Upload app.py

app.py

@@ -198,125 +198,147 @@ for message in st.session_state.messages:
 
 # React to user input
 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'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 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}")
-            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):
-        st.markdown(prompt)
-    # Add user message to chat history
-    st.session_state.messages.append(
-        dict(
-            role='user',
-            content=prompt,
-        )
-    )
+    # 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"])
     
-    # 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,
+    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)
+        
+        # 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
             
-            # 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
+            # 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}'")
                 
-                # Añade un indicador de "escribiendo..."
-                typing_indicator = st.empty()
-                typing_indicator.markdown("*Nuestro equipo de expertos está analizando tu información...*")
+                # Obtenemos el título generado
+                generated_title = title_response.text.strip()
                 
-                # 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',
+                # 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}")
+                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):
+            st.markdown(prompt)
+        # Add user message to chat history
+        st.session_state.messages.append(
+            dict(
+                role='user',
+                content=prompt,
             )
-            # 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)}")
+        )
+        
+        # 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=f"Lo sentimos, estamos experimentando problemas para procesar tu solicitud. Por favor, intenta de nuevo más tarde. Error: {str(e)}",
+                        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',
                 )
-            else:
-                # Esperamos antes de reintentar (retroceso exponencial)
-                wait_time = (2 ** retry_count) + (time.time() % 1)
-                time.sleep(wait_time)
+                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)