app.py

import gradio as gr
import requests
import json
import os

# Función para generar respuestas usando DeepInfra
def generate_response(user_message):
   try:
       if not user_message.strip():
           return "Por favor, escribe una pregunta para que pueda ayudarte."
       
       # Detectar si es un saludo simple
       saludos = ["hola", "buenos días", "buenas", "saludos", "hey", "qué tal", "como estás"]
       if user_message.lower().strip() in saludos:
           return "¡Hola! Soy BITER, tu mentor de negocios. ¿En qué puedo ayudarte hoy? Puedes preguntarme sobre estrategia, marketing, financiación o desarrollo de producto."
       
       # Cargar el prompt del sistema
       with open("prompt.txt", "r", encoding="utf-8") as f:
           system_prompt = f.read().strip()
       
       # Añadir instrucciones para respuestas concisas
       system_prompt += "\n\nIMPORTANTE: Tus respuestas deben ser concisas (máximo 3-4 párrafos). Evita listas largas y sé directo. Adapta la longitud de tu respuesta a la complejidad de la pregunta."
       
       # Configurar la solicitud a DeepInfra
       api_key = os.environ.get("DEEPINFRA_API_KEY", "")
       if not api_key:
           return "Error: No se ha configurado la clave API. Por favor, configura la variable de entorno DEEPINFRA_API_KEY."
       
       headers = {
           "Authorization": f"Bearer {api_key}",
           "Content-Type": "application/json"
       }
       
       # Formato de prompt para modelos de chat
       messages = [
           {"role": "system", "content": system_prompt},
           {"role": "user", "content": user_message}
       ]
       
       # Usar un modelo que sí está disponible en DeepInfra
       data = {
           "model": "meta-llama/Llama-2-7b-chat-hf",
           "messages": messages,
           "max_tokens": 300,  # Reducido para respuestas más cortas
           "temperature": 0.7,
           "top_p": 0.9
       }
       
       # Enviar solicitud a la API
       response = requests.post(
           "https://api.deepinfra.com/v1/openai/chat/completions",
           headers=headers,
           json=data
       )
       
       # Procesar la respuesta
       if response.status_code == 200:
           result = response.json()
           return result["choices"][0]["message"]["content"]
       else:
           # Intentar con otro modelo si el primero falla
           data["model"] = "mistralai/Mistral-7B-Instruct-v0.2"
           response = requests.post(
               "https://api.deepinfra.com/v1/openai/chat/completions",
               headers=headers,
               json=data
           )
           
           if response.status_code == 200:
               result = response.json()
               return result["choices"][0]["message"]["content"]
           else:
               return f"Error en la API: {response.status_code} - {response.text}"
   
   except Exception as e:
       return f"Lo siento, ha ocurrido un error: {str(e)}"

# Crear la interfaz de Gradio
demo = gr.Interface(
   fn=generate_response,
   inputs=gr.Textbox(
       placeholder="Escribe tu pregunta sobre emprendimiento aquí...",
       label="Tu pregunta"
   ),
   outputs=gr.Textbox(label="Respuesta de BITER"),
   title="BITER - Tu Mentor en Tiempo Real para Decisiones de Negocio",
   description="BITER es un asistente de IA que responde dudas de emprendedores como si fuera un CEO experimentado.",
   examples=[
       ["¿Cómo puedo validar mi idea de negocio con poco presupuesto?"],
       ["¿Cuál es la mejor estrategia para conseguir mis primeros clientes?"],
       ["¿Debería invertir en publicidad en redes sociales o en SEO?"]
   ],
   allow_flagging="never",
   theme=gr.themes.Soft(primary_hue="blue")
)

# Lanzar la aplicación
if __name__ == "__main__":
   demo.queue(max_size=1).launch(share=False, debug=False)