Update app.py

app.py

@@ -21,7 +21,7 @@ tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME, token=HF_TOKEN)
 
 model = AutoModelForCausalLM.from_pretrained(
     MODEL_NAME,
-    torch_dtype=torch.float32, 
+    torch_dtype=torch.float32,  # ⚠️ Float32 es mejor para CPU
     device_map="auto",
     token=HF_TOKEN
 )
@@ -40,7 +40,7 @@ def obtener_datos_colmena():
         respuesta = requests.get(NODE_RED_URL, auth=(USERNAME, PASSWORD), timeout=5)
         if respuesta.status_code == 200:
             datos = respuesta.json()
-            print("🔍 Datos recibidos de Node-RED:", datos)  # <-- Agregamos este print()
+            print("🔍 Datos recibidos de Node-RED:", datos)  # ⬅️ Muestra los datos en la terminal
             if "data" in datos and isinstance(datos["data"], list) and datos["data"]:
                 return datos["data"][-1]  # Último registro
             return {"error": "No hay datos recientes en Node-RED."}
@@ -49,43 +49,27 @@ def obtener_datos_colmena():
     except Exception as e:
         return {"error": str(e)}
 
-def generar_recomendacion(datos):
-    """Genera recomendaciones basadas en el estado de la colmena."""
-
-    # ✅ Convertimos a float para evitar errores
-    temperaturaInterior = float(datos.get("temperaturaInterior", 0))
-    humedadInterior = float(datos.get("humedadInterior", 0))
-    co2 = float(datos.get("co2", 0))
-
-    recomendaciones = []
-
-    if temperaturaInterior > 35:
-        recomendaciones.append("🌡 La temperatura interior es alta. Podrías mejorar la ventilación para evitar el sobrecalentamiento de la colmena.")
-    elif temperaturaInterior < 20:
-        recomendaciones.append("❄ La temperatura interior es baja. Asegúrate de que la calefacción funcione correctamente para evitar estrés en las abejas.")
-
-    if humedadInterior > 80:
-        recomendaciones.append("💧 La humedad es alta. Esto puede favorecer hongos y enfermedades. Asegúrate de que la ventilación sea adecuada.")
-    elif humedadInterior < 40:
-        recomendaciones.append("🔥 La humedad es baja. Las abejas necesitan un nivel de humedad adecuado para la crianza, podrías aumentar la humedad si es necesario.")
-
-    if co2 > 1000:
-        recomendaciones.append("🌿 El nivel de CO₂ es alto. Esto puede indicar problemas de ventilación. Verifica que el sistema de ventilación esté activo.")
-
-    if not recomendaciones:
-        recomendaciones.append("✅ Todo parece estar en orden. Sigue monitoreando regularmente para asegurar el bienestar de la colmena.")
-
-    return "\n".join(recomendaciones)
-
 def conversar_con_colmena(mensaje):
-    """Genera una respuesta combinando el modelo de lenguaje con recomendaciones sobre la colmena."""
+    """Genera una respuesta basada en el estado de la colmena sin reglas fijas."""
     datos = obtener_datos_colmena()
     if "error" in datos:
         return datos["error"]
     
-    datos_relevantes = generar_recomendacion(datos)
+    contexto = f"""
+    Datos actuales de la colmena:
+    - Temperatura interior: {datos.get("temperaturaInterior", "Desconocida")}°C
+    - Humedad interior: {datos.get("humedadInterior", "Desconocida")}%
+    - Nivel de CO₂: {datos.get("co2", "Desconocido")} ppm
+    - Estado del ventilador: {"Encendido" if datos.get("ver_ventilador") == "1" else "Apagado"}
+    - Estado del calefactor: {"Encendido" if datos.get("ver_calefactor") == "1" else "Apagado"}
+    - Estado del ultrasonido: {"Encendido" if datos.get("ver_ultrasonido") == "1" else "Apagado"}
+
+    Basándote en estos datos, responde como un experto en apicultura y monitoreo de colmenas. Explica cómo está la colmena y si hay algún problema que deba resolverse.
+    
+    Usuario: {mensaje}
+    Colmena:
+    """
     
-    contexto = f"Datos actuales de la colmena: {datos_relevantes}\nUsuario: {mensaje}\nColmena:"
     inputs = tokenizer(contexto, return_tensors="pt").to(device)
 
     print(f"🔄 Enviando entrada al modelo: {contexto}")  
@@ -93,10 +77,10 @@ def conversar_con_colmena(mensaje):
     with torch.no_grad():
         output = model.generate(
             **inputs,
-            max_length=100,  
+            max_length=100,  # 🔽 Limitamos la respuesta para que sea rápida
             do_sample=True,
-            top_k=50,
-            temperature=0.7,
+            top_k=40,  # 🔽 Controla la aleatoriedad
+            temperature=0.6,  # 🔽 Mantiene precisión en la respuesta
             pad_token_id=tokenizer.eos_token_id
         )
 
@@ -106,14 +90,14 @@ def conversar_con_colmena(mensaje):
     if not respuesta:
         return "🤖 No pude generar una respuesta. Inténtalo de nuevo con otra pregunta."
 
-    return f"{datos_relevantes}\n\n🤖 Respuesta de la IA: {respuesta}"
+    return respuesta
 
 iface = gr.Interface(
     fn=conversar_con_colmena,
     inputs="text",
     outputs="text",
     title="🐝 Chat con la Colmena",
-    description="Consulta el estado de la colmena y recibe recomendaciones."
+    description="Consulta el estado de la colmena y recibe respuestas generadas por IA en tiempo real."
 )
 
 iface.launch()