app.py

import streamlit as st
import pandas as pd
import base64
import hashlib
import hmac
import json
import time
import urllib.parse
import plotly.graph_objects as go
from tavily import TavilyClient
from email.message import EmailMessage

from datetime import datetime, timedelta
import requests
import os
try:
    import truststore
    truststore.inject_into_ssl()
except Exception:
    pass
try:
    import certifi
    CERTIFI_CA_BUNDLE = certifi.where()
    os.environ.setdefault("SSL_CERT_FILE", CERTIFI_CA_BUNDLE)
    os.environ.setdefault("REQUESTS_CA_BUNDLE", CERTIFI_CA_BUNDLE)
    os.environ.setdefault("GRPC_DEFAULT_SSL_ROOTS_FILE_PATH", CERTIFI_CA_BUNDLE)
except Exception:
    pass
import re
import io
import unicodedata
from html import escape, unescape
import crypto
from dotenv import load_dotenv
import database as db

load_dotenv()

# --- 1. CONFIGURACIÓN INICIAL Y CIBERSEGURIDAD ---
st.set_page_config(page_title="Proyelec Sourcing Pro", layout="wide", page_icon="💎", initial_sidebar_state="expanded")

# --- CACHE DE ESTILOS PARA EVITAR PARPADEO ---
@st.cache_data(show_spinner=False)
def get_css(css_mtime=0):
    try:
        with open('style.css', 'r', encoding='utf-8') as f:
            return f'<style>{f.read()}</style>'
    except:
        return ""

css_mtime = os.path.getmtime('style.css') if os.path.exists('style.css') else 0
st.markdown(get_css(css_mtime), unsafe_allow_html=True)




if "logged_in" not in st.session_state:
    st.session_state.logged_in = False
    st.session_state.username = ""
    st.session_state.role = ""
    st.session_state.gemini_key = ""
    st.session_state.tavily_key = ""
    st.session_state.email_user = ""
    st.session_state.email_pass = ""
if "procesado" not in st.session_state:
    st.session_state.procesado = False
if "df_exportar" not in st.session_state:
    st.session_state.df_exportar = pd.DataFrame()
if "cg" not in st.session_state:
    st.session_state.cg = {}

def encrypt_data(text):
    return crypto.encrypt_data(text)

def decrypt_data(text):
    return crypto.decrypt_data(text)

def extraer_meta_nota(nota):
    cierre_match = re.search(r"Cierre:\s*([^|]+)", nota)
    rev_match = re.search(r"Última rev:\s*([^|]+)", nota)
    cierre = cierre_match.group(1).strip() if cierre_match else None
    rev = rev_match.group(1).strip() if rev_match else None
    return cierre, rev

API_URL_BASE = os.getenv("API_URL_BASE", "http://localhost:8000/api/v1")
API_HEADERS  = {"X-Internal-Token": os.getenv("INTERNAL_API_TOKEN", "default-dev-token")}
BRAVE_SEARCH_API_KEY = os.getenv("BRAVE_SEARCH_API_KEY", "").strip()
GEMINI_MODEL = os.getenv("GEMINI_MODEL", "gemini-2.5-flash")
GEMINI_FALLBACK_MODELS = [
    model.strip()
    for model in os.getenv("GEMINI_FALLBACK_MODELS", "gemini-2.5-flash-lite").split(",")
    if model.strip()
]
TIEMPO_BLOQUEO = 15  # minutos — debe coincidir con database.py
APP_SESSION_TTL_SECONDS = int(os.getenv("APP_SESSION_TTL_SECONDS", "43200"))
SESSION_SECRET = (
    os.getenv("SESSION_SECRET")
    or os.getenv("ENCRYPTION_KEY")
    or os.getenv("INTERNAL_API_TOKEN")
    or "procura-dev-session"
).encode("utf-8")
MAPA_ESTADOS_SLI = {
    "EVALUACIÓN": "En Evaluacion Economica",
    "EVALUACION": "En Evaluacion Economica",
    "ADJUDICADA": "Adjudicada",
    "CANCELADA":  "No Adjudicada",
    "DESIERTA":   "Desierta",
    "CERRADA":    "Oferta Enviada al SLI",
    "ABIERTA":    "En Preparacion",
}

def gemini_model_candidates():
    models = [GEMINI_MODEL, *GEMINI_FALLBACK_MODELS]
    unique = []
    for model in models:
        if model and model not in unique:
            unique.append(model)
    return unique

def is_retryable_gemini_error(exc):
    text = str(exc or "").lower()
    return any(
        marker in text
        for marker in [
            "503",
            "unavailable",
            "high demand",
            "temporarily",
            "overloaded",
            "resource exhausted",
        ]
    )

def gemini_generate_text(api_key, prompt):
    from google import genai

    client = genai.Client(api_key=str(api_key or "").strip())
    last_error = None
    for idx, model in enumerate(gemini_model_candidates()):
        try:
            response = client.models.generate_content(model=model, contents=prompt)
            return str(getattr(response, "text", "") or "").strip()
        except Exception as exc:
            last_error = exc
            if not is_retryable_gemini_error(exc) or idx == len(gemini_model_candidates()) - 1:
                raise
            time.sleep(1 + idx)
    raise last_error


# --- 2. BASE DE DATOS LOCAL Y PERSISTENCIA ---
@st.cache_resource(show_spinner=False)
def init_db():
    db.init_db()
    return True

init_db()

@st.cache_data(ttl=300, show_spinner=False)
def load_historical_prices():
    df_historico = db.get_historical_prices_df()
    return df_historico if not df_historico.empty else None

@st.cache_data(ttl=300, show_spinner=False)
def get_historico_anios_cached():
    return db.get_historico_anios()

@st.cache_data(ttl=60, show_spinner=False)
def get_historico_count_cached():
    return db.get_historico_count()

@st.cache_data(ttl=120, show_spinner=False)
def get_historico_licitaciones_cached(search="", anio="Todos", limit=1000):
    return db.get_historico_licitaciones_df(limit=limit, search=search or None, anio=anio)

def normalize_history_columns(df):
    rename_map = {}
    for col in df.columns:
        col_norm = str(col).lower()
        if "licitaci" in col_norm and "hist" in col_norm:
            rename_map[col] = "licitacion_hist"
        elif ("año" in col_norm or "anio" in col_norm) and "hist" in col_norm:
            rename_map[col] = "anio_hist"
    if rename_map:
        df = df.rename(columns=rename_map)
    return df

def coerce_bool(value, default=False):
    if isinstance(value, bool):
        return value
    if value is None or pd.isna(value):
        return default
    text = str(value).strip().lower()
    if text in ["true", "si", "sí", "yes", "1", "y"]:
        return True
    if text in ["false", "no", "0", "n", "none", "null", "n/a", ""]:
        return False
    return default

def coerce_optional_bool(value):
    if isinstance(value, bool):
        return value
    if value is None or pd.isna(value):
        return None
    text = str(value).strip().lower()
    if text in ["true", "si", "sí", "yes", "1", "y"]:
        return True
    if text in ["false", "no", "0", "n"]:
        return False
    return None

def normalize_technical_fields(df):
    defaults = {
        "requiere_propuesta_tecnica": False,
        "requiere_ficha_tecnica": False,
        "marca_modelo_requerido": None,
        "acepta_equivalente": None,
        "posible_obsolescencia": False,
        "evidencia_tecnica": "",
    }
    for col, default in defaults.items():
        if col not in df.columns:
            df[col] = default
    for col in ["requiere_propuesta_tecnica", "requiere_ficha_tecnica", "posible_obsolescencia"]:
        df[col] = df[col].apply(lambda value: coerce_bool(value, default=False))
    df["acepta_equivalente"] = df["acepta_equivalente"].apply(coerce_optional_bool)
    return df

def is_meaningful_text(value):
    if value is None:
        return False
    try:
        if pd.isna(value):
            return False
    except (TypeError, ValueError):
        pass
    text = str(value).strip()
    return bool(text) and text.lower() not in ["no", "n/a", "na", "nan", "none", "null", "sin restricciones", "no aplica"]

def bool_label(value):
    if value is True:
        return "Sí"
    if value is False:
        return "No"
    return "No determinado"

NOT_SPECIFIED_DOC = "No especificado en los documentos adjuntos"
ACP_CODE_RE = re.compile(r"\b([A-Z]{3})-([A-Z]{3})-(\d{5})\b", re.IGNORECASE)

def clean_doc_value(value, default=NOT_SPECIFIED_DOC):
    if value is None:
        return default
    try:
        if pd.isna(value):
            return default
    except (TypeError, ValueError):
        pass
    text = str(value).strip()
    if not text or text.lower() in ["n/a", "na", "nan", "none", "null", "no aplica", "no especificado"]:
        return default
    return text

def normalize_acp_code(value):
    text = clean_doc_value(value, default="")
    if not text:
        return ""
    match = ACP_CODE_RE.search(text.upper())
    if not match:
        return ""
    return f"{match.group(1).upper()}-{match.group(2).upper()}-{match.group(3)}"

def acp_code_match(value):
    code = normalize_acp_code(value)
    if not ACP_CODE_RE.fullmatch(code or ""):
        return ""
    return "".join(ch for ch in code.upper() if ch.isascii() and ch.isalnum())

def normalize_item_codes(df):
    if "codigo_articulo" in df.columns:
        df = df.copy()
        df["codigo_articulo"] = df["codigo_articulo"].apply(normalize_acp_code)
    return df

def parse_rows_from_scope_text(value):
    rows = set()
    if value is None:
        return rows, False
    if isinstance(value, (list, tuple, set)):
        all_rows = False
        for item in value:
            item_text = str(item or "").strip().lower()
            if item_text in ["todos", "todas", "all"]:
                all_rows = True
            rows.update(re.findall(r"\d+", item_text))
        return rows, all_rows

    text = str(value or "").strip()
    if not text:
        return rows, False
    if re.search(r"\b(todos|todas|global|all)\b", text, re.IGNORECASE):
        return rows, True

    scoped_matches = re.findall(
        r"(?:l[ií]neas?|renglones?)\s+([0-9][0-9,\s\-yY]*)",
        text,
        flags=re.IGNORECASE,
    )
    for match in scoped_matches:
        rows.update(re.findall(r"\d+", match))
    return rows, False

def apply_proposal_scope_from_cg(df, cg):
    if df.empty or "requiere_propuesta_tecnica" not in df.columns:
        return df, []
    proposal_text = clean_doc_value(cg.get("propuesta_tecnica_requerida") if isinstance(cg, dict) else "", default="")
    evidence_text = clean_doc_value(cg.get("evidencia_propuesta_tecnica") if isinstance(cg, dict) else "", default="")
    applies_value = cg.get("propuesta_tecnica_aplica_renglones") if isinstance(cg, dict) else []

    applies_rows, applies_all = parse_rows_from_scope_text(applies_value)
    text_rows, text_all = parse_rows_from_scope_text(f"{proposal_text} {evidence_text}")
    applies_rows.update(text_rows)
    applies_all = applies_all or text_all

    proposal_required = str(proposal_text).strip().lower().startswith(("si", "sí")) or bool(applies_rows) or applies_all
    if not proposal_required:
        return df, []

    df = df.copy()
    row_values = df["renglon"].astype(str).str.extract(r"(\d+)")[0].fillna("").astype(str) if "renglon" in df.columns else pd.Series("", index=df.index)
    existing_rows = set(row_values[row_values != ""].tolist())

    if applies_all or not applies_rows:
        df["requiere_propuesta_tecnica"] = True
        missing_rows = []
    else:
        df["requiere_propuesta_tecnica"] = row_values.isin(applies_rows)
        missing_rows = sorted(applies_rows - existing_rows, key=lambda x: int(x) if x.isdigit() else x)

    return df, missing_rows

def strip_html_markup(value):
    text = clean_doc_value(value, default="")
    if not text:
        return ""
    text = unescape(text)
    if re.search(r"</?(div|span|b|em|small|p|br|ul|ol|li|table|tr|td|th|pre|code)\b|class=", text, re.IGNORECASE):
        text = re.sub(r"<br\s*/?>", "\n", text, flags=re.IGNORECASE)
        text = re.sub(r"</?(div|p|li|tr)\b[^>]*>", "\n", text, flags=re.IGNORECASE)
        text = re.sub(r"<[^>]+>", " ", text)
        text = re.sub(r"[ \t]+", " ", text)
        text = re.sub(r"\n\s*\n+", "\n", text)
    return text.strip()

def first_doc_value(source, keys, default=NOT_SPECIFIED_DOC):
    if not isinstance(source, dict):
        return default
    for key in keys:
        value = clean_doc_value(source.get(key), default="")
        if value:
            return value
    return default

def get_local_presence_decision(cg):
    local_value = None
    local_keys = [
        "requiere_presencia_local",
        "empresa_local_requerida",
        "presencia_local_requerida",
        "requiere_empresa_local",
        "requiere_representante_local",
    ]
    if isinstance(cg, dict):
        for key in local_keys:
            if key in cg:
                local_value = coerce_optional_bool(cg.get(key))
                if local_value is not None:
                    break

    if local_value is True:
        return "Sí", "Participar con EP", "Requisito local detectado en el pliego.", "tone-green"
    if local_value is False:
        return "No", "Participar con Proyelec", "El pliego no exige presencia local.", "tone-blue"
    return NOT_SPECIFIED_DOC, "Validar antes de decidir", "No se puede confirmar solo con el documento cargado.", "tone-amber"

@st.cache_data(ttl=15, show_spinner=False)
def get_api_health():
    try:
        r = requests.get(f"{API_URL_BASE.replace('/api/v1','')}/", timeout=2, headers=API_HEADERS)
        return r.status_code == 200
    except Exception:
        return False

