Update app.py

app.py

@@ -149,25 +149,32 @@ def autonomous_train_lora(epochs, batch_size, learning_rate):
         training_status_message = f"ERROR CRÍTICO durante el entrenamiento autónomo: {e}"
         print(f"[AUTÓNOMO] {training_status_message}")
 
-# --- GENERACIÓN DE CÓDIGO (HOT SWAP IMPLEMENTADO) ---
+# --- FUNCIÓN DE GENERACIÓN (CORREGIDA PARA RETORNAR 2 VALORES) ---
 
 def generate_text(prompt_text):
     """Genera código y dispara el ciclo de reentrenamiento autónomo si es necesario."""
-    global lora_generator, generations_since_last_train, is_trained, version_number
+    global lora_generator, generations_since_last_train, is_trained, version_number, training_status_message
 
     if not is_trained:
-        return "ERROR: El modelo LoRA no ha sido entrenado. Por favor, espere mientras la IA se inicializa con el entrenamiento V1.0."
+        # Si el entrenamiento V1.0 no ha terminado, retorna el mensaje de error y el estado actual
+        return "ERROR: El modelo LoRA no ha sido entrenado. Por favor, espere mientras la IA se inicializa con el entrenamiento V1.0.", update_status()
+
 
     # 1. HOT SWAP (Verifica si el modelo necesita recargarse con la nueva versión)
     if lora_generator is None:
         with global_lock:
-            # Recarga el modelo solo si está vacío
-            base_model_gen = AutoModelForCausalLM.from_pretrained(BASE_MODEL, device_map="auto")
-            model_with_lora = PeftModel.from_pretrained(base_model_gen, LORA_PATH)
-            final_model = model_with_lora.merge_and_unload()
-            final_model.eval() 
-            lora_generator = pipeline("text-generation", model=final_model, tokenizer=tokenizer)
-            print(f"[HOT SWAP] 🔄 Modelo de inferencia V{version_number:.1f} recargado y listo.")
+            try:
+                # Recarga el modelo solo si está vacío
+                base_model_gen = AutoModelForCausalLM.from_pretrained(BASE_MODEL, device_map="auto")
+                model_with_lora = PeftModel.from_pretrained(base_model_gen, LORA_PATH)
+                final_model = model_with_lora.merge_and_unload()
+                final_model.eval() 
+                lora_generator = pipeline("text-generation", model=final_model, tokenizer=tokenizer)
+                print(f"[HOT SWAP] 🔄 Modelo de inferencia V{version_number:.1f} recargado y listo.")
+            except Exception as e:
+                 # Si la recarga falla, retorna un error
+                return f"Error al cargar el modelo V{version_number:.1f} para inferencia: {e}", update_status()
+
 
     # 2. Generación de texto (Lógica de inferencia)
     try:
@@ -208,10 +215,12 @@ def generate_text(prompt_text):
                 
                 notification = f"\n\n--- [AUTONOMÍA] La IA ha iniciado el reentrenamiento V{current_version+0.1:.1f} para mejorar la traducción de tu diálogo. La próxima generación cargará la nueva versión. ---"
             
-        return completion + notification
+        # CORRECCIÓN CLAVE: Retorna el código Y el estado actualizado
+        return completion + notification, update_status()
 
     except Exception as e:
-        return f"Error generando texto: {e}"
+        # Si falla la generación, retorna el mensaje de error y el estado actual
+        return f"Error generando texto: {e}", update_status()
 
 # --- FUNCIÓN PARA INICIALIZACIÓN Y ENTRENAMIENTO V1.0 (Obligatorio) ---
 
@@ -237,7 +246,7 @@ def update_status():
 with gr.Blocks(title="AmorCoderAI - Aprendizaje Continuo") as demo:
     gr.Markdown("# 💙 AmorCoderAI - Asistente de Código con Aprendizaje Continuo")
     
-    # Muestra la versión y el estado. Ya no se actualiza cada segundo para evitar el error.
+    # Muestra la versión y el estado.
     version_and_status = gr.Markdown(
         f"**Versión de Comprensión:** V{version_number:.1f} | **Estado del Entrenador:** {training_status_message}",
         elem_id="status_display"
@@ -259,15 +268,14 @@ with gr.Blocks(title="AmorCoderAI - Aprendizaje Continuo") as demo:
         output_box = gr.Textbox(label="Código generado", lines=10)
         
         # Conexión del botón con la función principal
-        # Nota: La función update_status se llama implícitamente al hacer clic en este botón
+        # IMPORTANTE: Ahora generate_text retorna DOS valores para coincidir con [output_box, version_and_status]
         generate_button.click(
             generate_text, 
             inputs=prompt, 
-            outputs=[output_box, version_and_status], # Aseguramos que la caja de estado se actualice al generar
+            outputs=[output_box, version_and_status], 
         )
 
-    # CORRECCIÓN: Se elimina 'every=1' para evitar el TypeError.
-    # El estado se actualizará ahora al cargar la página y al generar código.
+    # El estado se actualiza solo al cargar la página.
     demo.load(update_status, None, version_and_status)