app.py

import time
import os
import joblib
import streamlit as st
import google.generativeai as genai
from dotenv import load_dotenv
# Importación directa del diccionario puv_formulas
from puv_formulas import puv_formulas

# 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()}'
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

# 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 = {}

# 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('chat_id') is None:
        st.session_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
        st.session_state.chat_id = st.selectbox(
            label='Selecciona un chat anterior',
            options=[new_chat_id, st.session_state.chat_id] + list(past_chats.keys()),
            index=1,
            format_func=lambda x: past_chats.get(x, 'Nuevo Chat' if x != st.session_state.chat_id else st.session_state.chat_title),
            placeholder='_',
        )
    # Save new chats after a message has been sent to AI
    st.session_state.chat_title = f'SesiónChat-{st.session_state.chat_id}'

st.write('# Generador de Propuestas de Valor Únicas (PUVs)')
st.write('Describe tu producto/servicio y audiencia objetivo para generar PUVs personalizadas.')

# Chat history (allows to ask multiple questions)
try:
    st.session_state.messages = joblib.load(
        f'data/{st.session_state.chat_id}-st_messages'
    )
    st.session_state.gemini_history = joblib.load(
        f'data/{st.session_state.chat_id}-gemini_messages'
    )
    print('old cache')
except:
    st.session_state.messages = []
    st.session_state.gemini_history = []
    print('new_cache made')
st.session_state.model = genai.GenerativeModel('gemini-2.0-flash')
st.session_state.chat = st.session_state.model.start_chat(
    history=st.session_state.gemini_history,
)

# Display chat messages from history on app rerun
for message in st.session_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 st.session_state.messages:
    with st.chat_message(
        name=MODEL_ROLE,
        avatar=AI_AVATAR_ICON,
    ):
        st.markdown("""
        Hola, soy RoboCopy tu asistente especializado en crear Propuestas de Valor Únicas.
        
        Te ayudo a desarrollar mensajes persuasivos que conectan con tu audiencia y convierten visitantes en clientes. Para crear las mejores propuestas, necesito información sobre:
        
        - Tu producto o servicio
        - Tu audiencia objetivo
        - Los problemas que resuelves
        - Tus ventajas competitivas
        
        Utilizo diferentes fórmulas como la Tradicional, Anti-tradicional, Contrato Imposible y Reto Ridículo para crear propuestas adaptadas a tu negocio.
        
        ¿En qué puedo ayudarte hoy?
        """)
    
    # Add system message to chat history
    st.session_state.messages.append(
        dict(
            role=MODEL_ROLE,
            content="""
            Hola, soy RoboCopy tu asistente especializado en crear Propuestas de Valor Únicas.
            
            Te ayudo a desarrollar mensajes persuasivos que conectan con tu audiencia y convierten visitantes en clientes. Para crear las mejores propuestas, necesito información sobre:
            
            - Tu producto o servicio
            - Tu audiencia objetivo
            - Los problemas que resuelves
            - Tus ventajas competitivas
            
            Utilizo diferentes fórmulas como la Tradicional, Anti-tradicional, Contrato Imposible y Reto Ridículo para crear propuestas adaptadas a tu negocio.
            
            ¿En qué puedo ayudarte hoy?
            """,
            avatar=AI_AVATAR_ICON,
        )
    )

# React to user input
if prompt := st.chat_input('Describe tu producto/servicio y audiencia objetivo...'):
    # Save this as a chat for later
    if st.session_state.chat_id not in past_chats.keys():
        # Es una nueva conversación, generemos un título basado en el primer mensaje
        # Primero, guardamos un título temporal
        temp_title = f'SesiónChat-{st.session_state.chat_id}'
        past_chats[st.session_state.chat_id] = temp_title
        
        # Generamos un título basado en el contenido del mensaje
        try:
            # Usamos el mismo modelo para generar un título corto
            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}'")
            
            # Obtenemos el título generado
            generated_title = title_response.text.strip()
            
            # Actualizamos el título en past_chats
            if generated_title:
                st.session_state.chat_title = generated_title
                past_chats[st.session_state.chat_id] = 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
    else:
        # Ya existe esta conversación, usamos el título guardado
        st.session_state.chat_title = past_chats[st.session_state.chat_id]
    
    joblib.dump(past_chats, 'data/past_chats_list')
    