# Workspace multi
def save_workspace_state(username, cg_dict, df):
    lic = cg_dict.get('numero_licitacion', 'Sin_Numero')
    db.save_workspace(username, str(lic), df.to_json(orient="records"), json.dumps(cg_dict))
    get_all_workspaces_cached.clear()

def load_workspace_state(username):
    row = db.load_workspace_state(username)
    if row and row[0] and row[1]:
        return pd.read_json(io.StringIO(row[0])), json.loads(row[1])
    return None, None

def load_workspace_by_licitacion(username, licitacion):
    row = db.load_workspace(username, licitacion)
    if row and row[0] and row[1]:
        return pd.read_json(io.StringIO(row[0])), json.loads(row[1])
    return None, None

def _b64url_encode(data):
    return base64.urlsafe_b64encode(data).decode("utf-8").rstrip("=")

def _b64url_decode(value):
    padding = "=" * (-len(value) % 4)
    return base64.urlsafe_b64decode(value + padding)

def create_auth_token(username):
    payload = {
        "u": username,
        "exp": int(time.time()) + APP_SESSION_TTL_SECONDS,
    }
    payload_raw = json.dumps(payload, separators=(",", ":"), sort_keys=True).encode("utf-8")
    payload_b64 = _b64url_encode(payload_raw)
    signature = hmac.new(SESSION_SECRET, payload_b64.encode("utf-8"), hashlib.sha256).hexdigest()
    return f"{payload_b64}.{signature}"

def parse_auth_token(token):
    try:
        payload_b64, signature = str(token).split(".", 1)
        expected = hmac.new(SESSION_SECRET, payload_b64.encode("utf-8"), hashlib.sha256).hexdigest()
        if not hmac.compare_digest(signature, expected):
            return None
        payload = json.loads(_b64url_decode(payload_b64).decode("utf-8"))
        if int(payload.get("exp", 0)) < int(time.time()):
            return None
        username = str(payload.get("u", "")).strip()
        return username or None
    except Exception:
        return None

def get_query_param(name, default=""):
    value = st.query_params.get(name, default)
    if isinstance(value, list):
        return value[0] if value else default
    return value

def clear_auth_query_param():
    current_view = get_query_param("view", "")
    st.query_params.clear()
    if current_view:
        st.query_params["view"] = current_view

def get_shared_api_keys():
    """Busca un par de API keys descifrable para analistas sin llaves propias."""
    conn = db.get_connection()
    c = conn.cursor()
    c.execute("""
        SELECT gemini_key, tavily_key
        FROM users
        WHERE role IN ('Gerencia', 'Supervisor', 'Admin')
          AND (gemini_key != '' OR tavily_key != '')
        ORDER BY
          CASE role
            WHEN 'Gerencia' THEN 1
            WHEN 'Supervisor' THEN 2
            ELSE 3
          END,
          username
    """)
    rows = c.fetchall()
    conn.close()

    for gemini_enc, tavily_enc in rows:
        gemini = crypto.decrypt_data(gemini_enc) if gemini_enc else ""
        tavily = crypto.decrypt_data(tavily_enc) if tavily_enc else ""
        if gemini or tavily:
            return gemini, tavily
    return "", ""

def hydrate_session_from_user_data(user_data, restore_workspace=True):
    st.session_state.logged_in = True
    st.session_state.username = user_data[0]
    st.session_state.role = user_data[2] if user_data[2] else "Analista"
    st.session_state.gemini_key = user_data[3] if user_data[3] else ""
    st.session_state.tavily_key = user_data[4] if user_data[4] else ""
    st.session_state.email_user = user_data[5] if user_data[5] else ""
    st.session_state.email_pass = crypto.decrypt_data(user_data[6]) if len(user_data) > 6 and user_data[6] else ""

    if restore_workspace:
        df_saved, cg_saved = load_workspace_state(user_data[0])
        if df_saved is not None:
            st.session_state.df_exportar = df_saved
            st.session_state.cg = cg_saved
            st.session_state.procesado = True

def get_user_profile_for_session(username):
    conn = db.get_connection()
    c = conn.cursor()
    c.execute("SELECT * FROM users WHERE LOWER(username)=LOWER(%s)", (username,))
    user_data = c.fetchone()
    conn.close()

    if not user_data:
        return None

    user_list = list(user_data)
    user_list[3] = crypto.decrypt_data(user_list[3]) if user_list[3] else ""
    user_list[4] = crypto.decrypt_data(user_list[4]) if user_list[4] else ""

    if user_list[2] == "Analista":
        shared_gemini, shared_tavily = get_shared_api_keys()
        if not user_list[3]:
            user_list[3] = shared_gemini
        if not user_list[4]:
            user_list[4] = shared_tavily

    return tuple(user_list)

def restore_persistent_session():
    if st.session_state.logged_in:
        return

    token = get_query_param("auth", "")
    username = parse_auth_token(token)
    if not username:
        return

    user_data = get_user_profile_for_session(username)
    if user_data:
        hydrate_session_from_user_data(user_data)

def logout_user():
    clear_auth_query_param()
    st.session_state.clear()
    st.rerun()

def verify_login(username, password):
    # 1. Verificar bloqueo por intentos fallidos
    bloqueado, segundos = db.esta_bloqueado(username)
    if bloqueado:
        minutos = segundos // 60
        segs    = segundos % 60
        raise ValueError(f"Cuenta bloqueada. Intenta en {minutos}m {segs}s.")

    user_data = db.get_user(username, password)
    if user_data:
        # Login exitoso: limpiar contador de intentos
        db.resetear_intentos(username)
        u_list = list(user_data)
        role = u_list[2]

        # Analistas heredan solo gemini_key y tavily_key si no tienen las suyas
        # o si sus llaves guardadas ya no se pueden descifrar.
        # (NO heredan email corporativo — reduce superficie de ataque)
        if role == "Analista":
            shared_gemini, shared_tavily = get_shared_api_keys()
            if not u_list[3]:
                u_list[3] = shared_gemini
            if not u_list[4]:
                u_list[4] = shared_tavily

        return tuple(u_list)

    # Login fallido: registrar intento
    db.registrar_intento_fallido(username)
    # Comprobar si acaba de alcanzar el límite
    bloqueado_ahora, seg_ahora = db.esta_bloqueado(username)
    if bloqueado_ahora:
        raise ValueError(f"Demasiados intentos fallidos. Cuenta bloqueada por {TIEMPO_BLOQUEO} minutos.")
    return None

def update_user_profile(username, gemini, tavily, email, raw_email_pass):
    # El cifrado de gemini, tavily y email_pass ocurre dentro de db.update_user_profile()
    enc_pass = crypto.encrypt_data(raw_email_pass) if raw_email_pass else ""
    db.update_user_profile(username, gemini, tavily, email, enc_pass)
    get_all_users_cached.clear()

def save_history(username, licitacion, items_count):
    db.save_history(username, licitacion, items_count)
    get_user_history.clear()

@st.cache_data(ttl=30, show_spinner=False)
def get_user_history(username):
    return db.get_user_history_df(username)

@st.cache_data(ttl=30, show_spinner=False)
def get_all_users_cached():
    df = db.get_all_users()
    if not df.empty:
        if "Usuario" in df.columns and "username" not in df.columns:
            df["username"] = df["Usuario"]
        if "Nivel" in df.columns and "role" not in df.columns:
            df["role"] = df["Nivel"]
    return df

@st.cache_data(ttl=30, show_spinner=False)
def get_system_health_counts():
    conn = db.get_connection()
    try:
        total_lic_monitor = pd.read_sql_query("SELECT COUNT(*) as c FROM seguimiento_licitaciones", conn).iloc[0]['c']
        total_historial = pd.read_sql_query("SELECT COUNT(*) as c FROM history", conn).iloc[0]['c']
        total_fichas = pd.read_sql_query("SELECT COUNT(*) as c FROM fichas_cache", conn).iloc[0]['c']
    except Exception:
        total_lic_monitor, total_historial, total_fichas = 0, 0, 0
    conn.close()
    return int(total_lic_monitor), int(total_historial), int(total_fichas)

@st.cache_data(ttl=30, show_spinner=False)
def get_usage_filter_options_cached(days):
    return db.get_usage_filter_options(days=days)

@st.cache_data(ttl=30, show_spinner=False)
def get_usage_summary_cached(days, username, module):
    return db.get_usage_summary(days=days, username=username, module=module)

@st.cache_data(ttl=3600, show_spinner=False)
def get_api_pricing_cached():
    return db.get_api_pricing_df()

@st.cache_data(ttl=60, show_spinner=False)
def get_logistics_freight_rates_cached():
    return db.get_logistics_freight_rates()

@st.cache_data(ttl=60, show_spinner=False)
def get_logistics_local_rates_cached():
    return db.get_logistics_local_rates()

@st.cache_data(ttl=60, show_spinner=False)
def get_logistics_forwarders_cached():
    return db.get_logistics_forwarders()

@st.cache_data(ttl=300, show_spinner=False)
def get_logistics_incoterms_cached():
    return db.get_logistics_incoterms()

@st.cache_data(ttl=30, show_spinner=False)
def get_logistics_calculations_cached(limit=100):
    return db.get_logistics_calculations(limit=limit)

def clear_logistics_cache():
    get_logistics_freight_rates_cached.clear()
    get_logistics_local_rates_cached.clear()
    get_logistics_forwarders_cached.clear()
    get_logistics_incoterms_cached.clear()
    get_logistics_calculations_cached.clear()

@st.cache_data(ttl=20, show_spinner=False)
def get_seguimientos_cached():
    return db.get_seguimientos()

@st.cache_data(ttl=20, show_spinner=False)
def get_historial_seguimiento_cached(licitacion_id):
    return db.get_historial_seguimiento(int(licitacion_id))

@st.cache_data(ttl=30, show_spinner=False)
def get_all_workspaces_cached(username, all_users=False):
    return db.get_all_workspaces(username, all_users=all_users)

@st.cache_data(ttl=30, show_spinner=False)
def get_radar_cached(solo_nuevas=False, solo_hoy=False):
    return db.get_licitaciones_radar(solo_nuevas=solo_nuevas, solo_hoy=solo_hoy)

@st.cache_data(ttl=60, show_spinner=False)
def get_radar_scans_cached(limit=10):
    return db.get_ultimos_escaneos(limite=limit)

@st.cache_data(ttl=300, show_spinner=False)
def get_historico_radar_cached():
    df = db.get_historico_licitaciones_df(limit=8000)
    if df.empty:
        return df
    codigo_col = _hist_col(df, ["Código ACP", "Código ACP", "codigo_acp"])
    obs_col = _hist_col(df, ["Observaciones", "observaciones"])
    codigo_values = df[codigo_col].fillna("").astype(str) if codigo_col else ""
    obs_values = df[obs_col].fillna("").astype(str) if obs_col else ""
    df = df.copy()
    df["_radar_codigo_norm"] = codigo_values.map(_radar_norm) if codigo_col else ""
    df["_radar_haystack"] = (codigo_values + " " + obs_values).map(_radar_norm) if codigo_col or obs_col else ""
    return df

RADAR_HISTORICO_GRUPOS = {
    "Electrico": {
        "terms": ["electrico", "electricidad", "cable", "conductor", "breaker", "interruptor", "sensor", "luminaria", "transformador", "panel"],
        "codes": ["ELT", "ELE", "CAB", "SEN", "LUM", "PWR", "SW", "BRK"],
    },
    "Hidraulico": {
        "terms": ["hidraulico", "bomba", "valvula", "cilindro", "acumulador", "manguera", "manifold", "rexroth"],
        "codes": ["HID", "HYD", "BOM", "PMP", "VAL", "CIL", "MAN"],
    },
    "Mecanico": {
        "terms": ["mecanico", "motor", "rodamiento", "acople", "correa", "engranaje", "reductor", "sello", "resorte"],
        "codes": ["MEC", "MOT", "ROD", "BRG", "ACO", "COR", "SEL"],
    },
    "Instrumentacion": {
        "terms": ["instrumentacion", "transmisor", "medidor", "calibrador", "controlador", "plc", "modulo", "alarma"],
        "codes": ["INS", "PLC", "MOD", "MET", "CTR", "CAL"],
    },
    "Refrigeracion": {
        "terms": ["refrigeracion", "aire", "ventilador", "fan", "compresor", "evaporador", "condensador"],
        "codes": ["REF", "HVAC", "FAN", "AIR", "CMP"],
    },
    "Ferreteria": {
        "terms": ["materiales", "tornillo", "tuerca", "herramienta", "ferreteria", "zocalo", "vinilo", "aislar", "tuberia"],
        "codes": ["HAR", "MAT", "FAB", "ALM", "TUB", "VIN"],
    },
}

def _radar_norm(value):
    text = "" if value is None else str(value)
    text = unicodedata.normalize("NFKD", text).encode("ascii", "ignore").decode("ascii")
    return re.sub(r"\s+", " ", text.lower()).strip()

def _radar_has_term(text, term):
    return _radar_has_norm_term(_radar_norm(text), term)

def _radar_has_norm_term(norm_text, term):
    norm_term = _radar_norm(term)
    if not norm_term:
        return False
    if " " in norm_term:
        return norm_term in norm_text
    return re.search(rf"(?<![a-z0-9]){re.escape(norm_term)}(?![a-z0-9])", norm_text) is not None

def _hist_col(df, candidates):
    if df is None or df.empty:
        return None
    columns = list(df.columns)
    for candidate in candidates:
        if candidate in columns:
            return candidate
    normalized = {_radar_norm(col): col for col in columns}
    for candidate in candidates:
        cand_norm = _radar_norm(candidate)
        if cand_norm in normalized:
            return normalized[cand_norm]
    return None

def _radar_categories(text):
    norm_text = _radar_norm(text)
    found = []
    for category, hints in RADAR_HISTORICO_GRUPOS.items():
        if any(_radar_has_norm_term(norm_text, term) for term in hints["terms"]) or _radar_has_norm_term(norm_text, category):
            found.append(category)
    return found

def _hist_is_win(value):
    norm_value = _radar_norm(value)
    return any(marker in norm_value for marker in ["si", "proyelec", "adjudicada", "ganada", "yes"])

def _radar_object_tokens(text):
    stop = {"para", "con", "del", "de", "la", "el", "los", "las", "una", "uno", "por", "suministro", "servicio", "compra"}
    return [t for t in re.findall(r"[a-z0-9]{4,}", _radar_norm(text)) if t not in stop][:12]

def build_historico_matches_for_radar(objeto, categoria, hist_df, max_rows=12):
    if hist_df is None or hist_df.empty:
        return pd.DataFrame()

    lic_col = _hist_col(hist_df, ["N° Licitación", "N° Licitación", "Licitación", "numero_licitacion"])
    anio_col = _hist_col(hist_df, ["Año", "Año", "anio"])
    codigo_col = _hist_col(hist_df, ["Código ACP", "Código ACP", "codigo_acp"])
    win_col = _hist_col(hist_df, ["Adjudicada a Proyelec", "adjudicada_a_proyelec"])
    obs_col = _hist_col(hist_df, ["Observaciones", "observaciones"])
    precio_col = _hist_col(hist_df, ["Precio Proyelec", "precio_proyelec"])

