d

app.py

@@ -5,6 +5,8 @@ import gradio as gr
 
 # Configuración de claves de API
 GEMINI_API_KEY = os.getenv("GEMINI_API_KEY")
+if not GEMINI_API_KEY:
+    raise ValueError("La clave de API GEMINI_API_KEY no está configurada correctamente.")
 genai.configure(api_key=GEMINI_API_KEY)
 
 # Instrucciones del sistema por defecto
@@ -14,31 +16,10 @@ Como Ministro de la Corte Suprema de Chile, especializado en Derecho de Familia,
 El objetivo es elevar el texto a un estándar de excelencia en redacción jurídica, asegurando la máxima claridad, precisión, concisión y formalidad. **No debes modificar la estructura del borrador, tampoco agregar fundamentación o hechos. La mejora solo es gramatical, redaccional y estética lingüística jurídica.**
 """
 
-# Configuración del modelo de Google Gemini
-google_gemini_model = genai.GenerativeModel(
-    "gemini-exp-1121",
-    generation_config={
-        "temperature": 0.5,
-        "top_p": 0.9,
-        "top_k": 40,
-        "max_output_tokens": 5000,
-        "response_mime_type": "text/plain",
-    },
-)
+# Configuración de modelos de Google
+google_gemini_model = genai.GenerativeModel("gemini-exp-1121", generation_config={...})
+google_learnlm_model = genai.GenerativeModel("learnlm-1.5-pro-experimental", generation_config={...})
 
-# Configuración del modelo de Google LearnLM
-google_learnlm_model = genai.GenerativeModel(
-    "learnlm-1.5-pro-experimental",
-    generation_config={
-        "temperature": 0.5,
-        "top_p": 0.9,
-        "top_k": 40,
-        "max_output_tokens": 5000,
-        "response_mime_type": "text/plain",
-    },
-)
-
-# Función genérica para generar contenido
 async def generate_content(client, model_name, system_instruction, borrador):
     try:
         response = await asyncio.to_thread(client.generate_content, [system_instruction, borrador])
@@ -46,46 +27,30 @@ async def generate_content(client, model_name, system_instruction, borrador):
     except Exception as e:
         return f"Error en {model_name}: {str(e)}"
 
-# Combina las respuestas de ambos modelos de Google
 async def combine_responses(borrador):
     system_instruction = default_system_instruction
-
-    # Generar contenido con Google Gemini
-    google_gemini_result = await generate_content(google_gemini_model, "Google Gemini", system_instruction, borrador)
-
-    # Generar contenido con Google LearnLM
-    google_learnlm_result = await generate_content(google_learnlm_model, "Google LearnLM", system_instruction, borrador)
-
-    # Combinar resultados
+    google_gemini_task = asyncio.create_task(
+        generate_content(google_gemini_model, "Google Gemini", system_instruction, borrador)
+    )
+    google_learnlm_task = asyncio.create_task(
+        generate_content(google_learnlm_model, "Google LearnLM", system_instruction, borrador)
+    )
+    google_gemini_result = await google_gemini_task
+    google_learnlm_result = await google_learnlm_task
     combined_result = f"**Google Gemini:**\n{google_gemini_result}\n\n**Google LearnLM:**\n{google_learnlm_result}"
     return combined_result
 
-# Función de predicción
 async def predict(borrador):
-    result = await combine_responses(borrador)
-    return result
+    return await combine_responses(borrador)
 
-# Interfaz Gradio con botón funcional
+# Interfaz Gradio
 with gr.Blocks() as demo:
     gr.Markdown("### Mejorador de resoluciones judiciales - Derecho de Familia en Chile")
+    borrador = gr.Textbox(label="Borrador judicial", placeholder="Escribe o pega el texto aquí...", lines=10)
+    output = gr.Textbox(label="Resultado mejorado", placeholder="El resultado aparecerá aquí...", lines=10)
+    submit_btn = gr.Button("Enviar")
 
-    borrador = gr.Textbox(
-        label="Borrador judicial",
-        placeholder="Escribe o pega el texto aquí...",
-        lines=10
-    )
-    output = gr.Textbox(
-        label="Resultado mejorado",
-        placeholder="El resultado aparecerá aquí...",
-        lines=10
-    )
-    submit_btn = gr.Button("Enviar")  # Botón funcional para enviar el texto
-
-    submit_btn.click(
-        fn=lambda texto: asyncio.run(predict(texto)),
-        inputs=borrador,
-        outputs=output
-    )
+    submit_btn.click(fn=predict, inputs=borrador, outputs=output)
 
 if __name__ == "__main__":
     demo.launch()