Spaces:
Running
Running
| # modules/chatbot/chat_process.py | |
| import os | |
| import anthropic | |
| import logging | |
| from typing import Dict, Generator | |
| logger = logging.getLogger(__name__) | |
| #################################################### | |
| class ChatProcessor: | |
| def __init__(self): | |
| """Inicializa el procesador de chat con la API de Claude""" | |
| api_key = os.environ.get("ANTHROPIC_API_KEY") | |
| if not api_key: | |
| raise ValueError("No se encontró la clave API de Anthropic. Asegúrate de configurarla en las variables de entorno.") | |
| self.client = anthropic.Anthropic(api_key=api_key) | |
| self.conversation_history = [] | |
| def set_semantic_context(self, text, metrics, graph_data): | |
| """Configura el contexto semántico para conversaciones especializadas""" | |
| self.semantic_context = { | |
| 'text_sample': text[:2000], | |
| 'key_concepts': metrics.get('key_concepts', []), | |
| 'concept_centrality': metrics.get('concept_centrality', {}), | |
| 'graph_description': "Available" if graph_data else "Not available" | |
| } | |
| def process_chat_input(self, message: str, lang_code: str) -> Generator[str, None, None]: | |
| """Procesa el mensaje con contexto semántico si está disponible""" | |
| try: | |
| # Preparar mensaje con contexto si existe | |
| if self.semantic_context: | |
| system_prompt = f""" | |
| Eres un asistente especializado en análisis semántico. El usuario ha analizado un texto con los siguientes resultados: | |
| - Conceptos clave: {', '.join([c[0] for c in self.semantic_context['key_concepts'][:5]])}... | |
| - Centralidad: {len(self.semantic_context['concept_centrality'])} conceptos medidos | |
| - Grafo conceptual: {self.semantic_context['graph_description']} | |
| Responde preguntas específicas sobre este análisis y ayuda a interpretar los resultados. | |
| """ | |
| else: | |
| system_prompt = "Eres un asistente útil. Responde preguntas generales del usuario." | |
| # Agregar mensaje a la historia | |
| self.conversation_history.append({"role": "user", "content": message}) | |
| # Generar respuesta usando la API de Claude | |
| response = self.client.messages.create( | |
| model="claude-3-5-sonnet-20241022", | |
| messages=self.conversation_history, | |
| max_tokens=8000, # Añadimos este parámetro requerido | |
| temperature=0.7, | |
| ) | |
| # Procesar la respuesta | |
| claude_response = response.content[0].text | |
| self.conversation_history.append({"role": "assistant", "content": claude_response}) | |
| # Mantener un historial limitado | |
| if len(self.conversation_history) > 10: | |
| self.conversation_history = self.conversation_history[-10:] | |
| # Dividir la respuesta en palabras para streaming | |
| words = claude_response.split() | |
| for word in words: | |
| yield word + " " | |
| except Exception as e: | |
| logger.error(f"Error en process_chat_input: {str(e)}") | |
| yield f"Error: {str(e)}" | |
| def get_conversation_history(self) -> list: | |
| """Retorna el historial de la conversación""" | |
| return self.conversation_history | |
| def clear_history(self): | |
| """Limpia el historial de la conversación""" | |
| self.conversation_history = [] |