    radar_text = f"{objeto or ''} {categoria or ''}"
    categories = _radar_categories(radar_text)
    tokens = _radar_object_tokens(radar_text)
    code_hints = []
    category_terms = []
    for category in categories:
        code_hints.extend(RADAR_HISTORICO_GRUPOS[category]["codes"])
        category_terms.extend(RADAR_HISTORICO_GRUPOS[category]["terms"])

    search_terms = sorted(set(category_terms + tokens))
    if not search_terms and not code_hints:
        return pd.DataFrame()

    haystack_series = hist_df["_radar_haystack"] if "_radar_haystack" in hist_df.columns else pd.Series("", index=hist_df.index)
    codigo_series = hist_df["_radar_codigo_norm"] if "_radar_codigo_norm" in hist_df.columns else pd.Series("", index=hist_df.index)
    candidate_mask = pd.Series(False, index=hist_df.index)
    if search_terms:
        term_pattern = r"(?<![a-z0-9])(?:%s)(?![a-z0-9])" % "|".join(re.escape(_radar_norm(t)) for t in search_terms if _radar_norm(t))
        candidate_mask = candidate_mask | haystack_series.str.contains(term_pattern, regex=True, na=False)
    if code_hints:
        code_pattern = "|".join(re.escape(_radar_norm(h)) for h in code_hints if _radar_norm(h))
        if code_pattern:
            candidate_mask = candidate_mask | codigo_series.str.contains(code_pattern, regex=True, na=False)

    candidate_df = hist_df[candidate_mask]
    if candidate_df.empty:
        return pd.DataFrame()

    rows = []
    for _, hist in candidate_df.iterrows():
        codigo = str(hist.get(codigo_col, "") if codigo_col else "")
        obs = str(hist.get(obs_col, "") if obs_col else "")
        haystack = str(hist.get("_radar_haystack", "")) or _radar_norm(f"{codigo} {obs}")
        codigo_norm = str(hist.get("_radar_codigo_norm", "")) or _radar_norm(codigo)
        score = 0
        reasons = []

        for hint in code_hints:
            hint_norm = _radar_norm(hint)
            if hint_norm and hint_norm in codigo_norm:
                score += 4
                reasons.append(f"codigo {hint}")

        matched_terms = [term for term in category_terms if _radar_has_norm_term(haystack, term)]
        if matched_terms:
            score += min(6, len(set(matched_terms)) * 2)
            reasons.append("terminos: " + ", ".join(sorted(set(matched_terms))[:3]))

        matched_tokens = [token for token in tokens if _radar_has_norm_term(haystack, token)]
        if matched_tokens:
            score += min(4, len(set(matched_tokens)))
            reasons.append("objeto: " + ", ".join(sorted(set(matched_tokens))[:3]))

        win = _hist_is_win(hist.get(win_col, "") if win_col else "")
        if win and score > 0:
            score += 2

        if score <= 0:
            continue

        rows.append({
            "score_hist": score,
            "licitacion_hist": hist.get(lic_col, "") if lic_col else "",
            "anio_hist": hist.get(anio_col, "") if anio_col else "",
            "codigo_acp": codigo,
            "precio_proyelec": hist.get(precio_col, "") if precio_col else "",
            "adjudicada_proyelec": "Si" if win else "No/No especificado",
            "evidencia": "; ".join(dict.fromkeys(reasons)),
            "observaciones": obs,
        })

    if not rows:
        return pd.DataFrame()
    return pd.DataFrame(rows).sort_values(["score_hist", "anio_hist"], ascending=[False, False]).head(max_rows)

def enrich_radar_with_history(radar_df, hist_df):
    if radar_df is None or radar_df.empty:
        return radar_df
    enriched = radar_df.copy()
    stats = []
    for _, row in enriched.iterrows():
        matches = build_historico_matches_for_radar(
            row.get("objeto", ""),
            row.get("categoria", ""),
            hist_df,
            max_rows=20,
        )
        total = len(matches)
        wins = int((matches["adjudicada_proyelec"] == "Si").sum()) if total else 0
        last_year = None
        confidence = "Sin historial"
        if total:
            years = pd.to_numeric(matches["anio_hist"], errors="coerce").dropna()
            last_year = int(years.max()) if not years.empty else None
            top_score = float(matches["score_hist"].max())
            confidence = "Alta" if top_score >= 8 else "Media" if top_score >= 4 else "Baja"
        stats.append({
            "hist_participaciones": total,
            "hist_ganadas": wins,
            "hist_ultimo_anio": last_year,
            "hist_confianza": confidence,
        })
    return pd.concat([enriched.reset_index(drop=True), pd.DataFrame(stats)], axis=1)

def parse_radar_datetime(value):
    try:
        from sli_scraper import parse_sli_datetime
        return parse_sli_datetime(value)
    except Exception:
        return None

def add_radar_date_columns(df):
    if df is None or df.empty:
        return df
    enriched = df.copy()
    cierre_values = enriched["fecha_cierre"].tolist() if "fecha_cierre" in enriched.columns else []
    apertura_values = enriched["fecha_apertura"].tolist() if "fecha_apertura" in enriched.columns else []
    enriched["_fecha_cierre_dt"] = pd.to_datetime([parse_radar_datetime(v) for v in cierre_values], errors="coerce") if cierre_values else pd.NaT
    enriched["_fecha_apertura_dt"] = pd.to_datetime([parse_radar_datetime(v) for v in apertura_values], errors="coerce") if apertura_values else pd.NaT
    enriched["_radar_vencida"] = enriched["_fecha_cierre_dt"].notna() & (enriched["_fecha_cierre_dt"] < pd.Timestamp(datetime.now()))
    return enriched

def apply_radar_date_filter(df, column, preset="Todas", date_range=None):
    if df is None or df.empty or column not in df.columns or preset == "Todas":
        return df

    filtered = df.copy()
    dates = pd.to_datetime(filtered[column], errors="coerce")
    now_dt = pd.Timestamp(datetime.now()).normalize()
    preset = str(preset or "Todas")

    if preset == "Hoy":
        mask = dates.dt.date == now_dt.date()
    elif preset == "Mañana":
        tomorrow = now_dt + pd.Timedelta(days=1)
        mask = dates.dt.date == tomorrow.date()
    elif preset == "Últimos 3 días":
        mask = dates >= (now_dt - pd.Timedelta(days=3))
    elif preset == "Últimos 7 días":
        mask = dates >= (now_dt - pd.Timedelta(days=7))
    elif preset == "Próximos 3 días":
        limit = now_dt + pd.Timedelta(days=3)
        mask = (dates >= now_dt) & (dates <= limit + pd.Timedelta(days=1))
    elif preset == "Próximos 7 días":
        limit = now_dt + pd.Timedelta(days=7)
        mask = (dates >= now_dt) & (dates <= limit + pd.Timedelta(days=1))
    elif preset == "Este mes":
        mask = (dates.dt.year == now_dt.year) & (dates.dt.month == now_dt.month)
    elif preset == "Rango personalizado":
        if not date_range or len(date_range) < 2 or not date_range[0] or not date_range[1]:
            return filtered
        start_dt = pd.Timestamp(date_range[0]).normalize()
        end_dt = pd.Timestamp(date_range[1]).normalize() + pd.Timedelta(days=1)
        mask = (dates >= start_dt) & (dates < end_dt)
    else:
        return filtered

    return filtered[mask.fillna(False)].copy()

def sort_radar_by_dates(df):
    if df is None or df.empty:
        return df
    sort_cols = [c for c in ["_radar_vencida", "_fecha_cierre_dt", "_fecha_apertura_dt", "numero_licitacion"] if c in df.columns]
    if not sort_cols:
        return df
    return df.sort_values(sort_cols, ascending=True, na_position="last").reset_index(drop=True)

def sort_radar_for_view(df, sort_mode="Publicación más reciente"):
    if df is None or df.empty:
        return df
    sort_mode = str(sort_mode or "Publicación más reciente")
    if sort_mode == "Cierre más cercano":
        sort_cols = [c for c in ["_radar_vencida", "_fecha_cierre_dt", "_fecha_apertura_dt", "numero_licitacion"] if c in df.columns]
        ascending = [True, True, False, False][:len(sort_cols)]
    elif sort_mode == "Cierre más lejano":
        sort_cols = [c for c in ["_radar_vencida", "_fecha_cierre_dt", "_fecha_apertura_dt", "numero_licitacion"] if c in df.columns]
        ascending = [True, False, False, False][:len(sort_cols)]
    elif sort_mode == "Publicación más antigua":
        sort_cols = [c for c in ["_fecha_apertura_dt", "_fecha_cierre_dt", "numero_licitacion"] if c in df.columns]
        ascending = [True, True, False][:len(sort_cols)]
    elif sort_mode == "Score más alto":
        sort_cols = [c for c in ["score_interes", "_fecha_cierre_dt", "_fecha_apertura_dt", "numero_licitacion"] if c in df.columns]
        ascending = [False, True, False, False][:len(sort_cols)]
    else:
        sort_cols = [c for c in ["_fecha_apertura_dt", "_fecha_cierre_dt", "numero_licitacion"] if c in df.columns]
        ascending = [False, True, False][:len(sort_cols)]
    if not sort_cols:
        return df.reset_index(drop=True)
    return df.sort_values(sort_cols, ascending=ascending, na_position="last").reset_index(drop=True)

def analyze_radar_opportunity(radar_row, matches_df=None, sli_data=None):
    sli_data = sli_data or {}
    matches_df = matches_df if matches_df is not None else pd.DataFrame()
    objeto = str(
        sli_data.get("descripcion")
        or radar_row.get("objeto", "")
        or ""
    )
    objeto_norm = _radar_norm(objeto)
    cierre_txt = str(sli_data.get("fecha_cierre") or radar_row.get("fecha_cierre", "") or "")
    cierre_dt = parse_radar_datetime(cierre_txt)
    now = datetime.now()

    score = 50
    razones = []
    riesgos = []
    pasos = []

    rubro_terms = [
        "repuesto", "bomba", "motor", "cable", "electrico", "hidraulico",
        "sensor", "valvula", "panel", "transformador", "breaker", "rodamiento",
        "cilindro", "acumulador", "lubricante", "castrol", "instrumentacion",
    ]
    fuera_rubro_terms = [
        "software", "licencia", "survey", "capacitacion", "alquiler", "grua",
        "obra", "limpieza", "consultoria", "andamio", "puerta", "lona",
    ]

    rubro_hits = [term for term in rubro_terms if _radar_has_norm_term(objeto_norm, term)]
    fuera_hits = [term for term in fuera_rubro_terms if _radar_has_norm_term(objeto_norm, term)]

    if bool(radar_row.get("es_prioritaria", False)):
        score += 10
        razones.append("Marcada como prioritaria por palabras clave del rubro.")

    if rubro_hits:
        score += min(20, 8 + len(set(rubro_hits)) * 3)
        razones.append("Objeto alineado al rubro Proyelec: " + ", ".join(sorted(set(rubro_hits))[:5]) + ".")
    else:
        score -= 8
        riesgos.append("No se detectaron palabras fuertes del rubro Proyelec en el objeto.")

    if fuera_hits:
        score -= min(22, 8 + len(set(fuera_hits)) * 4)
        riesgos.append("Puede estar fuera del foco comercial habitual: " + ", ".join(sorted(set(fuera_hits))[:5]) + ".")

    hist_total = len(matches_df)
    hist_wins = int((matches_df["adjudicada_proyelec"] == "Si").sum()) if hist_total and "adjudicada_proyelec" in matches_df.columns else 0
    if hist_total:
        score += min(18, 8 + hist_total)
        razones.append(f"Hay {hist_total} participaciones historicas similares.")
        if hist_wins:
            score += min(12, hist_wins * 3)
            razones.append(f"Proyelec ganó {hist_wins} registro(s) histórico(s) similar(es).")
    else:
        score -= 6
        riesgos.append("No hay historial similar cargado; requiere validacion manual de precios y cumplimiento.")

    if cierre_dt:
        horas = (cierre_dt - now).total_seconds() / 3600
        if horas < 0:
            score -= 60
            riesgos.append("La fecha de cierre ya paso; no conviene invertir tiempo salvo que el SLI muestre extension.")
        elif horas <= 24:
            score -= 18
            riesgos.append("Cierra en menos de 24 horas; alto riesgo operativo para preparar oferta completa.")
        elif horas <= 72:
            score -= 6
            riesgos.append("Cierra en menos de 3 días; validar capacidad de cotizar y subir documentos.")
        elif horas <= 168:
            score += 8
            razones.append("Cierra esta semana; hay ventana razonable para evaluacion rapida.")
        else:
            score += 5
            razones.append("Hay tiempo suficiente para revisar RFQ, proveedores y precios.")
    else:
        score -= 5
        riesgos.append("No se pudo interpretar fecha de cierre; verificar manualmente en SLI.")

    estatus = str(sli_data.get("estatus", "") or "").lower()
    if estatus:
        if "abierta" in estatus:
            score += 5
            razones.append("SLI confirma estatus abierto.")
        elif "vencido" in estatus or "cancel" in estatus or "desierto" in estatus:
            score -= 40
            riesgos.append(f"SLI reporta estatus no participable: {sli_data.get('estatus')}.")
        else:
            riesgos.append(f"SLI reporta estatus: {sli_data.get('estatus')}.")

    if (sli_data.get("resumen_acta") or {}).get("hallazgos"):
        score -= 5
        riesgos.append("El resumen SLI contiene observaciones; revisar antes de decidir.")

    score = max(0, min(100, int(round(score))))
    if score >= 75:
        decision = "Participar"
        color = "success"
        pasos.extend([
            "Pasar a seguimiento y asignar responsable.",
            "Descargar/revisar RFQ y confirmar restricciones técnicas.",
            "Cruzar renglones con histórico de precios y proveedores."
        ])
    elif score >= 50:
        decision = "Revisar"
        color = "warning"
        pasos.extend([
            "Revisar RFQ antes de comprometer recursos.",
            "Confirmar disponibilidad de proveedores y documentos requeridos.",
            "Validar si el objeto realmente pertenece al rubro Proyelec."
        ])
    else:
        decision = "Descartar"
        color = "error"
        pasos.extend([
            "No invertir tiempo comercial salvo instruccion del supervisor.",
            "Guardar motivo de descarte si se decide cerrarla.",
        ])

    if not razones:
        razones.append("La recomendación se basa en señales limitadas del Radar; requiere revisión del RFQ.")
    if not riesgos:
        riesgos.append("No se detectaron riesgos automaticos fuertes, pero falta revisar el RFQ completo.")