    # Display user message in chat message container
    with st.chat_message('user', avatar=USER_AVATAR_ICON):
        st.markdown(prompt)
    
    # Add user message to chat history
    st.session_state.messages.append(
        dict(
            role='user',
            content=prompt,
        )
    )
    
    # Construir el prompt para el modelo con todas las fórmulas disponibles
    puv_expert_prompt = """You are a collaborative team of world-class experts working together to create exceptional Unique Value Propositions (UVPs) that convert audience into customers. 
    THE EXPERT TEAM: 
    1. MASTER UVP STRATEGIST: 
       - Expert in UVP frameworks and conversion strategies 
       - Ensures the UVPs follow the selected framework structure precisely 
       - Focuses on strategic placement of key conversion elements 
    2. ELITE DIRECT RESPONSE COPYWRITER: 
       - Trained by Gary Halbert, Gary Bencivenga, and David Ogilvy 
       - Creates compelling hooks and persuasive elements 
       - Ensures the language resonates with the target audience 
    3. AUDIENCE PSYCHOLOGY SPECIALIST: 
       - Expert in understanding audience motivations and objections 
       - Creates content that builds genuine connection and trust 
       - Identifies and addresses hidden fears and desires 
    4. STORYTELLING MASTER: 
       - Creates compelling narratives that illustrate key points 
       - Makes complex concepts accessible through narrative 
    5. ENGAGEMENT EXPERT: 
       - Specializes in creating memorable and impactful statements 
       - Ensures the UVPs are clear, concise and compelling
       
    You are a UVP (Unique Value Proposition) expert. Analyze (internally only, do not output the analysis) the user's message to identify information about their product/service and target audience.
    
    If the user is asking for UVPs, create THREE different UVPs using the most appropriate formula from your knowledge. If the user is asking a question about UVPs or marketing, answer it helpfully.
    
    When creating UVPs, follow these CRITICAL INSTRUCTIONS: 
    - Each UVP must be specific and measurable 
    - Focus on the transformation journey 
    - Use natural, conversational language 
    - Avoid generic phrases and buzzwords 
    - Maximum 2 lines per UVP
    
    If creating UVPs, output in this format:
    "Basado en tu descripción, aquí tienes tres propuestas de valor únicas (PUVs) para tu [producto/servicio]:
    
    1. [First UVP] 
    2. [Second UVP] 
    3. [Third UVP]
    
    Estas PUVs destacan [principales beneficios]. ¿Hay alguna que te guste más o quieres que ajuste algún aspecto?"
    
    If answering a question, provide a helpful, expert response.
    """
    
    # Combinar el prompt del experto con el mensaje del usuario
    enhanced_prompt = f"{puv_expert_prompt}\n\nUser message: {prompt}"
    
    ## Send message to AI
    response = st.session_state.chat.send_message(
        enhanced_prompt,
        stream=True,
    )
    
    # Display assistant response in chat message container
    with st.chat_message(
        name=MODEL_ROLE,
        avatar=AI_AVATAR_ICON,
    ):
        message_placeholder = st.empty()
        full_response = ''
        assistant_response = response
        
        # Añade un indicador de "escribiendo..."
        typing_indicator = st.empty()
        typing_indicator.markdown("*Generando respuesta...*")
        
        # Streams in a chunk at a time
        for chunk in response:
            # Simulate stream of chunk
            for ch in chunk.text.split(' '):
                full_response += ch + ' '
                time.sleep(0.1)
                # Rewrites with a cursor at end
                message_placeholder.write(full_response + '▌')
        # Elimina el indicador de escritura
        typing_indicator.empty()
        # Write full message with placeholder
        message_placeholder.write(full_response)

    # Add assistant response to chat history
    st.session_state.messages.append(
        dict(
            role=MODEL_ROLE,
            content=st.session_state.chat.history[-1].parts[0].text,
            avatar=AI_AVATAR_ICON,
        )
    )
    st.session_state.gemini_history = st.session_state.chat.history
    # Save to file
    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',
    )