app.py

import gradio as gr
import pandas as pd
from PyPDF2 import PdfReader
import torch
from transformers import BertForQuestionAnswering, BertTokenizer, pipeline
from sentence_transformers import SentenceTransformer, util

# Configuración inicial
model_name = 'dccuchile/bert-base-spanish-wwm-cased'
tokenizer = BertTokenizer.from_pretrained(model_name)
model_qa = BertForQuestionAnswering.from_pretrained(model_name)
nlp = pipeline("question-answering", model=model_qa, tokenizer=tokenizer)
embedder = SentenceTransformer('hiiamsid/sentence_similarity_spanish_es')

# Base de conocimiento
knowledge_base = {
    "textos": [],
    "embeddings": []
}

# Configuración de personalidad
personalidad = {
    "formal": True,
    "humor": 0.2,
    "temperatura": 0.7,
    "emojis": False
}

def cargar_conocimiento(archivo):
    """Carga conocimiento de diferentes formatos"""
    if archivo.name.endswith('.csv'):
        df = pd.read_csv(archivo.name)
        return df.to_dict('records')
    elif archivo.name.endswith('.xlsx'):
        df = pd.read_excel(archivo.name)
        return df.to_dict('records')
    elif archivo.name.endswith('.pdf'):
        reader = PdfReader(archivo.name)
        text = "\n".join([page.extract_text() for page in reader.pages])
        return [{"contenido": text}]
    return []

def actualizar_personalidad(formal, humor, temperatura, emojis):
    """Actualiza los parámetros de personalidad"""
    personalidad["formal"] = formal
    personalidad["humor"] = humor
    personalidad["temperatura"] = temperatura
    personalidad["emojis"] = emojis
    return "Personalidad actualizada ✔️"

def procesar_pregunta(pregunta):
    """Procesa la pregunta usando el modelo y la base de conocimiento"""
    # Buscar en la base de conocimiento
    query_embedding = embedder.encode(pregunta)
    hits = util.semantic_search(query_embedding, knowledge_base["embeddings"], top_k=3)
    
    contexto = "\n".join([knowledge_base["textos"][hit['corpus_id']] 
                         for hit in hits[0]])
    
    # Generar respuesta con personalidad
    respuesta = nlp(question=pregunta, context=contexto)
    
    # Aplicar personalidad
    respuesta_texto = respuesta["answer"]
    if personalidad["formal"]:
        respuesta_texto = respuesta_texto.replace("Hola", "Buenos días").replace("?", "¿?")
    if personalidad["emojis"]:
        respuesta_texto += " 😊" if "feliz" in pregunta.lower() else " 🤔"
    
    return respuesta_texto

def cargar_archivo(archivo):
    """Carga el archivo a la base de conocimiento"""
    datos = cargar_conocimiento(archivo)
    textos = [str(registro) for registro in datos]
    embeddings = embedder.encode(textos)
    
    knowledge_base["textos"].extend(textos)
    knowledge_base["embeddings"].extend(embeddings)
    return f"¡Archivo cargado! Total de registros: {len(knowledge_base['textos'])}"

# Interfaz Gradio
with gr.Blocks(title="Bot Multifunción") as demo:
    gr.Markdown("# 🤖 Bot con Conocimiento y Personalidad Configurable")
    
    with gr.Tab("Cargar Conocimiento"):
        archivo = gr.File(label="Subir archivo (CSV/XLSX/PDF)")
        boton_cargar = gr.Button("Cargar Conocimiento")
        salida_carga = gr.Textbox(label="Estado", interactive=False)
        
    with gr.Tab("Configurar Personalidad"):
        formal = gr.Checkbox(label="Modo Formal", value=True)
        humor = gr.Slider(0, 1, 0.2, label="Nivel de Humor")
        temperatura = gr.Slider(0, 1, 0.7, label="Creatividad")
        emojis = gr.Checkbox(label="Usar Emojis", value=False)
        boton_personalidad = gr.Button("Actualizar Personalidad")
        salida_personalidad = gr.Textbox(label="Estado", interactive=False)
        
    with gr.Tab("Chat"):
        chatbot = gr.Chatbot()
        entrada = gr.Textbox(label="Escribe tu pregunta", placeholder="¿Qué necesitas saber?")
        
    # Conexiones
    boton_cargar.click(cargar_archivo, inputs=archivo, outputs=salida_carga)
    boton_personalidad.click(actualizar_personalidad, 
                            inputs=[formal, humor, temperatura, emojis], 
                            outputs=salida_personalidad)
    entrada.submit(procesar_pregunta, entrada, chatbot)

# Ejecución
if __name__ == "__main__":
    demo.launch()