    return {
        "decision": decision,
        "color": color,
        "score": score,
        "razones": razones[:6],
        "riesgos": riesgos[:6],
        "pasos": pasos[:5],
        "sli": {
            "estatus": sli_data.get("estatus", ""),
            "descripcion": sli_data.get("descripcion", ""),
            "fecha_cierre": sli_data.get("fecha_cierre", ""),
            "fecha_publicacion": sli_data.get("fecha_publicacion", ""),
            "url": sli_data.get("url", ""),
            "error": sli_data.get("error", ""),
        }
    }

def clear_monitor_cache():
    get_seguimientos_cached.clear()
    get_historial_seguimiento_cached.clear()
    get_system_health_counts.clear()

def clear_radar_cache():
    get_radar_cached.clear()
    get_radar_scans_cached.clear()
    get_historico_radar_cached.clear()

@st.cache_data(ttl=30, show_spinner=False)
def obtener_correos_licitacion(licitacion):
    return db.get_correos_licitacion_df(licitacion)

def activar_organizacion_imap():
    try:
        items_json = st.session_state.df_exportar.to_json(orient="records") if not st.session_state.df_exportar.empty else "[]"
        num_lic = "".join(re.findall(r'\d+', str(st.session_state.cg.get('numero_licitacion', ''))))
        datos = {"username": st.session_state.username, "licitacion_activa": num_lic, "contexto_items": items_json}
        res = requests.post(f"{API_URL_BASE}/organizar-correos", data=datos, headers=API_HEADERS)
        if res.status_code == 200: 
            json_res = res.json()
            if json_res.get("status") == "success":
                return True, json_res.get("mensaje", "Organización completada.")
            else:
                return False, json_res.get("mensaje", "Error desconocido.")
        else: return False, f"Error del servidor: {res.text}"
    except Exception as e: return False, str(e)



# --- 4. LOGIN CON IDENTIDAD PROYELEC ---
restore_persistent_session()

if not st.session_state.logged_in:
    st.markdown("""
    <style>
    [data-testid="stAppViewContainer"] {
        background: #080D14;
    }
    [data-testid="stSidebar"] { display: none; }
    [data-testid="stHeader"] { display: none; }
    .block-container {
        padding-top: 7vh !important;
        max-width: 980px !important;
    }
    .login-hero-card {
        background: linear-gradient(135deg, #0F1722 0%, #0B1119 100%);
        border: 1px solid #223247;
        border-radius: 10px;
        padding: 28px;
        min-height: 410px;
        display: flex;
        flex-direction: column;
        justify-content: space-between;
        box-shadow: 0 24px 70px rgba(0,0,0,0.28);
    }
    .login-panel-card {
        background: #0F151D;
        border: 1px solid #2A384A;
        border-radius: 10px;
        padding: 26px;
        margin-top: 34px;
        margin-bottom: 12px;
        box-shadow: 0 24px 70px rgba(0,0,0,0.24);
    }
    .login-kicker {
        color: #7CE0B7;
        font-size: 11px;
        font-weight: 800;
        text-transform: uppercase;
        letter-spacing: 0;
        margin-bottom: 10px;
    }
    .login-title {
        font-size: 32px; font-weight: 850; color: #F0F6FC;
        letter-spacing: 0; line-height: 1.08; margin: 12px 0 10px 0;
    }
    .login-subtitle {
        font-size: 14px; color: #9BA8B8; font-weight: 500;
        line-height: 1.55; margin-bottom: 18px;
    }
    .login-feature-grid {
        display: grid;
        grid-template-columns: 1fr 1fr;
        gap: 8px;
        margin-top: 18px;
    }
    .login-feature {
        background: #0B1017;
        border: 1px solid #243246;
        border-radius: 8px;
        padding: 10px;
        color: #B8C4D2;
        font-size: 11.5px;
        font-weight: 720;
        line-height: 1.35;
    }
    .login-panel-title {
        color: #F0F6FC;
        font-size: 20px;
        font-weight: 850;
        margin: 0 0 6px 0;
    }
    .login-panel-copy {
        color: #93A0B2;
        font-size: 12.5px;
        line-height: 1.45;
        margin-bottom: 18px;
    }
    .login-footer {
        font-size: 11px; color: #6F7D8F; margin-top: 18px; text-align: center;
    }
    .login-footnote {
        color: #6F7D8F;
        font-size: 11px;
        line-height: 1.45;
        border-top: 1px solid #1C2633;
        padding-top: 14px;
        margin-top: 20px;
    }
    [data-testid="stTextInput"] input {
        min-height: 44px !important;
        background: #0B1017 !important;
        border: 1px solid #26384E !important;
        border-radius: 8px !important;
        color: #E9EEF5 !important;
    }
    [data-testid="stButton"] button {
        min-height: 44px !important;
        border-radius: 8px !important;
        font-weight: 820 !important;
    }
    @media (max-width: 900px) {
        .block-container { padding-top: 3vh !important; }
        .login-hero-card, .login-panel-card { min-height: auto; }
        .login-feature-grid { grid-template-columns: 1fr; }
    }
    </style>
    """, unsafe_allow_html=True)

    login_left, login_right = st.columns([0.56, 0.44], gap="large")
    with login_left:
        try:
            st.image("proyelec_logo.png", width=190)
        except Exception:
            pass
        st.markdown("""
        <div class="login-hero-card">
            <div>
                <div class="login-kicker">Procura AI beta interna</div>
                <div class="login-title">Sourcing operativo para licitaciones ACP</div>
                <div class="login-subtitle">
                    Analiza pliegos, compara histórico de precios, organiza proveedores y da seguimiento comercial desde un solo panel.
                </div>
                <div class="login-feature-grid">
                    <div class="login-feature">RFQ y renglones con evidencia técnica</div>
                    <div class="login-feature">Histórico Supabase para comparar precios</div>
                    <div class="login-feature">Radar SLI para supervisores</div>
                    <div class="login-feature">Seguimiento de licitaciones y comentarios</div>
                </div>
            </div>
            <div class="login-footnote">Acceso restringido. Las sesiones se restauran al refrescar y se limpian al cerrar sesion.</div>
        </div>
        """, unsafe_allow_html=True)

    with login_right:
        st.markdown("""
        <div class="login-panel-card">
            <div class="login-panel-title">Ingresar al sistema</div>
            <div class="login-panel-copy">Usa tu usuario corporativo. El rol define los modulos disponibles dentro del sistema.</div>
        </div>
        """, unsafe_allow_html=True)
        user_input = st.text_input("Usuario", placeholder="Usuario corporativo", label_visibility="collapsed")
        pass_input = st.text_input("Contraseña", type="password", placeholder="Contraseña", label_visibility="collapsed")
        st.write("")
        if st.button("Ingresar al Sistema", type="primary", use_container_width=True):
            try:
                user_data = verify_login(user_input, pass_input)
                if user_data:
                    hydrate_session_from_user_data(user_data)
                    st.query_params["auth"] = create_auth_token(user_data[0])
                    st.rerun()
                else:
                    st.error("Credenciales incorrectas. Intenta de nuevo.")
            except ValueError as e:
                st.error(f"{e}")
        st.markdown('<div class="login-footer">Solo personal autorizado Proyelec</div>', unsafe_allow_html=True)
    st.stop()

def current_role_mode():
    role = str(st.session_state.get("role", "Analista") or "Analista")
    username = str(st.session_state.get("username", "") or "").lower()
    if username == "admin" or role == "Admin":
        return "Admin"
    if role in ["Supervisor", "Gerencia", "Logística", "Logistica"]:
        if role == "Logistica":
            return "Logística"
        return role
    return "Analista"

ROLE_PROFILES = {
    "Analista": {
        "title": "Flujo de Analista",
        "scope": "RFQ, proveedores, histórico de precios, seguimiento y workspaces propios.",
        "badge": "Operativo",
    },
    "Supervisor": {
        "title": "Flujo de Supervisor",
        "scope": "Todo Analista + Radar SLI y priorización de oportunidades.",
        "badge": "Supervisor",
    },
    "Gerencia": {
        "title": "Flujo Gerencial",
        "scope": "Visión operativa, Radar, histórico corporativo y configuración propia.",
        "badge": "Gerencia",
    },
    "Logística": {
        "title": "Centro Logístico",
        "scope": "Tarifas, forwarders, incoterms, cálculos logísticos e histórico corporativo.",
        "badge": "Logística",
    },
    "Admin": {
        "title": "Administración Global",
        "scope": "Usuarios, roles, métricas, llaves y salud del sistema.",
        "badge": "Admin",
    },
}

ROLE_PERMISSIONS = {
    "Analista": {"dashboard", "rfq_upload", "providers", "monitor", "workspaces", "historico", "logistics_calc"},
    "Supervisor": {"dashboard", "rfq_upload", "providers", "monitor", "workspaces", "historico", "radar", "logistics_calc"},
    "Gerencia": {"dashboard", "rfq_upload", "providers", "monitor", "workspaces", "radar", "historico", "settings", "logistics", "logistics_calc"},
    "Logística": {"logistics", "historico"},
    "Admin": {"admin"},
}

def role_can(permission):
    return permission in ROLE_PERMISSIONS.get(current_role_mode(), ROLE_PERMISSIONS["Analista"])

def get_role_profile():
    return ROLE_PROFILES.get(current_role_mode(), ROLE_PROFILES["Analista"])

# --- PANEL DE ADMINISTRACION GLOBAL ---
if current_role_mode() == "Admin":
    st.markdown("""<style>[data-testid="stSidebar"] { display: none !important; }</style>""", unsafe_allow_html=True)
    df_users_admin = get_all_users_cached()
    role_admin_series = df_users_admin["Nivel"] if "Nivel" in df_users_admin.columns else pd.Series(dtype=str)
    total_admin_users = len(df_users_admin)
    total_admin_supervisors = int((role_admin_series == "Supervisor").sum()) if not role_admin_series.empty else 0
    total_admin_analysts = int((role_admin_series == "Analista").sum()) if not role_admin_series.empty else 0
    total_admin_gerencia = int((role_admin_series == "Gerencia").sum()) if not role_admin_series.empty else 0
    total_admin_logistica = int(role_admin_series.isin(["Logística", "Logistica"]).sum()) if not role_admin_series.empty else 0

    st.markdown("""
    <div class="admin-hero">
        <div>
            <div class="page-eyebrow">Administración Global</div>
            <h1 class="page-title">Panel de Control</h1>
            <div class="page-subtitle">Usuarios, roles, llaves, métricas y salud operativa del sistema.</div>
        </div>
        <div class="admin-hero-badge">Acceso Admin</div>
    </div>
    """, unsafe_allow_html=True)

    a1, a2, a3, a4, a5 = st.columns(5)
    a1.metric("Usuarios", total_admin_users)
    a2.metric("Analistas", total_admin_analysts)
    a3.metric("Supervisores", total_admin_supervisors)
    a4.metric("Gerencia", total_admin_gerencia)
    a5.metric("Logística", total_admin_logistica)
    
    admin_view = st.radio(
        "Vista admin",
        ["👥 Gestión de Personal", "📊 Estadísticas del Sistema"],
        horizontal=True,
        label_visibility="collapsed",
        key="admin_view",
    )
    
    if admin_view == "👥 Gestión de Personal":
        col1, col2 = st.columns([0.6, 0.4])
        with col1:
            st.subheader("Personal Registrado")
            df_users = df_users_admin.copy()
            if df_users.empty:
                st.info("No hay usuarios registrados para mostrar.")
            else:
                st.dataframe(df_users.drop(columns=["username", "role"], errors="ignore"), use_container_width=True, hide_index=True)
            
            st.markdown("---")
            st.subheader("Acciones Rápidas")
            ac1, ac2 = st.columns(2)
            with ac1:
                del_user = st.text_input("Eliminar Usuario", placeholder="Nombre de usuario")
                if st.button("🗑️ Eliminar Acceso", type="secondary"):
                    if del_user == "admin": st.error("No puedes eliminar al administrador maestro.")
                    elif del_user:
                        if db.delete_user(del_user):
                            get_all_users_cached.clear()
                            st.success(f"Usuario {del_user} eliminado.")
                            st.rerun()
                        else: st.warning("Usuario no encontrado.")
            with ac2:
                reset_user = st.text_input("Resetear Contraseña", placeholder="Nombre de usuario")
                new_pass = st.text_input("Nueva contraseña", type="password")
                if st.button("🔄 Cambiar Contraseña", type="primary"):
                    if reset_user and new_pass:
                        db.reset_user_password(reset_user, new_pass)
                        get_all_users_cached.clear()
                        st.success("Contraseña actualizada.")
                        st.rerun()

            st.markdown("---")
            st.subheader("Cambiar Rol de Usuario")
            role_col1, role_col2, role_col3 = st.columns([0.45, 0.35, 0.2])
            role_users = df_users["Usuario"].tolist() if "Usuario" in df_users.columns else []
            with role_col1:
                role_user = st.selectbox("Usuario", role_users, key="admin_role_user")
            current_role = ""
            if role_user and not df_users.empty:
                role_match = df_users[df_users["Usuario"] == role_user]
                if not role_match.empty:
                    current_role = str(role_match.iloc[0].get("Nivel", "Analista") or "Analista")
            role_options = ["Analista", "Supervisor", "Gerencia", "Logística"]
            with role_col2:
                role_index = role_options.index(current_role) if current_role in role_options else 0
                new_role_admin = st.selectbox("Nuevo rol", role_options, index=role_index, key="admin_new_role")
            with role_col3:
                st.write("")
                if st.button("Guardar Rol", type="primary", use_container_width=True):
                    if role_user == "admin":
                        st.error("No puedes cambiar el rol del administrador maestro.")
                    elif role_user:
                        db.update_user_role(role_user, new_role_admin)
                        get_all_users_cached.clear()
                        st.success(f"Rol de {role_user} actualizado a {new_role_admin}.")
                        st.rerun()
         
        with col2:
            st.markdown("""

            <div style='background:#161B22; border:1px solid #30363D; padding:20px; border-radius:12px;'>

                <h3 style='margin-top:0; color:#58A6FF;'>➕ Nuevo Usuario</h3>

            """, unsafe_allow_html=True)
            new_u = st.text_input("Nombre de Usuario (Login)")
            new_p = st.text_input("Contraseña Temporal", type="password")
            new_r = st.selectbox("Nivel de Acceso", ["Analista", "Supervisor", "Gerencia", "Logística"])
            if st.button("Crear Cuenta", use_container_width=True, type="primary"):
                if new_u and new_p:
                    if db.create_user(new_u, new_p, new_r):
                        get_all_users_cached.clear()
                        st.success(f"✅ Cuenta de {new_r} creada para '{new_u}'")
                        st.rerun()
                    else:
                        st.error("⚠️ El usuario ya existe.")
                else:
                    st.warning("Completa los campos.")
            st.markdown("</div>", unsafe_allow_html=True)
            
            st.markdown("<br>", unsafe_allow_html=True)
            with st.expander("🔑 Configurar API Keys por Usuario"):
                target_user_options = df_users["Usuario"].tolist() if "Usuario" in df_users.columns else df_users.get("username", pd.Series(dtype=str)).tolist()
                target_u = st.selectbox("Seleccionar Usuario", [""] + target_user_options)
                if target_u:
                    conn = db.get_connection()
                    c = conn.cursor()
                    c.execute("SELECT gemini_key, tavily_key, email_user, email_pass_enc FROM users WHERE username=%s", (target_u,))
                    curr = c.fetchone()
                    conn.close()
                    
                    if curr:
                        new_g = st.text_input("Gemini API Key", value=crypto.decrypt_data(curr[0]), type="password", key="g_key")
                        new_t = st.text_input("Tavily API Key", value=crypto.decrypt_data(curr[1]), type="password", key="t_key")
                        new_e = st.text_input("Correo (IMAP/SMTP)", value=curr[2], key="e_key")
                        new_p = st.text_input("Contraseña de Correo", type="password", key="p_key", help="Solo escribe aquí si deseas cambiarla o configurarla por primera vez.")

