Upload app.py

app.py

@@ -36,6 +36,70 @@ 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
 
+# Definición del prompt multipersona para el sistema
+SYSTEM_PROMPT = """
+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
+"""
+
+# Mensaje de bienvenida mejorado
+WELCOME_MESSAGE = """
+# 🚀 ¡Bienvenido a RoboCopy PUV Creator! 🚀
+
+Somos un equipo de expertos en marketing y psicología de audiencia, especializados en crear **Propuestas Únicas de Valor (PUVs)** que transforman visitantes en clientes.
+
+## 💼 ¿Qué podemos hacer por ti?
+
+Creamos PUVs poderosas y persuasivas que:
+- **Capturan la atención** de tu audiencia ideal
+- **Comunican claramente** el valor único de tu oferta
+- **Convierten visitantes** en clientes leales
+
+## 📋 Para ayudarte, necesitamos conocer:
+
+1️⃣ **Tu producto o servicio**: ¿Qué ofreces exactamente? Cuéntanos sus características principales.
+
+2️⃣ **Tu audiencia objetivo**: ¿Quiénes son tus clientes ideales? Sé lo más específico posible.
+
+3️⃣ **La fórmula que prefieres**:
+   - **A) Problema-Solución**: "Para [audiencia] que sufre [problema], [producto] proporciona [solución]"
+   - **B) Antes-Después**: "Transforma [situación actual] en [situación deseada] con [producto]"
+   - **C) Beneficio Principal**: "[Producto] te ayuda a [beneficio principal] sin [obstáculo común]"
+
+## 🔍 Nuestro proceso:
+
+1. Analizaremos los puntos de dolor de tu audiencia
+2. Identificaremos los beneficios clave de tu producto/servicio
+3. Crearemos TRES propuestas únicas de valor potentes y persuasivas
+
+**¡Comencemos!** Por favor, comparte los detalles de tu producto/servicio, audiencia objetivo y la fórmula que prefieres.
+"""
+
 # Create a data/ folder if it doesn't already exist
 try:
     os.mkdir('data/')
@@ -81,7 +145,23 @@ with st.sidebar:
         else:
             st.session_state.chat_title = 'Nuevo Chat'
    
-st.write('# Chatea con Gemini')
+st.write('# Creador de Propuestas Únicas de Valor')
+
+# Inicializar mensajes si es un chat nuevo
+if not st.session_state.get('messages'):
+    st.session_state.messages = []
+    # Añadimos el mensaje inicial del sistema
+    with st.chat_message(name=MODEL_ROLE, avatar=AI_AVATAR_ICON):
+        st.markdown(WELCOME_MESSAGE)
+    
+    # Guardamos en el historial
+    st.session_state.messages.append(
+        dict(
+            role=MODEL_ROLE,
+            content=WELCOME_MESSAGE,
+            avatar=AI_AVATAR_ICON,
+        )
+    )
 
 # Chat history (allows to ask multiple questions)
 try:
@@ -93,10 +173,17 @@ try:
     )
     print('old cache')
 except:
-    st.session_state.messages = []
+    if not st.session_state.get('messages'):
+        st.session_state.messages = []
     st.session_state.gemini_history = []
     print('new_cache made')
-st.session_state.model = genai.GenerativeModel('gemini-2.0-flash')
+
+# Configuración del modelo con el sistema de prompt personalizado
+model = genai.GenerativeModel(
+    model_name='gemini-2.0-flash',
+    system_instruction=SYSTEM_PROMPT
+)
+st.session_state.model = model
 st.session_state.chat = st.session_state.model.start_chat(
     history=st.session_state.gemini_history,
 )
@@ -110,12 +197,12 @@ for message in st.session_state.messages:
         st.markdown(message['content'])
 
 # React to user input
-if prompt := st.chat_input('¿En qué puedo ayudarte hoy?'):  # Mensaje más amigable
+if prompt := st.chat_input('¿Cuál es tu producto o servicio?'):  # Mensaje más específico
     # 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}'
+        temp_title = f'PUV-{st.session_state.chat_id}'
         past_chats[st.session_state.chat_id] = temp_title
         
         # Generamos un título basado en el contenido del mensaje
@@ -123,15 +210,15 @@ if prompt := st.chat_input('¿En qué puedo ayudarte hoy?'):  # Mensaje más ami
             # 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}'")
+                f"Genera un título corto (máximo 5 palabras) que describa de qué producto o servicio 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
+                st.session_state.chat_title = f"PUV: {generated_title}"
+                past_chats[st.session_state.chat_id] = f"PUV: {generated_title}"
             else:
                 st.session_state.chat_title = temp_title
         except Exception as e:
@@ -144,7 +231,7 @@ if prompt := st.chat_input('¿En qué puedo ayudarte hoy?'):  # Mensaje más ami
     joblib.dump(past_chats, 'data/past_chats_list')
     
     # Display user message in chat message container
-    with st.chat_message('user', avatar=USER_AVATAR_ICON):  # Añade el avatar del usuario
+    with st.chat_message('user', avatar=USER_AVATAR_ICON):
         st.markdown(prompt)
     # Add user message to chat history
     st.session_state.messages.append(
@@ -153,53 +240,83 @@ if prompt := st.chat_input('¿En qué puedo ayudarte hoy?'):  # Mensaje más ami
             content=prompt,
         )
     )
-    ## Send message to AI
-    response = st.session_state.chat.send_message(
-        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("*RoboCopy está escribiendo...*")
-        
-        # Streams in a chunk at a time
-        for chunk in response:
-            # Simulate stream of chunk
-            # TODO: Chunk missing `text` if API stops mid-stream ("safety"?)
-            for ch in chunk.text.split(' '):
-                full_response += ch + ' '
-                time.sleep(0.1)  # Aumentado de 0.05 a 0.1 segundos para una velocidad más lenta
-                # 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',
-    )
+    
+    # Implementación de reintentos con retroceso exponencial
+    max_retries = 3
+    retry_count = 0
+    while retry_count < max_retries:
+        try:
+            ## Send message to AI
+            response = st.session_state.chat.send_message(
+                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("*Nuestro equipo de expertos está analizando tu información...*")
+                
+                # 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',
+            )
+            # Si llegamos aquí, la solicitud fue exitosa
+            break
+            
+        except Exception as e:
+            retry_count += 1
+            if retry_count >= max_retries:
+                # Si agotamos los reintentos, mostramos un mensaje de error
+                with st.chat_message(name=MODEL_ROLE, avatar=AI_AVATAR_ICON):
+                    st.error(f"Lo sentimos, estamos experimentando problemas para procesar tu solicitud. Por favor, intenta de nuevo más tarde. Error: {str(e)}")
+                st.session_state.messages.append(
+                    dict(
+                        role=MODEL_ROLE,
+                        content=f"Lo sentimos, estamos 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:
+                # Esperamos antes de reintentar (retroceso exponencial)
+                wait_time = (2 ** retry_count) + (time.time() % 1)
+                time.sleep(wait_time)