Update app.py

app.py

@@ -1,29 +1,52 @@
 import networkx as nx
 import matplotlib.pyplot as plt
 import json
-import textwrap
 import requests
 import pandas as pd
 import os
 import gradio as gr
 
-students = ["Alice", "Bob", "Charlie"]  
-
-# Initialize graph before launching UI
-inicializar_grafo()
+# Load OpenAI API Key
+API_KEY = os.getenv("OAIK")
+client = openai.OpenAI(api_key=API_KEY)
 
-api_key = os.getenv("AIRT_KEY")
-AIRT_DBASEx = os.getenv("AIRT_DBASE")
-AIRT_TABLEx = os.getenv("AIRT_TABLE")
-
-G = nx.DiGraph()
+api_key_airt = os.getenv("AIRT")
+AIRT_DBASE = 'appUuBVTJR5ju0y6J'
+AIRT_TABLE = 'foros_postdoc'
 
-url = f"https://api.airtable.com/v0/{AIRT_DBASEx}/{AIRT_TABLEx}"
+url = f"https://api.airtable.com/v0/{AIRT_DBASE}/{AIRT_TABLE}"
 headers = {
-    "Authorization": f"Bearer {api_key}",
+    "Authorization": f"Bearer {api_key_airt}",
     "Content-Type": "application/json"
 }
 
+# Sample vocabulary for concept extraction
+VOCABULARY = ["algoritmos", "inteligencia artificial", "políticas públicas", 
+              "educación a distancia", "gobernanza", "educación superior"]
+
+students = ["Alice", "Bob", "Charlie"]  
+
+G = nx.DiGraph()
+
+def extract_concepts(text):
+
+    instrucciones = "Eres un experto en educación superior a distancia con conocimiento de políticas públicas, \
+                    tanto para educación superior como la adopción de inteligencia artificial"
+    prompt = f"""Dado el siguiente mensaje: '{text}', identifica cuáles de los siguientes conceptos están mencionados \
+                según su significado, no solo las palabras exactas: {', '.join(VOCABULARY)}. \
+                Devuelve los conceptos coincidentes como una lista separada por comas."""
+
+    version_model = 'gpt-3.5-turbo-0125'
+    response = client.chat.completions.create(
+        model=version_model,
+        messages=[{"role": "system", "content": instrucciones},
+                  {"role": "user", "content": prompt}],
+        temperature=0.8,
+        max_tokens=300,
+    )
+    extract_concepts = response.choices[0].message.content.split(',')
+    return extract_concepts
+
 def cargar_desde_airtable():
     response = requests.get(url, headers=headers)
     
@@ -76,10 +99,6 @@ def visualizar_grafo():
     plt.close()
     return "graph.png"
 
-
-
-
-
 def chat_interface(student, message):
     """Handles chat messages, processes them, and updates AirTable."""
     graph_image = create_graph(student, message)