                        if st.button("Guardar Llaves", type="primary", use_container_width=True):
                            # email_pass: si se escribió algo lo ciframos, si no mantenemos el actual
                            final_p_enc = crypto.encrypt_data(new_p) if new_p else curr[3]
                            # gemini y tavily se cifran dentro de db.update_user_profile()
                            db.update_user_profile(target_u, new_g, new_t, new_e, final_p_enc)
                            get_all_users_cached.clear()
                            st.success(f"Configuración guardada para {target_u}")
                            st.rerun()

    if admin_view == "📊 Estadísticas del Sistema":
        st.subheader("Salud del Sistema")
        total_lic_monitor, total_historial, total_fichas = get_system_health_counts()
        
        s1, s2, s3 = st.columns(3)
        s1.metric("Licitaciones en Monitor ACP", total_lic_monitor)
        s2.metric("Pliegos Analizados (Histórico)", total_historial)
        s3.metric("Fichas Técnicas Generadas", total_fichas)

        st.divider()
        st.subheader("Analitica de Consumo y Costos")
        try:
            f1, f2, f3 = st.columns(3)
            filter_options = get_usage_filter_options_cached(days=180)
            with f1:
                dias_metricas = st.selectbox("Periodo", [7, 30, 60, 90, 180], index=1, format_func=lambda d: f"Últimos {d} días")
            with f2:
                usuario_metricas = st.selectbox("Usuario", filter_options["users"])
            with f3:
                modulo_metricas = st.selectbox("Módulo", filter_options["modules"])

            resumen = get_usage_summary_cached(days=dias_metricas, username=usuario_metricas, module=modulo_metricas)
            m1, m2, m3, m4, m5, m6 = st.columns(6)
            m1.metric("Eventos", f"{resumen['total_events']:,}")
            m2.metric("Usuarios", resumen["active_users"])
            m3.metric("Licitaciones", resumen["active_licitaciones"])
            m4.metric("Tokens IA", f"{resumen['tokens_total']:,}")
            m5.metric("Costo USD", f"${resumen['estimated_cost_usd']:.4f}")
            m6.metric("Errores", resumen["errors"])
            if resumen.get("uncosted_events", 0):
                st.warning(f"{resumen['uncosted_events']} evento(s) IA antiguos no tienen input/output separados y no se incluyen en el costo.")

            df_day = resumen["by_day"]
            if not df_day.empty:
                c1, c2 = st.columns(2)
                with c1:
                    st.caption("Eventos por dia")
                    st.bar_chart(df_day.set_index("day")["eventos"])
                with c2:
                    st.caption("Tokens por dia")
                    if df_day["tokens"].sum() > 0:
                        token_cols = [c for c in ["tokens_entrada", "tokens_salida"] if c in df_day.columns]
                        st.line_chart(df_day.set_index("day")[token_cols or ["tokens"]])
                    else:
                        st.info("Aun no hay tokens IA costeables en el periodo.")

            with st.expander("Detalle y tarifas"):
                st.caption("Consumo por modulo y funcion")
                st.dataframe(resumen["by_module"], use_container_width=True, hide_index=True)
                st.caption("Consumo por usuario")
                st.dataframe(resumen["by_user"], use_container_width=True, hide_index=True)
                st.caption("Tarifas usadas")
                st.dataframe(get_api_pricing_cached(), use_container_width=True, hide_index=True)
        except Exception as e:
            st.error(f"Error cargando métricas: {e}")

    st.markdown("---")
    if st.button("Cerrar Sesión Segura", type="primary", use_container_width=True):
        logout_user()

    st.stop()

# --- 5. SIDEBAR ---
def get_navigation_items():
    items = [
        {
            "group": "Inicio",
            "view": "🚀 Tablero de Operaciones",
            "key": "inicio",
            "label": "Inicio / RFQ",
            "icon": "⌂",
            "hint": "Dashboard, carga de RFQ y resultado activo",
            "permission": "dashboard",
        },
        {
            "group": "Sourcing",
            "view": "🌐 Proveedores",
            "key": "proveedores",
            "label": "Proveedores",
            "icon": "◎",
            "hint": "Busqueda global de proveedores, precios y evidencia",
            "permission": "providers",
        },
        {
            "group": "Operaciones",
            "view": "🚚 Centro Logístico",
            "key": "logistica",
            "label": "Logística",
            "icon": "▣",
            "hint": "Tarifas, forwarders, incoterms y calculadora logística",
            "permission": "logistics",
        },
        {
            "group": "Seguimiento",
            "view": "🏛️ Monitor ACP",
            "key": "licitaciones",
            "label": "Licitaciones",
            "icon": "□",
            "hint": "Seguimiento, comentarios y estados de licitaciones",
            "permission": "monitor",
        },
        {
            "group": "Supervisión",
            "view": "📡 Radar Supervisor",
            "key": "radar",
            "label": "Radar SLI",
            "icon": "◇",
            "hint": "Licitaciones abiertas, oportunidades y priorización",
            "permission": "radar",
        },
        {
            "group": "Datos",
            "view": "📊 Historial Global",
            "key": "historico",
            "label": "Histórico",
            "icon": "▦",
            "hint": "Precios y licitaciones previas",
            "permission": "historico",
        },
        {
            "group": "Datos",
            "view": "📚 Base de Conocimiento",
            "key": "workspaces",
            "label": "Workspaces",
            "icon": "▤",
            "hint": "Historial, fichas y recursos",
            "permission": "workspaces",
        },
    ]
    return [item for item in items if role_can(item["permission"])]

navigation_items = get_navigation_items()
valid_views = [item["view"] for item in navigation_items]
nav_by_key = {item["key"]: item for item in navigation_items}
requested_view = st.query_params.get("view", "")
if isinstance(requested_view, list):
    requested_view = requested_view[0] if requested_view else ""
if requested_view in nav_by_key:
    st.session_state.active_view = nav_by_key[requested_view]["view"]
if st.session_state.get("active_view") not in valid_views:
    st.session_state.active_view = valid_views[0]
current_nav_item = next((item for item in navigation_items if item["view"] == st.session_state.active_view), navigation_items[0])

with st.sidebar:
    st.markdown("<br>", unsafe_allow_html=True)
    st.markdown("""
    <div class="sidebar-brand">
        <div class="brand-mark">P</div>
        <div>
            <div class="brand-title">PROCURA AI</div>
            <div class="brand-subtitle">Sourcing Intelligence</div>
        </div>
    </div>
    """, unsafe_allow_html=True)
    api_online_sidebar = get_api_health()
    st.markdown(f"""
    <div class="sidebar-user-card">
        <div class="sidebar-user-top">
            <div class="sidebar-avatar">{escape(st.session_state.username[:1].upper() if st.session_state.username else "U")}</div>
            <div>
                <div class="sidebar-user-name">{escape(st.session_state.username)}</div>
                <div class="sidebar-user-role">{escape(st.session_state.role)}</div>
            </div>
        </div>
        <div class="sidebar-system-row">
            <span>Motor IA</span>
            <b class="system-pill {'online' if api_online_sidebar else 'offline'}">{'Activo' if api_online_sidebar else 'Apagado'}</b>
        </div>
        <div class="sidebar-system-row">
            <span>Vista actual</span>
            <b>{escape(current_nav_item.get('label', 'Inicio'))}</b>
        </div>
    </div>
    """, unsafe_allow_html=True)

    role_profile = get_role_profile()
    st.markdown(f"""
    <div class="sidebar-role-card">
        <div class="role-card-top">
            <span>{escape(role_profile["badge"])}</span>
            <b>{escape(role_profile["title"])}</b>
        </div>
        <div class="role-card-copy">{escape(role_profile["scope"])}</div>
    </div>
    """, unsafe_allow_html=True)

    st.markdown('<div class="sidebar-section-label">Módulos</div>', unsafe_allow_html=True)
    last_group = None
    for item in navigation_items:
        if item["group"] != last_group:
            st.markdown(f"<div class='nav-group-label'>{escape(item['group'])}</div>", unsafe_allow_html=True)
            last_group = item["group"]
        is_active = st.session_state.active_view == item["view"]
        if st.button(
            f"{item.get('icon', '•')}  {item['label']}",
            key=f"nav_{item['view']}",
            use_container_width=True,
            type="primary" if is_active else "secondary",
            help=item["hint"],
        ):
            st.session_state.active_view = item["view"]
            st.query_params["view"] = item["key"]
            st.rerun()

    st.divider()

    if role_can("rfq_upload"):
        st.markdown('<div class="sidebar-section-label">Nuevo RFQ</div>', unsafe_allow_html=True)
        st.markdown("""
        <div class="sidebar-analysis-card">
            <div class="analysis-card-title">Analizar pliego</div>
            <div class="analysis-card-copy">PDF principal y anexos.</div>
            <div class="sidebar-flow">
                <span>1 RFQ</span>
                <span>2 Renglones</span>
                <span>3 Proveedores</span>
                <span>4 Seguimiento</span>
            </div>
        </div>
        """, unsafe_allow_html=True)
        archivos_pdf = st.file_uploader("Archivos PDF", type=["pdf"], label_visibility="collapsed", accept_multiple_files=True)
        if archivos_pdf:
            st.caption(f"{len(archivos_pdf)} archivo(s) listo(s) para analizar")

        if st.button("Procesar RFQ", type="primary", use_container_width=True):
            if not st.session_state.gemini_key: st.error("⚠️ Verifica tus API Keys en la configuración.")
            elif not archivos_pdf: st.error("⚠️ Falta subir al menos un documento.")
            else:
                with st.status("Conectando con Motor IA...", expanded=True) as status:
                    try:
                        archivos = [("archivos_pdf", (f.name, f.getvalue(), "application/pdf")) for f in archivos_pdf]
                        datos_formulario = {
                            "gemini_key": st.session_state.gemini_key,
                            "username": st.session_state.username,
                            "role": st.session_state.role
                        }
                        respuesta_api = requests.post(f"{API_URL_BASE}/analizar-pliego", files=archivos, data=datos_formulario, headers=API_HEADERS)

                        if respuesta_api.status_code == 200:
                            datos_crudos = respuesta_api.json()
                            cg = datos_crudos.get("condiciones_generales", {})
                            df_exportar = normalize_item_codes(normalize_technical_fields(pd.DataFrame(datos_crudos.get("items", []))))

                            try:
                                df_historico_match = load_historical_prices()
                                if df_historico_match is None:
                                    st.warning("⚠️ El histórico de Supabase aún no tiene datos. Procesando sin precios base.")
                                else:
                                    # El código ACP válido usa formato AAA-AAA-00000; se normaliza antes del cruce histórico.
                                    df_exportar['codigo_match'] = df_exportar['codigo_articulo'].apply(acp_code_match)

                                    df_cruzado = pd.merge(df_exportar, df_historico_match, left_on='codigo_match', right_on='codigo_match', how='left')
                                    df_cruzado = df_cruzado.drop(columns=['codigo_match']).rename(columns={'PRECIO COMPETENCIA': "precio_comp_hist", 'PRECIO PROYELEC': "precio_proy_hist"})

                                    df_cruzado['precio_comp_hist'] = pd.to_numeric(df_cruzado['precio_comp_hist'], errors='coerce')
                                    df_cruzado['precio_proy_hist'] = pd.to_numeric(df_cruzado['precio_proy_hist'], errors='coerce')
                                    df_cruzado['margen_$'] = df_cruzado['precio_proy_hist'] - df_cruzado['precio_comp_hist']
                                    df_exportar = normalize_history_columns(df_cruzado)
                            except Exception as hist_e:
                                st.warning(f"⚠️ Error consultando histórico en Supabase: {hist_e}")

                            save_history(st.session_state.username, str(cg.get('numero_licitacion', 'Desconocida')), len(df_exportar))
                            save_workspace_state(st.session_state.username, cg, df_exportar)

