Update app.py

app.py

@@ -1,5 +1,4 @@
-
-import gradio as gr
+ import gradio as gr
 import base64
 import vertexai
 from vertexai.generative_models import GenerativeModel, Part, SafetySetting
@@ -35,55 +34,64 @@ def configurar_credenciales(json_path):
     """Configura las credenciales de Google Cloud usando un archivo JSON."""
     os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = json_path
 
-def extraer_respuestas(pdf_data):
-    """Extrae preguntas y respuestas desde un PDF."""
-    # Procesamiento simulado para simplificar
-    texto_extraido = base64.b64decode(pdf_data).decode("utf-8", errors="ignore")
-    preguntas_respuestas = {}
-    pregunta_actual = None
-    for linea in texto_extraido.split("\n"):
-        if "Pregunta" in linea:
-            pregunta_actual = linea.strip()
-            preguntas_respuestas[pregunta_actual] = ""
-        elif "Respuesta" in linea and pregunta_actual:
-            preguntas_respuestas[pregunta_actual] = linea.split(":")[-1].strip()
-    return preguntas_respuestas
-
 def revisar_examen(json_path, pdf_docente, pdf_alumno):
-    """Compara las respuestas del alumno con las preguntas del docente."""
+    """Función principal para comparar los PDFs del docente y del alumno."""
     try:
         # Configurar las credenciales
-        configurar_credenciales(json_path.name)
+        configurar_credenciales(json_path)
 
         # Inicializar Vertex AI
         vertexai.init(project="deploygpt", location="us-central1")
 
-        # Leer los PDFs
+        # Leer los datos de los PDFs desde la ruta proporcionada por Gradio
         with open(pdf_docente.name, "rb") as docente_file:
             docente_data = docente_file.read()
-
+        
         with open(pdf_alumno.name, "rb") as alumno_file:
             alumno_data = alumno_file.read()
 
-        # Extraer preguntas y respuestas
-        preguntas_docente = extraer_respuestas(docente_data)
-        respuestas_alumno = extraer_respuestas(alumno_data)
-
-        # Validar solo preguntas respondidas por el alumno
-        retroalimentacion = []
-        for pregunta, respuesta_correcta in preguntas_docente.items():
-            if pregunta in respuestas_alumno:
-                respuesta_alumno = respuestas_alumno[pregunta]
-                retroalimentacion.append(
-                    f"Pregunta: {pregunta}\n"
-                    f"Respuesta del alumno: {respuesta_alumno}\n"
-                    f"Respuesta correcta: {respuesta_correcta}\n"
-                )
-            else:
-                retroalimentacion.append(f"Pregunta: {pregunta}\nNo fue asignada al alumno.\n")
-
-        # Unir retroalimentación
-        feedback = "\n".join(retroalimentacion)
+        # Codificar los datos de los PDFs a base64
+        document1 = Part.from_data(
+            mime_type="application/pdf",
+            data=base64.b64encode(docente_data).decode("utf-8"),
+        )
+
+        document2 = Part.from_data(
+            mime_type="application/pdf",
+            data=base64.b64encode(alumno_data).decode("utf-8"),
+        )
+
+        # Configuración del texto de instrucciones
+        text1 = """Información del examen
+        Materia: bioquimica nutricion normal
+        Grado/Nivel: universidad
+        Tema: Metabolismo de lipidos
+        Formato del examen: \\\"Preguntas de desarrollo\\\"
+        Instrucciones para el asistente
+        Adjunta los archivos PDF:integracion
+        PDF del alumno: alumno
+        Solicita la revisión: \\\"Por favor, compara las respuestas del alumno en el PDF adjunto con las preguntas y respuestas del PDF del docente. Evalúa cada respuesta como 'Correcta', 'Incorrecta', 'Incompleta' o 'Vacía'. Considera que el alumno solo respondió a un subconjunto de las preguntas del examen. Para cada pregunta, indica si fue 'Asignada' o 'No asignada' al alumno. Proporciona retroalimentación detallada para cada respuesta de las preguntas asignadas, incluyendo la explicación de errores, la respuesta correcta (del PDF del docente) y sugerencias de temas para reforzar. Al final, ofrece una retroalimentación general sobre el desempeño del alumno y calcula el porcentaje de precisión, basándote solo en las preguntas que le fueron asignadas.\\\""""
+
+        textsi_1 = """Rol: Actúa como un asistente de docente experto en la materia del examen de Bioquimica.
+        Objetivo: Tu tarea principal es analizar las respuestas del alumno a las preguntas del examen, comparándolas con la clave de respuestas y criterios de evaluación proporcionados en el PDF del docente. Debes identificar las respuestas correctas, incorrectas, incompletas y vacías, tomando en cuenta que el alumno pudo haber recibido un subconjunto aleatorio de las preguntas del examen. Proporciona retroalimentación detallada sobre los errores, áreas de mejora y temas que el alumno necesita reforzar. Además, debes calcular y mostrar el porcentaje de precisión del alumno en el examen, considerando solo las preguntas que le fueron asignadas."""
+
+        # Configurar el modelo
+        model = GenerativeModel(
+            "gemini-1.5-pro-001",  # Cambiar a Gemini-2
+            system_instruction=[textsi_1]
+        )
+
+        # Generar la revisión
+        response = model.generate_content(
+            [document1, document2, text1],
+            generation_config=generation_config,
+            safety_settings=safety_settings,
+            stream=False,
+        )
+
+        # Acceder al texto de la respuesta
+        feedback = response.text
+
         return feedback
 
     except Exception as e:
@@ -104,3 +112,4 @@ interface = gr.Interface(
 
 # Lanzar la interfaz
 interface.launch(debug=True)
+