Upload app.py

app.py

@@ -36,70 +36,6 @@ 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/')
@@ -137,32 +73,11 @@ with st.sidebar:
             format_func=lambda x: past_chats.get(x, 'Nuevo Chat' if x != st.session_state.chat_id else st.session_state.chat_title),
             placeholder='_',
         )
-    
-    # Inicializar el título de chat si es necesario
-    if st.session_state.get('chat_title') is None:
-        if st.session_state.chat_id in past_chats:
-            st.session_state.chat_title = past_chats[st.session_state.chat_id]
-        else:
-            st.session_state.chat_title = 'Nuevo Chat'
-   
-st.write('# Creador de Propuestas Únicas de Valor')
+    # Save new chats after a message has been sent to AI
+    # TODO: Give user a chance to name chat
+    st.session_state.chat_title = f'SesiónChat-{st.session_state.chat_id}'
 
-# Inicializar mensajes si es un chat nuevo
-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,
-        )
-    )
+st.write('# Chatea con Gemini')
 
 # Chat history (allows to ask multiple questions)
 try:
@@ -174,178 +89,113 @@ try:
     )
     print('old cache')
 except:
-    if not st.session_state.get('messages'):
-        st.session_state.messages = []
+    st.session_state.messages = []
     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'
-)
-st.session_state.model = model
+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,
 )
 
-# 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'])
+# 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'])
 
 # 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 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
-        
-        # Display assistant response in chat message container
-        with st.chat_message(name=MODEL_ROLE, avatar=AI_AVATAR_ICON):
-            st.markdown(response_content)
+if prompt := st.chat_input('¿En qué puedo ayudarte hoy?'):  # Mensaje más amigable
+    # 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
         
-        # Add to chat history
-        st.session_state.messages.append(
-            dict(
-                role=MODEL_ROLE,
-                content=response_content,
-                avatar=AI_AVATAR_ICON,
-            )
-        )
-    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, generemos un título basado en el primer mensaje
-            # Primero, guardamos un título temporal
-            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
+        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()
             
-            # 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 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 = 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:
-                print(f"Error al generar título: {e}")
+            # 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
-        else:
-            # Ya existe esta conversación, usamos el título guardado
-            st.session_state.chat_title = past_chats[st.session_state.chat_id]
+        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):  # Añade el avatar del usuario
+        st.markdown(prompt)
+    # Add user message to chat history
+    st.session_state.messages.append(
+        dict(
+            role='user',
+            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
         
-        joblib.dump(past_chats, 'data/past_chats_list')
+        # Añade un indicador de "escribiendo..."
+        typing_indicator = st.empty()
+        typing_indicator.markdown("*RoboCopy está escribiendo...*")
         
-        # 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,
-            )
+        # 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,
         )
-        
-        # 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)
+    )
+    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',
+    )