                            st.session_state.df_exportar, st.session_state.cg, st.session_state.procesado = df_exportar, cg, True
                            status.update(label="✅ Análisis Completado", state="complete", expanded=False)
                            st.toast("Analisis completado. Resultados listos.")
                        else: status.update(label=f"❌ Error en API: {respuesta_api.text}", state="error")
                    except Exception as e: status.update(label=f"❌ Error crítico: {e}", state="error")
    else:
        st.markdown("""
        <div class="sidebar-analysis-card">
            <div class="analysis-card-title">Centro Logístico</div>
            <div class="analysis-card-copy">Tarifas, forwarders e histórico corporativo.</div>
        </div>
        """, unsafe_allow_html=True)
    
    st.divider()
    
    st.markdown('<div class="sidebar-section-label">Sistema</div>', unsafe_allow_html=True)
    st.markdown(f"""
    <div class="sidebar-status-card">
        <div><span>API</span><b>{'Conectada' if api_online_sidebar else 'Sin respuesta'}</b></div>
        <div><span>Fecha</span><b>{datetime.now().strftime("%d/%m/%Y")}</b></div>
    </div>
    """, unsafe_allow_html=True)

    if st.session_state.role == "Gerencia":
        with st.expander("⚙️ Configuración y Llaves", expanded=False):
            nueva_gemini = st.text_input("Gemini API Key", value=st.session_state.gemini_key, type="password")
            nueva_tavily = st.text_input("Tavily API Key", value=st.session_state.tavily_key, type="password")
            nuevo_email = st.text_input("Correo Proyelec", value=st.session_state.email_user)
            nuevo_email_pass = st.text_input("Contraseña", value=st.session_state.email_pass, type="password")

            if st.button("Guardar Cambios", use_container_width=True):
                update_user_profile(st.session_state.username, nueva_gemini, nueva_tavily, nuevo_email, nuevo_email_pass)
                st.session_state.gemini_key, st.session_state.tavily_key = nueva_gemini, nueva_tavily
                st.session_state.email_user, st.session_state.email_pass = nuevo_email, nuevo_email_pass
                st.toast("✅ Configuración guardada.")
    else:
        st.markdown("""

        <div style='background:#0D1117;border:1px solid #1E2A3A;border-radius:8px;
            padding:10px 14px;font-size:12px;color:#484f58;margin-bottom:8px;'>
            ⚙️ Configuración administrada por el equipo autorizado
        </div>
        """, unsafe_allow_html=True)

    if st.button("🚪 Cerrar Sesión", use_container_width=True):
        logout_user()

# --- 7. RENDERIZADO VISUAL PRINCIPAL ---
# Colores y emojis por estado ACP
ESTADO_CONFIG = {
    "En Preparacion":         ("🔵", "#1E3A5F", "#58A6FF"),
    "Oferta Enviada al SLI":  ("🟡", "#3D2E00", "#E3B341"),
    "Cumple Tecnicamente":    ("🟢", "#1A3A1A", "#3FB950"),
    "No Cumple Tecnicamente": ("🔴", "#3A1A1A", "#F85149"),
    "En Evaluacion Economica":("🟠", "#3A2A00", "#F0883E"),
    "Adjudicada":             ("🏆", "#1A3A2A", "#10B981"),
    "No Adjudicada":          ("❌", "#2A1A1A", "#6E7681"),
    "Desierta":               ("🚫", "#2A2A2A", "#484F58"),
}

# Redefinicion visual: badges sobrios para el tablero operativo.
ESTADO_CONFIG.update({
    "En Preparacion":         ("", "#101A2A", "#4F9CF9"),
    "Oferta Enviada al SLI":  ("", "#261F0B", "#F6B44B"),
    "Cumple Tecnicamente":    ("", "#0E241A", "#31C48D"),
    "No Cumple Tecnicamente": ("", "#2A1111", "#EF5B5B"),
    "En Evaluacion Economica":("", "#2A1D0F", "#F08A3C"),
    "Adjudicada":             ("", "#0E241A", "#31C48D"),
    "No Adjudicada":          ("", "#171C24", "#748091"),
    "Desierta":               ("", "#171C24", "#748091"),
})

active_view = st.session_state.active_view

def render_page_header(eyebrow, title, subtitle, meta_items=None):
    meta_html = ""
    if meta_items:
        meta_html = "<div class='page-meta'>" + "".join(
            f"<span>{escape(str(item))}</span>" for item in meta_items if item is not None
        ) + "</div>"
    st.markdown(f"""
    <div class="module-header">
        <div>
            <div class="page-eyebrow">{escape(str(eyebrow))}</div>
            <h1 class="page-title">{escape(str(title))}</h1>
            <div class="page-subtitle">{escape(str(subtitle))}</div>
        </div>
        {meta_html}
    </div>
    """, unsafe_allow_html=True)

def render_summary_strip(items):
    if not items:
        return
    cols = st.columns(len(items))
    for col, item in zip(cols, items):
        label = escape(str(item.get("label", "")))
        value = escape(str(item.get("value", "")))
        tone = escape(str(item.get("tone", "blue")))
        with col:
            st.markdown(f"""
            <div class="summary-card tone-{tone}">
                <div class="summary-label">{label}</div>
                <div class="summary-value">{value}</div>
            </div>
            """, unsafe_allow_html=True)

def render_empty_state(title, body):
    st.markdown(f"""
    <div class="empty-state">
        <div class="empty-title">{escape(str(title))}</div>
        <div class="empty-body">{escape(str(body))}</div>
    </div>
    """, unsafe_allow_html=True)

def render_notice_panel(title, body, tone="blue"):
    st.markdown(f"""
    <div class="notice-panel tone-{escape(str(tone))}">
        <div class="notice-title">{escape(str(title))}</div>
        <div class="notice-body">{escape(str(body))}</div>
    </div>
    """, unsafe_allow_html=True)

def render_table_toolbar(title, subtitle="", meta_items=None):
    meta_html = ""
    if meta_items:
        meta_html = "<div class='table-toolbar-meta'>" + "".join(
            f"<span>{escape(str(item))}</span>" for item in meta_items if item is not None
        ) + "</div>"
    st.markdown(f"""
    <div class="table-toolbar">
        <div>
            <div class="table-toolbar-title">{escape(str(title))}</div>
            <div class="table-toolbar-subtitle">{escape(str(subtitle))}</div>
        </div>
        {meta_html}
    </div>
    """, unsafe_allow_html=True)

def render_access_snapshot():
    items = [
        ("RFQ", role_can("rfq_upload")),
        ("Proveedores", role_can("providers")),
        ("Histórico", role_can("historico")),
        ("Seguimiento", role_can("monitor")),
        ("Radar SLI", role_can("radar")),
        ("Admin", role_can("admin")),
    ]
    items_html = "".join(
        f"<div class='access-item {'is-on' if enabled else 'is-off'}'><span>{escape(label)}</span><b>{'Activo' if enabled else 'No asignado'}</b></div>"
        for label, enabled in items
    )
    st.markdown(f"""
    <div class="access-grid">
        {items_html}
    </div>
    """, unsafe_allow_html=True)

def build_checklist_html(items):
    rows = []
    for item in items:
        label = escape(str(item.get("label", "")))
        value = escape(str(item.get("value", "")))
        state = escape(str(item.get("state", "neutral")))
        rows.append(
            f'<div class="checklist-row state-{state}"><span class="check-dot"></span>'
            f'<div><b>{label}</b><em>{value}</em></div></div>'
        )
    return "<div class='checklist-block'>" + "".join(rows) + "</div>"

def render_analysis_state(cg, df, missing_rows, role_mode):
    total_rows = len(df)
    valid_codes = int(df["codigo_articulo"].apply(lambda value: bool(ACP_CODE_RE.fullmatch(str(value or "")))).sum()) if "codigo_articulo" in df.columns and total_rows else 0
    proposal_count = int(df["requiere_propuesta_tecnica"].fillna(False).sum()) if "requiere_propuesta_tecnica" in df.columns else 0
    attachment_count = int(df["requiere_ficha_tecnica"].fillna(False).sum()) if "requiere_ficha_tecnica" in df.columns else 0
    has_history = bool(
        ("precio_comp_hist" in df.columns and df["precio_comp_hist"].notna().any())
        or ("precio_proy_hist" in df.columns and df["precio_proy_hist"].notna().any())
    )
    contact_parts = [
        first_doc_value(cg, ["persona_encargada_licitacion", "persona_encargada", "agente_de_compras"], default=""),
        first_doc_value(cg, ["correo_encargado_licitacion", "correo_encargado", "correo_contacto"], default=""),
        first_doc_value(cg, ["telefono_encargado_licitacion", "telefono_encargado", "telefono_contacto"], default=""),
    ]
    contact_count = sum(1 for part in contact_parts if is_meaningful_text(part))
    _, participation, _, _ = get_local_presence_decision(cg)
    role_summary = {
        "Analista": "RFQ, proveedores, histórico y seguimiento",
        "Supervisor": "Analista + Radar SLI y seguimiento operativo",
        "Gerencia": "Supervisor + vista gerencial e histórico corporativo",
        "Admin": "Usuarios, roles, métricas y salud del sistema",
    }.get(role_mode, "Flujo operativo")

    state_items = [
        {
            "label": "Pliego leído",
            "value": first_doc_value(cg, ["numero_licitacion"], default="Número no especificado"),
            "state": "ok" if is_meaningful_text(first_doc_value(cg, ["numero_licitacion"], default="")) else "warn",
        },
        {
            "label": "Códigos ACP",
            "value": f"{valid_codes}/{total_rows} validados" if total_rows else "Sin renglones",
            "state": "ok" if total_rows and valid_codes == total_rows else "warn",
        },
        {
            "label": "Histórico consultado",
            "value": "Con referencia de costos" if has_history else "Sin match histórico",
            "state": "ok" if has_history else "neutral",
        },
        {
            "label": "Propuesta técnica",
            "value": f"Requerida en {proposal_count} renglón(es)" if proposal_count else "No detectada por renglón",
            "state": "ok" if proposal_count else "neutral",
        },
        {
            "label": "Ficha/catálogo adjunto",
            "value": f"Pedido en {attachment_count} renglón(es)" if attachment_count else "No pedido aparte",
            "state": "warn" if attachment_count else "neutral",
        },
        {
            "label": "Contacto ACP",
            "value": f"{contact_count}/3 datos detectados",
            "state": "ok" if contact_count >= 2 else "warn",
        },
        {
            "label": "Empresa sugerida",
            "value": participation,
            "state": "ok" if "Participar" in participation else "warn",
        },
        {
            "label": f"Vista {role_mode}",
            "value": role_summary,
            "state": "ok",
        },
    ]
    if missing_rows:
        state_items.append({
            "label": "Renglón faltante",
            "value": f"Evidencia menciona línea(s) {', '.join(missing_rows)}",
            "state": "warn",
        })

    render_table_toolbar(
        "Estado del análisis",
        "Checklist operativo para analista, supervisor y gerencia antes de cotizar o dar seguimiento.",
        [role_mode, "Beta Etapa 1"],
    )
    st.markdown(f"<div class='analysis-state-panel'>{build_checklist_html(state_items)}</div>", unsafe_allow_html=True)

def spec_text_to_checklist_html(text, max_items=14):
    raw_text = strip_html_markup(text)
    if not raw_text:
        return build_checklist_html([{"label": "Especificación", "value": "Sin descripción técnica detectada.", "state": "neutral"}])

    lines = []
    for raw_line in raw_text.replace("\r", "\n").split("\n"):
        line = raw_line.strip()
        line = re.sub(r"^[-*•\s]+", "", line).strip()
        line = line.replace("[ ]", "").replace("[x]", "").replace("[X]", "").replace("☐", "").replace("☑", "").strip()
        if line and line.lower() not in ["sin descripcion", "sin descripción"]:
            lines.append(line)

    if not lines:
        lines = [raw_text]

    items = []
    for line in lines[:max_items]:
        label, value = "Requisito", line
        if ":" in line and len(line.split(":", 1)[0]) <= 48:
            label, value = line.split(":", 1)
            label = label.strip() or "Requisito"
            value = value.strip() or "No especificado"
        items.append({"label": label, "value": value, "state": "neutral"})

    if len(lines) > max_items:
        items.append({"label": "Detalle adicional", "value": f"{len(lines) - max_items} puntos mas en el texto original.", "state": "neutral"})
    return build_checklist_html(items)

def build_rfq_email_html(subject, body, meta):
    meta_rows = "".join(
        f"""
        <tr>
            <td style="padding:8px 10px;border-bottom:1px solid #D8DEE8;color:#64748B;font-size:12px;">{escape(str(label))}</td>
            <td style="padding:8px 10px;border-bottom:1px solid #D8DEE8;color:#0F172A;font-size:12px;font-weight:700;">{escape(str(value or 'N/A'))}</td>
        </tr>
        """
        for label, value in meta
    )
    body_safe = escape(str(body or ""))
    return f"""<!doctype html>
<html>
<body style="margin:0;padding:0;background:#F4F7FB;font-family:Arial,Helvetica,sans-serif;color:#0F172A;">
  <table role="presentation" width="100%" cellspacing="0" cellpadding="0" style="background:#F4F7FB;padding:24px 0;">
    <tr>
      <td align="center">
        <table role="presentation" width="760" cellspacing="0" cellpadding="0" style="width:760px;max-width:94%;background:#FFFFFF;border:1px solid #D8DEE8;border-radius:10px;overflow:hidden;">
          <tr>
            <td style="background:#0B1320;padding:22px 26px;">
              <div style="color:#7CE0B7;font-size:11px;font-weight:700;text-transform:uppercase;">Proyelec International</div>
              <div style="color:#FFFFFF;font-size:22px;font-weight:800;margin-top:6px;">Request for Quotation</div>
              <div style="color:#A8B3C5;font-size:13px;margin-top:6px;">{escape(str(subject or 'Request for Quotation'))}</div>
            </td>
          </tr>
          <tr>
            <td style="padding:18px 26px;">
              <table role="presentation" width="100%" cellspacing="0" cellpadding="0" style="border:1px solid #D8DEE8;border-radius:8px;border-collapse:separate;overflow:hidden;margin-bottom:18px;">
                {meta_rows}
              </table>
              <pre style="white-space:pre-wrap;font-family:Arial,Helvetica,sans-serif;font-size:13.5px;line-height:1.58;color:#172033;margin:0;">{body_safe}</pre>
            </td>
          </tr>
          <tr>
            <td style="background:#F8FAFC;border-top:1px solid #D8DEE8;padding:14px 26px;color:#64748B;font-size:12px;">
              Generated by Procura AI. Please validate technical compliance, lead time, payment terms and supplier reliability before issuing a purchase decision.
            </td>
          </tr>
        </table>
      </td>
    </tr>
  </table>
</body>
</html>"""

