Upload app.py

app.py

@@ -69,35 +69,29 @@ EL EQUIPO DE EXPERTOS:
 
 # Mensaje de bienvenida mejorado
 WELCOME_MESSAGE = """
-# 🚀 ¡Bienvenido a RoboCopy PUV Creator! 🚀
+# 🚀 ¡Bienvenido! Soy RoboCopy, tu creador de PUVs 🚀
 
-Somos un equipo de expertos en marketing y psicología de audiencia, especializados en crear **Propuestas Únicas de Valor (PUVs)** que transforman visitantes en clientes.
+Soy un experto en crear **Propuestas Únicas de Valor (PUVs)** que transforman visitantes en clientes.
 
-## 💼 ¿Qué podemos hacer por ti?
+## 💼 ¿Qué puedo hacer por ti?
 
-Creamos PUVs poderosas y persuasivas que:
+Creo PUVs persuasivas que:
 - **Capturan la atención** de tu audiencia ideal
-- **Comunican claramente** el valor único de tu oferta
+- **Comunican claramente** el valor 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.
+## 📋 Para ayudarte, necesito conocer:
 
+1️⃣ **Tu producto o servicio**: ¿Qué ofreces exactamente?
+2️⃣ **Tu audiencia objetivo**: ¿Quiénes son tus clientes ideales?
 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:
+   - **A) Problema-Solución**: "Para [audiencia] con [problema], [producto] proporciona [solución]"
+   - **B) Antes-Después**: "Transforma [situación actual] en [situación deseada]"
+   - **C) Beneficio Principal**: "[Producto] te ayuda a [beneficio] sin [obstáculo]"
 
-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
+Analizaré tu audiencia, identificaré los beneficios clave y crearé TRES propuestas de valor potentes.
 
-**¡Comencemos!** Por favor, comparte los detalles de tu producto/servicio, audiencia objetivo y la fórmula que prefieres.
+**¡Comencemos!** Comparte los detalles de tu producto/servicio, audiencia y fórmula preferida.
 """
 
 # Create a data/ folder if it doesn't already exist
@@ -147,31 +141,14 @@ with st.sidebar:
    
 st.write('# Creador de Propuestas Únicas de Valor')
 
-# Inicializar mensajes si es un chat nuevo
+# Inicializar mensajes y cargar historial
 if not st.session_state.get('messages'):
     st.session_state.messages = []
-    # Eliminamos el mensaje automático de bienvenida
-    # No añadimos ningún mensaje inicial
-    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)
+# Cargar historial de chat si existe
 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'
-    )
+    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:
     if not st.session_state.get('messages'):
@@ -179,152 +156,141 @@ except:
     st.session_state.gemini_history = []
     print('new_cache made')
 
-# Configuración del modelo sin el parámetro system_instruction
-model = genai.GenerativeModel(
-    model_name='gemini-2.0-flash'
-)
+# 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,
-)
+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)
-    # No guardamos este mensaje en st.session_state.messages para que no se muestre al usuario
-    # pero sí en gemini_history para que el modelo lo recuerde
     st.session_state.gemini_history = st.session_state.chat.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'])
+
+# 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('¿Cuál es tu producto o servicio?'):  # Mensaje más específico
-    # Verificar si es la primera interacción y el usuario pregunta por las funciones
-    is_asking_about_functions = any(keyword in prompt.lower() for keyword in 
-                                   ["qué haces", "funciones", "ayudar", "puedes hacer", "cómo funciona", "para qué sirves"])
+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
     
-    if is_asking_about_functions and not past_chats.get(st.session_state.chat_id):
-        # Si pregunta por las funciones, mostrar el mensaje de bienvenida
-        response_content = WELCOME_MESSAGE
+    # Guardar información del chat
+    if st.session_state.chat_id not in past_chats.keys():
+        # Es una nueva conversación, generamos un título basado en el primer mensaje
+        temp_title = f'SesiónChat-{st.session_state.chat_id}'
+        past_chats[st.session_state.chat_id] = temp_title
         
-        # Display assistant response in chat message container
-        with st.chat_message(name=MODEL_ROLE, avatar=AI_AVATAR_ICON):
-            st.markdown(response_content)
-        
-        # Add to chat history
-        st.session_state.messages.append(
-            dict(
-                role=MODEL_ROLE,
-                content=response_content,
-                avatar=AI_AVATAR_ICON,
-            )
-        )
+        # 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
+                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:
-        # Procesamiento normal para otras preguntas
-        # Save this as a chat for later
-        if st.session_state.chat_id not in past_chats.keys():
-            # Es una nueva conversación, usamos un título fijo
-            st.session_state.chat_title = f"PUV Session {time.strftime('%d/%m/%Y')}"
-            past_chats[st.session_state.chat_id] = st.session_state.chat_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')
+        # 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')
+    
+    # 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,
+    })
+    
+    # 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)
         
-        # 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,
-            )
-        )
+        st.session_state.messages.append({
+            'role': MODEL_ROLE,
+            'content': WELCOME_MESSAGE,
+            'avatar': AI_AVATAR_ICON,
+        })
         
-        # 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,
-                )
+        # 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.experimental_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)
+            
+            # Mostrar respuesta del asistente
+            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("*Estoy analizando tu información...*")
+                
+                # Mostrar respuesta por fragmentos
+                for chunk in response:
+                    for ch in chunk.text.split(' '):
+                        full_response += ch + ' '
+                        time.sleep(0.1)
+                        message_placeholder.write(full_response + '▌')
                 
-                # 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)
+                # Eliminar indicador y mostrar respuesta completa
+                typing_indicator.empty()
+                message_placeholder.write(full_response)
+            
+            # Añadir respuesta al historial
+            st.session_state.messages.append({
+                'role': MODEL_ROLE,
+                'content': st.session_state.chat.history[-1].parts[0].text,
+                '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)}")
                 
-                # 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
+                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,
+                })
                 
-            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)
+                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)