
        {"texto": "¿Qué es una Propuesta de Valor Única? 🎯", "prompt": "Explícame qué es una Propuesta de Valor Única (PUV) y por qué es importante para mi negocio"},
        {"texto": "¿Cómo puedo crear mi PUV? 📝", "prompt": "Guíame paso a paso en el proceso de crear una Propuesta de Valor Única efectiva"},
        {"texto": "¿Qué elementos debe tener mi PUV? ✨", "prompt": "¿Cuáles son los elementos esenciales que debe incluir una Propuesta de Valor Única exitosa?"},
        {"texto": "¿Cuál es la mejor fórmula para mi caso? 🤔", "prompt": "Ayúdame a elegir la fórmula más adecuada para mi Propuesta de Valor según mi tipo de negocio"}
    ]

    # Crear los botones de ejemplo
    cols = st.columns(4)
    for idx, ejemplo in enumerate(ejemplos):
        with cols[idx]:
            if st.button(ejemplo["texto"], key=f"ejemplo_{idx}", help=ejemplo["prompt"]):
                state.prompt = ejemplo["prompt"]
                st.rerun()

# Cargar variables de entorno
load_dotenv()
GOOGLE_API_KEY=os.environ.get('GOOGLE_API_KEY')
genai.configure(api_key=GOOGLE_API_KEY)

# Configuración de la aplicación
new_chat_id = f'{time.time()}'
MODEL_ROLE = 'ai'
AI_AVATAR_ICON = '🤖'  # Cambia el emoji por uno de robot para coincidir con tu logo
USER_AVATAR_ICON = '👤'  # Añade un avatar para el usuario

# Crear carpeta de datos si no existe
try:
    os.mkdir('data/')
except:
    # data/ folder already exists
    pass

# Cargar chats anteriores
try:
    past_chats: dict = joblib.load('data/past_chats_list')
except:
    past_chats = {}

# Sidebar para seleccionar chats anteriores
with st.sidebar:
    st.write('# Chats Anteriores')
    if state.chat_id is None:
        state.chat_id = st.selectbox(
            label='Selecciona un chat anterior',
            options=[new_chat_id] + list(past_chats.keys()),
            format_func=lambda x: past_chats.get(x, 'Nuevo Chat'),
            placeholder='_',
        )
    else:
        # This will happen the first time AI response comes in
        state.chat_id = st.selectbox(
            label='Selecciona un chat anterior',
            options=[new_chat_id, state.chat_id] + list(past_chats.keys()),
            index=1,
            format_func=lambda x: past_chats.get(x, 'Nuevo Chat' if x != state.chat_id else state.chat_title),
            placeholder='_',
        )
    # Save new chats after a message has been sent to AI
    state.chat_title = f'SesiónChat-{state.chat_id}'

# Cargar historial del chat
state.load_chat_history()

# Inicializar el modelo
state.initialize_model('gemini-2.0-flash')
state.initialize_chat()

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

# Mensaje inicial del sistema si es un chat nuevo
if not state.has_messages():
    # Mostrar la carátula inicial con el logo centrado
    display_initial_header()
    
    # Mostrar los ejemplos
    display_examples()

    # Inicializar el chat con los prompts del sistema
    system_prompt = get_puv_system_prompt()
    expert_prompt = get_puv_expert_prompt()
    state.chat.send_message(system_prompt)
    state.chat.send_message(expert_prompt)

    # Solo añadir el mensaje inicial si no es un ejemplo
    if not state.has_prompt():
        state.add_message(
            role=MODEL_ROLE,
            content="""👋 Hola, soy RoboCopy.

Tu asistente especializado en crear Propuestas de Valor Únicas (PUVs) que convierten visitantes en clientes.
Puedo ayudarte a:

✅ Crear PUVs impactantes usando diferentes fórmulas
✅ Analizar tu producto/servicio para destacar su valor único
✅ Identificar los elementos clave que atraerán a tu audiencia
✅ Optimizar tu mensaje para diferentes segmentos de mercado

Para empezar a crear PUVs efectivas, necesito conocer:
- ¿Qué producto o servicio ofreces?
- ¿A quién va dirigido? (describe tu público objetivo)

Espero ansioso tu respuesta, para crear tu Propuesta Única de Valor.""",
            avatar=AI_AVATAR_ICON,
        )

# Procesar entrada del usuario
if prompt := st.chat_input('Describe tu producto/servicio y audiencia objetivo...'):
    process_message(prompt, is_example=False)

# Procesar ejemplos seleccionados
if state.has_prompt():
    prompt = state.prompt
    process_message(prompt, is_example=True)
    # Limpiar el prompt
    state.clear_prompt()