def render_rfq_email_preview(subject, body, meta):
    meta_html = "".join(
        f"<div><span>{escape(str(label))}</span><b>{escape(str(value or 'N/A'))}</b></div>"
        for label, value in meta
    )
    body_preview = escape(str(body or "RFQ pendiente")).replace("\n", "<br>")
    st.markdown(f"""
    <div class="rfq-email-preview">
        <div class="rfq-email-header">
            <div>
                <div class="rfq-email-kicker">Proyelec International</div>
                <div class="rfq-email-title">Request for Quotation</div>
                <div class="rfq-email-subject">{escape(str(subject or 'Request for Quotation'))}</div>
            </div>
            <div class="rfq-email-badge">Preview</div>
        </div>
        <div class="rfq-email-meta">{meta_html}</div>
        <div class="rfq-email-body">{body_preview}</div>
    </div>
    """, unsafe_allow_html=True)

def search_brave_providers(query, count=8):
    if not BRAVE_SEARCH_API_KEY:
        return []
    try:
        response = requests.get(
            "https://api.search.brave.com/res/v1/web/search",
            headers={"X-Subscription-Token": BRAVE_SEARCH_API_KEY},
            params={"q": query, "count": count, "search_lang": "en"},
            timeout=15,
        )
        response.raise_for_status()
        data = response.json()
        web_results = data.get("web", {}).get("results", [])
        return [
            {
                "title": item.get("title", ""),
                "content": item.get("description", ""),
                "url": item.get("url", ""),
            }
            for item in web_results
        ]
    except Exception as exc:
        st.warning(f"Brave Search no respondio: {exc}")
        return []

def score_provider_result(result, query):
    title = str(result.get("title", "") or "")
    content = str(result.get("content", "") or "")
    url = str(result.get("url", "") or "")
    haystack = _radar_norm(f"{title} {content} {url}")
    query_tokens = _radar_object_tokens(query)

    score = 45
    reasons = []
    positive_terms = {
        "supplier": 8,
        "distributor": 8,
        "manufacturer": 7,
        "authorized": 8,
        "stock": 6,
        "price": 6,
        "pricing": 6,
        "datasheet": 7,
        "catalog": 5,
        "industrial": 4,
        "quote": 4,
    }
    risk_terms = {
        "used": 8,
        "refurbished": 8,
        "surplus": 6,
        "ebay": 6,
        "blog": 5,
        "forum": 5,
        "pdf": 2,
    }

    for term, weight in positive_terms.items():
        if _radar_has_norm_term(haystack, term):
            score += weight
            reasons.append(term)
    matched_tokens = [token for token in query_tokens if _radar_has_norm_term(haystack, token)]
    if matched_tokens:
        score += min(18, len(set(matched_tokens)) * 4)
        reasons.append("match tecnico")
    for term, weight in risk_terms.items():
        if _radar_has_norm_term(haystack, term):
            score -= weight

    score = max(0, min(100, score))
    if score >= 78:
        risk = "Bajo"
    elif score >= 58:
        risk = "Medio"
    else:
        risk = "Alto"
    return score, risk, ", ".join(dict.fromkeys(reasons)) or "Evidencia limitada"

def sourcing_row_context(row):
    return {
        "renglon": clean_doc_value(row.get("renglon", ""), default=""),
        "codigo_acp": clean_doc_value(row.get("codigo_articulo", ""), default=""),
        "descripcion": clean_doc_value(row.get("ficha_tecnica_completa", ""), default=""),
        "busqueda_sugerida": clean_doc_value(row.get("termino_de_busqueda_corto", ""), default=""),
        "cantidad": clean_doc_value(row.get("cantidad", ""), default=""),
        "unidad": clean_doc_value(row.get("unidad_de_medida", ""), default=""),
        "marca_modelo": clean_doc_value(row.get("marca_modelo_requerido", ""), default=""),
        "acepta_equivalente": bool(row.get("acepta_equivalente")) if row.get("acepta_equivalente") is not None else None,
        "requiere_propuesta_tecnica": bool(row.get("requiere_propuesta_tecnica", False)),
        "requiere_ficha_tecnica": bool(row.get("requiere_ficha_tecnica", False)),
        "evidencia_tecnica": clean_doc_value(row.get("evidencia_tecnica", ""), default=""),
    }

def sourcing_base_query_from_context(ctx):
    parts = [
        ctx.get("busqueda_sugerida"),
        ctx.get("marca_modelo"),
        ctx.get("codigo_acp"),
    ]
    if not any(is_meaningful_text(p) for p in parts):
        parts.append(ctx.get("descripcion", "")[:180])
    return " ".join(dict.fromkeys([str(p).strip() for p in parts if is_meaningful_text(p)]))

def sourcing_query_variants(ctx, custom_prompt="", depth="Profunda"):
    base = sourcing_base_query_from_context(ctx)
    brand = ctx.get("marca_modelo", "")
    equiv = "equivalent replacement compatible" if ctx.get("acepta_equivalente") is not False else "exact brand model authorized distributor"
    hidden = "regional distributor stockist surplus new old stock industrial supplier low price"
    prompt_terms = str(custom_prompt or "")[:220]
    raw = [
        f"{base} manufacturer distributor stock price datasheet",
        f"{base} {brand} authorized distributor quote stock",
        f"{base} {equiv} global supplier industrial",
        f"{base} {hidden}",
        f"{base} OEM aftermarket exporter wholesale {prompt_terms}",
    ]
    if depth == "Profunda":
        raw.extend([
            f"{base} site:.com contact us industrial supply",
            f"{base} \"request quote\" \"in stock\" distributor",
        ])
    variants = []
    seen = set()
    for query in raw:
        clean = re.sub(r"\s+", " ", query).strip()
        if clean and clean.lower() not in seen:
            seen.add(clean.lower())
            variants.append(clean)
    return variants[:7]

def collect_sourcing_evidence(ctx, custom_prompt="", target_results=30, depth="Profunda"):
    queries = sourcing_query_variants(ctx, custom_prompt=custom_prompt, depth=depth)
    evidence = []
    per_query = 6 if depth == "Profunda" else 4
    for query in queries:
        if len(evidence) >= target_results:
            break
        if st.session_state.get("tavily_key"):
            try:
                client = TavilyClient(api_key=st.session_state.tavily_key)
                res = client.search(
                    query=query,
                    search_depth="advanced" if depth == "Profunda" else "basic",
                    max_results=per_query,
                )
                for item in res.get("results", []) or []:
                    evidence.append({
                        "source": "Tavily",
                        "query": query,
                        "title": item.get("title", ""),
                        "content": item.get("content", ""),
                        "url": item.get("url", ""),
                    })
            except Exception as exc:
                st.warning(f"Tavily no respondió para una ruta de sourcing: {exc}")
        if BRAVE_SEARCH_API_KEY and len(evidence) < target_results:
            for item in search_brave_providers(query, count=per_query):
                evidence.append({
                    "source": "Brave",
                    "query": query,
                    "title": item.get("title", ""),
                    "content": item.get("content", ""),
                    "url": item.get("url", ""),
                })

    unique = []
    seen_urls = set()
    for item in evidence:
        url = str(item.get("url", "") or "").strip()
        if not url or url in seen_urls:
            continue
        seen_urls.add(url)
        unique.append(item)
        if len(unique) >= target_results:
            break
    return unique

def build_sourcing_ai_prompt(ctx, evidence, custom_prompt="", target_count=10):
    evidence_payload = [
        {
            "idx": idx + 1,
            "source": item.get("source", ""),
            "title": item.get("title", ""),
            "snippet": item.get("content", "")[:700],
            "url": item.get("url", ""),
        }
        for idx, item in enumerate(evidence[:40])
    ]
    return f"""
Actúa como Especialista Senior de Sourcing Global Industrial.

Objetivo fijo:
- Encontrar {target_count} proveedores reales para el renglón.
- Prioridad 1: cumplimiento técnico.
- Prioridad 2: probabilidad de buen precio.
- Alcance global sin restricción geográfica.
- Favorece proveedores long-tail: distribuidores regionales, stockistas industriales, fabricantes pequeños, exportadores técnicos y proveedores menos obvios, siempre que tengan evidencia real.
- Evita empresas fantasma, intermediarios dudosos, blogs, marketplaces sin evidencia técnica, páginas sin contacto claro y resultados que no vendan el producto.
- No inventes precios, stock, certificaciones ni datos de contacto. Usa solo la evidencia entregada.

Renglón:
{json.dumps(ctx, ensure_ascii=False, indent=2)}

Instrucción personalizada del usuario:
{custom_prompt or "Priorizar precio bajo, cumplimiento técnico y proveedores reales poco saturados."}

Evidencia web disponible:
{json.dumps(evidence_payload, ensure_ascii=False, indent=2)}

Devuelve SOLO JSON válido con esta estructura:
{{
  "resumen_busqueda": "1 frase breve",
  "proveedores": [
    {{
      "renglon": "{ctx.get('renglon', '')}",
      "proveedor": "Nombre de empresa o resultado",
      "pais_region": "País/región si se evidencia, si no: No confirmado",
      "tipo": "Fabricante/Distribuidor/Stockista/Marketplace/No confirmado",
      "match_tecnico": 85,
      "probabilidad_buen_precio": "Alta/Media/Baja",
      "riesgo": "Bajo/Medio/Alto",
      "decision": "Recomendado/Validar antes de cotizar/Descartar",
      "evidencia": "Por qué puede servir según la evidencia",
      "que_validar": "Qué pedir antes de comprar o cotizar",
      "url": "URL exacta de evidencia"
    }}
  ]
}}

Reglas para match_tecnico:
- Debe ser un número entero de 0 a 100.
- 90-100: evidencia directa del producto exacto o equivalente técnico claro.
- 70-89: proveedor industrial compatible, pero requiere validar datos.
- 40-69: posible proveedor con evidencia parcial.
- 0-39: evidencia débil o resultado poco útil.
"""

def normalize_match_score(value):
    try:
        if isinstance(value, str):
            match = re.search(r"\d+(?:\.\d+)?", value)
            score = float(match.group(0)) if match else 0
        else:
            score = float(value or 0)
    except Exception:
        score = 0
    if 0 < score <= 1:
        score *= 100
    elif 1 < score <= 5:
        score *= 20
    elif 5 < score <= 10:
        score *= 10
    return int(max(0, min(100, round(score))))

def parse_sourcing_ai_response(text):
    raw = str(text or "").strip().replace("```json", "").replace("```", "").strip()
    try:
        data = json.loads(raw)
    except Exception:
        start = raw.find("{")
        end = raw.rfind("}")
        if start >= 0 and end > start:
            data = json.loads(raw[start:end + 1])
        else:
            raise
    providers = data.get("proveedores", []) if isinstance(data, dict) else []
    rows = []
    for item in providers[:10]:
        rows.append({
            "Renglón": item.get("renglon", ""),
            "Proveedor": item.get("proveedor", ""),
            "País / Región": item.get("pais_region", "No confirmado"),
            "Tipo": item.get("tipo", "No confirmado"),
            "Match técnico": normalize_match_score(item.get("match_tecnico", 0)),
            "Probabilidad de buen precio": item.get("probabilidad_buen_precio", "Media"),
            "Riesgo": item.get("riesgo", "Medio"),
            "Decisión": item.get("decision", "Validar antes de cotizar"),
            "Evidencia": item.get("evidencia", ""),
            "Qué validar": item.get("que_validar", ""),
            "URL": item.get("url", ""),
        })
    return data.get("resumen_busqueda", "") if isinstance(data, dict) else "", pd.DataFrame(rows)

def build_sourcing_fallback_df(ctx, evidence, target_count=10):
    fallback_rows = []
    for item in evidence[:target_count]:
        score, risk, ev = score_provider_result(item, sourcing_base_query_from_context(ctx))
        fallback_rows.append({
            "Renglón": ctx.get("renglon", ""),
            "Proveedor": item.get("title", ""),
            "País / Región": "No confirmado",
            "Tipo": "No confirmado",
            "Match técnico": score,
            "Probabilidad de buen precio": "Media",
            "Riesgo": risk,
            "Decisión": "Validar antes de cotizar",
            "Evidencia": ev,
            "Qué validar": "Confirmar ficha técnica, stock, precio, dirección, referencia comercial y forma de pago.",
            "URL": item.get("url", ""),
        })
    return pd.DataFrame(fallback_rows)

def run_global_sourcing_for_context(ctx, custom_prompt="", depth="Profunda", target_count=10):
    evidence = collect_sourcing_evidence(ctx, custom_prompt=custom_prompt, target_results=36, depth=depth)
    if not evidence:
        return "Sin evidencia web automática. Configura Tavily o Brave para búsqueda real.", pd.DataFrame(), []
    if not st.session_state.get("gemini_key"):
        return "Ranking preliminar sin Gemini; configurar Gemini mejora validación de riesgo.", build_sourcing_fallback_df(ctx, evidence, target_count), evidence
    prompt = build_sourcing_ai_prompt(ctx, evidence, custom_prompt=custom_prompt, target_count=target_count)
    try:
        ai_text = gemini_generate_text(st.session_state.gemini_key, prompt)
        summary, df = parse_sourcing_ai_response(ai_text)
        if df.empty:
            raise ValueError("La IA no devolvió proveedores útiles.")
        return summary, df.head(target_count), evidence
    except Exception as exc:
        fallback = build_sourcing_fallback_df(ctx, evidence, target_count)
        return f"Ranking preliminar por evidencia; la validación IA no pudo completarse: {exc}", fallback, evidence

def radar_urgency_label(value):
    if pd.isna(value):
        return "Sin fecha"
    try:
        delta_days = int((pd.Timestamp(value).normalize() - pd.Timestamp(datetime.now()).normalize()).days)
    except Exception:
        return "Sin fecha"
    if delta_days < 0:
        return "Vencida"
    if delta_days == 0:
        return "Hoy"
    if delta_days == 1:
        return "Mañana"
    if delta_days <= 7:
        return f"{delta_days} días"
    return f"{delta_days} días"

