Update app.py

app.py

@@ -5,29 +5,22 @@ import numpy as np
 import requests
 import torch
 import os
+import json
+import matplotlib.pyplot as plt
+from io import BytesIO
 from transformers import AutoModelForCausalLM, AutoTokenizer
-from langchain.memory import ConversationBufferMemory
 
 # Configuración del modelo de lenguaje
 MODEL_NAME = "PlanTL-GOB-ES/roberta-base-bne"
 device = "cuda" if torch.cuda.is_available() else "cpu"
-HF_TOKEN = os.getenv("HF_TOKEN")  # Token de Hugging Face
+HF_TOKEN = os.getenv("HF_TOKEN")
 
 if not HF_TOKEN:
     raise ValueError("❌ ERROR: No se encontró HF_TOKEN. Asegúrate de definirlo en las variables de entorno.")
 
 print("🔄 Cargando modelo de lenguaje...")
-tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME, token=HF_TOKEN)
-
-model = AutoModelForCausalLM.from_pretrained(
-    MODEL_NAME,
-    torch_dtype=torch.float32,  # ⚠️ Float32 es mejor para CPU
-    device_map="auto",
-    token=HF_TOKEN
-)
-
-# Memoria conversacional
-memory = ConversationBufferMemory()
+tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
+model = AutoModelForCausalLM.from_pretrained(MODEL_NAME).to(device)
 
 # API de Node-RED
 NODE_RED_URL = "https://appairedecolmena.es/colmena1/datos"
@@ -35,69 +28,88 @@ USERNAME = "user"
 PASSWORD = "velutina"
 
 def obtener_datos_colmena():
-    """Obtiene los datos más recientes de Node-RED con autenticación."""
+    """Obtiene los datos más recientes de Node-RED."""
     try:
         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)  # ⬅️ 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 datos["data"]
             return {"error": "No hay datos recientes en Node-RED."}
         else:
             return {"error": f"Error en la API: {respuesta.status_code}"}
     except Exception as e:
         return {"error": str(e)}
 
-def conversar_con_colmena(mensaje):
-    """Genera una respuesta basada en el estado de la colmena sin reglas fijas."""
-    datos = obtener_datos_colmena()
-    if "error" in datos:
-        return datos["error"]
+def analizar_tendencia(datos, variable):
+    """Analiza la tendencia de una variable específica."""
+    valores = [float(d[variable]) for d in datos if variable in d]
+    timestamps = [d["timestamp"] for d in datos if variable in d]
+    promedio = np.mean(valores)
+    maximo = np.max(valores)
+    minimo = np.min(valores)
+
+    respuesta = f"📊 **Análisis de {variable}:**\n"
+    respuesta += f"- Promedio: {promedio:.2f}\n"
+    respuesta += f"- Máximo: {maximo:.2f}\n"
+    respuesta += f"- Mínimo: {minimo:.2f}\n"
+
+    return respuesta, valores, timestamps
+
+def generar_grafico(valores, timestamps, variable):
+    """Genera un gráfico de la variable analizada."""
+    plt.figure(figsize=(10, 5))
+    plt.plot(timestamps, valores, marker='o', linestyle='-')
+    plt.xlabel("Tiempo")
+    plt.ylabel(variable)
+    plt.title(f"Tendencia de {variable}")
+    plt.xticks(rotation=45)
+    plt.grid()
     
-    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.
+    buf = BytesIO()
+    plt.savefig(buf, format="png")
+    buf.seek(0)
+    return buf
+
+def interpretar_instruccion(mensaje, datos):
+    """Interpreta la consulta del usuario y ejecuta el análisis solicitado."""
+    mensaje = mensaje.lower()
     
-    Usuario: {mensaje}
-    Colmena:
-    """
+    # Mapeo de variables con términos comunes
+    variable_map = {
+        "temperatura": "temperaturaInterior",
+        "humedad": "humedadInterior",
+        "co2": "co2",
+        "peso": "peso"
+    }
     
-    inputs = tokenizer(contexto, return_tensors="pt").to(device)
-
-    print(f"🔄 Enviando entrada al modelo: {contexto}")  
+    for key, var in variable_map.items():
+        if key in mensaje:
+            respuesta, valores, timestamps = analizar_tendencia(datos, var)
+            grafico = generar_grafico(valores, timestamps, var)
+            return respuesta, grafico
     
-    with torch.no_grad():
-        output = model.generate(
-            **inputs,
-            max_new_tokens=100,  # 🔽 Limitamos la respuesta para que sea rápida
-            do_sample=True,
-            top_k=40,  # 🔽 Controla la aleatoriedad
-            temperature=0.6,  # 🔽 Mantiene precisión en la respuesta
-            pad_token_id=tokenizer.eos_token_id
-        )
+    return "🤖 No entiendo la consulta. Pregunta sobre el estado de la colmena o análisis de variables."
 
-    respuesta = tokenizer.decode(output[0], skip_special_tokens=True).strip()
-    print(f"✅ Respuesta generada por la IA: '{respuesta}'")
-
-    if not respuesta:
-        return "🤖 No pude generar una respuesta. Inténtalo de nuevo con otra pregunta."
-
-    return respuesta
+def conversar_con_colmena(mensaje):
+    """Genera una respuesta combinando el modelo de lenguaje con análisis de datos."""
+    datos = obtener_datos_colmena()
+    if "error" in datos:
+        return datos["error"]
+    
+    resultado = interpretar_instruccion(mensaje, datos)
+    if isinstance(resultado, tuple):
+        texto, grafico = resultado
+        return texto, grafico
+    else:
+        return resultado
 
 iface = gr.Interface(
     fn=conversar_con_colmena,
     inputs="text",
-    outputs="text",
+    outputs=["text", "image"],
     title="🐝 Chat con la Colmena",
-    description="Consulta el estado de la colmena y recibe respuestas generadas por IA en tiempo real."
+    description="Consulta el estado de la colmena y pide análisis de datos."
 )
 
 iface.launch()
@@ -106,4 +118,3 @@ iface.launch()
 
 
 
-