def build_radar_table_view(radar_df):
    view = pd.DataFrame(index=radar_df.index)
    if "enmienda_alerta" in radar_df.columns:
        view["Alerta"] = radar_df["enmienda_alerta"].apply(lambda v: "Enmienda nueva" if coerce_bool(v, default=False) else "")
    else:
        view["Alerta"] = ""
    view["RFQ"] = radar_df["numero_licitacion"].astype(str) if "numero_licitacion" in radar_df.columns else ""
    view["Objeto"] = radar_df["objeto"].astype(str) if "objeto" in radar_df.columns else ""
    view["Publicación"] = radar_df["_fecha_apertura_dt"] if "_fecha_apertura_dt" in radar_df.columns else pd.NaT
    view["Cierre"] = radar_df["_fecha_cierre_dt"] if "_fecha_cierre_dt" in radar_df.columns else pd.NaT
    if "numero_enmienda" in radar_df.columns:
        view["Enmienda"] = radar_df["numero_enmienda"].fillna("").astype(str).apply(lambda v: v if v.strip() else "No")
    else:
        view["Enmienda"] = "No"
    view["Urgencia"] = radar_df["_fecha_cierre_dt"].apply(radar_urgency_label) if "_fecha_cierre_dt" in radar_df.columns else "Sin fecha"
    view["Prioridad"] = radar_df["es_prioritaria"].fillna(False).apply(lambda v: "Alta" if bool(v) else "Normal") if "es_prioritaria" in radar_df.columns else "Normal"
    view["Historial"] = radar_df["hist_participaciones"].fillna(0).astype(int) if "hist_participaciones" in radar_df.columns else 0
    view["Ganadas"] = radar_df["hist_ganadas"].fillna(0).astype(int) if "hist_ganadas" in radar_df.columns else 0
    view["Score"] = radar_df["score_interes"].fillna(0).astype(int) if "score_interes" in radar_df.columns else 0
    view["Estado"] = radar_df["estado_radar"].fillna("").astype(str) if "estado_radar" in radar_df.columns else ""
    return view

def apply_radar_excel_filter(df, search_text, selected_labels=None):
    if df is None or df.empty or not str(search_text or "").strip():
        return df
    column_map = {
        "RFQ": "numero_licitacion",
        "Objeto": "objeto",
        "Publicación": "fecha_apertura",
        "Cierre": "fecha_cierre",
        "Enmienda": "numero_enmienda",
        "Estado": "estado_radar",
        "Categoría": "categoria",
        "Notas": "notas",
        "Revisada por": "revisada_por",
    }
    selected_labels = selected_labels or list(column_map.keys())
    selected_cols = [column_map[label] for label in selected_labels if column_map.get(label) in df.columns]
    if not selected_cols:
        selected_cols = [col for col in column_map.values() if col in df.columns]
    terms = [_radar_norm(term) for term in str(search_text).split() if _radar_norm(term)]
    if not terms:
        return df
    haystack = df[selected_cols].fillna("").astype(str).agg(" ".join, axis=1).map(_radar_norm)
    mask = pd.Series(True, index=df.index)
    for term in terms:
        mask &= haystack.str.contains(re.escape(term), na=False)
    return df[mask].copy()

def logistics_local_cost(local_row, peso_kg):
    if local_row is None or local_row.empty:
        return 0.0
    if peso_kg <= 400:
        return float(local_row.get("hasta_400kg", 0) or 0)
    if peso_kg <= 1000:
        return float(local_row.get("kg_500_1000", 0) or 0)
    return float(local_row.get("mayor_1000kg", 0) or 0)

LOGISTICS_ROUTE_ORIGIN = "USA / Miami"
LOGISTICS_ROUTE_DESTINATION = "Panamá / ACP"
LOGISTICS_ROUTE_LABEL = f"{LOGISTICS_ROUTE_ORIGIN} → {LOGISTICS_ROUTE_DESTINATION}"
LOGISTICS_ROUTE_SCOPE = (
    "Las tarifas actuales están calibradas para envíos desde USA/Miami hacia Panamá/ACP. "
    "Para otros orígenes como China, Europa o México se debe cargar una ruta logística distinta."
)
LOGISTICS_STEP_LABELS = {
    "embalaje_verificacion": "Embalaje y verificación",
    "carga_almacen": "Carga en almacén",
    "transporte_interno_origen": "Transporte interno origen",
    "tramites_aduaneros_exportacion": "Aduana exportación",
    "costo_terminal_origen": "Terminal origen",
    "transporte_principal": "Transporte principal",
    "seguro_transporte": "Seguro transporte",
    "costo_terminal_destino": "Terminal destino",
    "tramites_aduaneros_importacion": "Aduana importación",
    "transporte_interior_destino": "Transporte interior destino",
    "descarga_almacen_comprador": "Descarga almacén comprador",
}
LOGISTICS_FORWARDER_ALIASES = {
    "ABMCARGO": ["ABM LOGISTICS", "ABMCARGO"],
    "SOUTHCARGO": ["SOUTH CARGO", "SOUTHCARGO", "SOUTH CARGO"],
    "SOUTH CARGO": ["SOUTH CARGO", "SOUTHCARGO"],
}

def normalize_logistics_name(value):
    text = str(value or "").upper()
    text = re.sub(r"[^A-Z0-9]", "", text)
    return text

def get_forwarder_for_agent(forwarders_df, agent_name):
    if forwarders_df is None or forwarders_df.empty:
        return pd.Series(dtype=object)
    normalized_agent = normalize_logistics_name(agent_name)
    candidates = LOGISTICS_FORWARDER_ALIASES.get(normalized_agent, [agent_name])
    candidate_keys = {normalize_logistics_name(item) for item in candidates}
    for _, row in forwarders_df.iterrows():
        row_key = normalize_logistics_name(row.get("nombre", ""))
        if row_key in candidate_keys or row_key == normalized_agent:
            return row
    for _, row in forwarders_df.iterrows():
        row_key = normalize_logistics_name(row.get("nombre", ""))
        if normalized_agent and (normalized_agent in row_key or row_key in normalized_agent):
            return row
    return pd.Series(dtype=object)

def build_incoterm_summary(incoterms_df, sigla):
    if incoterms_df is None or incoterms_df.empty:
        return "No hay matriz de Incoterms cargada."
    match = incoterms_df[incoterms_df["sigla"].astype(str).str.upper() == str(sigla or "").upper()]
    if match.empty:
        return f"No hay explicación cargada para {sigla}."
    row = match.iloc[0]
    responsabilidades = row.get("responsabilidades", {}) or {}
    if isinstance(responsabilidades, str):
        try:
            responsabilidades = json.loads(responsabilidades)
        except Exception:
            responsabilidades = {}
    comprador = [
        LOGISTICS_STEP_LABELS.get(key, key.replace("_", " ").title())
        for key, value in responsabilidades.items()
        if str(value).strip().lower().startswith("comprador")
    ]
    vendedor = [
        LOGISTICS_STEP_LABELS.get(key, key.replace("_", " ").title())
        for key, value in responsabilidades.items()
        if str(value).strip().lower().startswith("vendedor")
    ]
    incoterm_name = row.get("incoterm", sigla)
    comprador_text = ", ".join(comprador[:4]) + ("..." if len(comprador) > 4 else "") if comprador else "No especificado"
    vendedor_text = ", ".join(vendedor[:4]) + ("..." if len(vendedor) > 4 else "") if vendedor else "No especificado"
    return (
        f"{sigla} - {incoterm_name}. "
        f"Proveedor cubre principalmente: {vendedor_text}. "
        f"Comprador/Proyelec debe estimar: {comprador_text}."
    )

def logistics_calc_summary(freight_row, local_row, peso_libras, incoterm="FOB",
                           largo=0, ancho=0, alto=0, unidad_dimensional="in", bultos=1):
    peso_libras = float(peso_libras or 0)
    largo = float(largo or 0)
    ancho = float(ancho or 0)
    alto = float(alto or 0)
    bultos = max(float(bultos or 1), 1.0)
    unidad_dimensional = (unidad_dimensional or "in").lower()
    peso_volumetrico_libras = 0.0
    volumen_pies_cubicos = 0.0
    if largo > 0 and ancho > 0 and alto > 0:
        if unidad_dimensional == "cm":
            volumen_pies_cubicos = ((largo / 2.54) * (ancho / 2.54) * (alto / 2.54) * bultos) / 1728
            peso_volumetrico_libras = ((largo * ancho * alto * bultos) / 6000) * 2.20462
        else:
            volumen_pies_cubicos = (largo * ancho * alto * bultos) / 1728
            peso_volumetrico_libras = (largo * ancho * alto * bultos) / 166
    peso_facturable_libras = max(peso_libras, peso_volumetrico_libras)
    peso_kg = peso_libras * 0.453592
    peso_facturable_kg = peso_facturable_libras * 0.453592
    tarifa = float(freight_row.get("tarifa_por_libra", 0) or 0)
    minimo = float(freight_row.get("minimo_envio", 0) or 0)
    costo_internacional = max(peso_facturable_libras * tarifa, minimo)
    costo_local = logistics_local_cost(local_row, peso_facturable_kg)
    total = costo_internacional + costo_local
    dias = int(freight_row.get("tiempo_transito_dias", 0) or 0)
    return {
        "peso_libras": peso_libras,
        "peso_kg": peso_kg,
        "peso_facturable_libras": peso_facturable_libras,
        "peso_facturable_kg": peso_facturable_kg,
        "peso_volumetrico_libras": peso_volumetrico_libras,
        "largo": largo,
        "ancho": ancho,
        "alto": alto,
        "unidad_dimensional": unidad_dimensional,
        "bultos": bultos,
        "volumen_pies_cubicos": volumen_pies_cubicos,
        "costo_internacional": costo_internacional,
        "costo_local": costo_local,
        "costo_total": total,
        "tiempo_transito_dias": dias,
        "incoterm": incoterm,
    }

if active_view == "🚚 Centro Logístico":
    render_page_header(
        "Operación logística",
        "Centro Logístico",
        "Tarifas, forwarders, incoterms y cálculos para estimar costos antes de cotizar.",
        ["Supabase", "Tarifas ACP", "Beta logística"]
    )

    freight_df = get_logistics_freight_rates_cached()
    local_df = get_logistics_local_rates_cached()
    forwarders_df = get_logistics_forwarders_cached()
    incoterms_df = get_logistics_incoterms_cached()

    render_summary_strip([
        {"label": "Tarifas flete", "value": len(freight_df), "tone": "green" if len(freight_df) else "orange"},
        {"label": "Destinos locales", "value": len(local_df), "tone": "green" if len(local_df) else "orange"},
        {"label": "Forwarders", "value": len(forwarders_df), "tone": "blue"},
        {"label": "Incoterms", "value": len(incoterms_df), "tone": "amber"},
    ])

    st.markdown("""
    <div class="work-panel">
        <div class="panel-label">Uso operativo</div>
        <div class="panel-copy">
            Logística mantiene las tarifas y rutas. Analistas y supervisores usarán estos datos para estimar costo logístico,
            lead time y margen real de participación.
        </div>
    </div>
    """, unsafe_allow_html=True)

    st.markdown(f"""
    <div class="work-panel">
        <div class="panel-label">Ruta activa</div>
        <div class="panel-copy">
            <strong>{escape(LOGISTICS_ROUTE_LABEL)}</strong><br>
            {escape(LOGISTICS_ROUTE_SCOPE)}
        </div>
    </div>
    """, unsafe_allow_html=True)

    tab_calc, tab_rates, tab_local, tab_forwarders, tab_incoterms, tab_history = st.tabs([
        "Calculadora", "Flete internacional", "Entrega local", "Forwarders", "Incoterms", "Cálculos guardados"
    ])

    with tab_calc:
        if freight_df.empty:
            render_empty_state("Sin tarifas", "Aún no hay tarifas internacionales cargadas para calcular.")
        else:
            calc_left, calc_right = st.columns([0.58, 0.42])
            with calc_left:
                st.markdown("#### Parámetros del cálculo")
                route_a, route_b = st.columns(2)
                with route_a:
                    st.text_input("Origen tarifario", value=LOGISTICS_ROUTE_ORIGIN, disabled=True, key="log_calc_origin")
                with route_b:
                    st.text_input("Destino tarifario", value=LOGISTICS_ROUTE_DESTINATION, disabled=True, key="log_calc_route_dest")
                modo_peso_log = st.radio(
                    "Forma de cálculo",
                    ["Envío completo", "Por paquete"],
                    horizontal=True,
                    key="log_calc_modo_peso",
                )
                c1, c2 = st.columns(2)
                with c1:
                    tipo_flete_calc = st.selectbox("Tipo de flete", sorted(freight_df["tipo_flete"].dropna().unique().tolist()), key="log_calc_tipo")
                filtered_freight = freight_df[freight_df["tipo_flete"] == tipo_flete_calc].copy()
                with c2:
                    agente_calc = st.selectbox("Agente internacional", filtered_freight["agente"].dropna().unique().tolist(), key="log_calc_agente")
                freight_row = filtered_freight[filtered_freight["agente"] == agente_calc].iloc[0]

                if modo_peso_log == "Por paquete":
                    c3, c4, c5, c6 = st.columns([0.24, 0.24, 0.24, 0.28])
                    with c3:
                        peso_paquete_log = st.number_input("Peso por paquete (lb)", min_value=0.0, value=10.0, step=1.0, key="log_calc_pkg_lb")
                    with c4:
                        bultos_log = st.number_input("Paquetes", min_value=1, value=1, step=1, key="log_calc_pkg_count")
                    with c5:
                        incoterm_calc = st.selectbox("Incoterm base", incoterms_df["sigla"].tolist() if not incoterms_df.empty else ["FOB"], key="log_calc_incoterm")
                    with c6:
                        lic_log = st.text_input("Licitación", value=str(st.session_state.get("cg", {}).get("numero_licitacion", "")), key="log_calc_lic")
                    peso_libras = peso_paquete_log * bultos_log
                else:
                    c3, c4, c5, c6 = st.columns([0.24, 0.24, 0.24, 0.28])
                    with c3:
                        peso_libras = st.number_input("Peso total (lb)", min_value=0.0, value=10.0, step=1.0, key="log_calc_lb")
                    with c4:
                        bultos_log = st.number_input("Paquetes / bultos", min_value=1, value=1, step=1, key="log_calc_bultos")
                    with c5:
                        incoterm_calc = st.selectbox("Incoterm base", incoterms_df["sigla"].tolist() if not incoterms_df.empty else ["FOB"], key="log_calc_incoterm")
                    with c6:
                        lic_log = st.text_input("Licitación", value=str(st.session_state.get("cg", {}).get("numero_licitacion", "")), key="log_calc_lic")
                    peso_paquete_log = peso_libras / bultos_log if bultos_log else peso_libras

                st.caption("Dimensiones por paquete/bulto para calcular peso volumétrico. Si no aplican, déjalas en cero.")
                d1, d2, d3, d4, d5 = st.columns([0.2, 0.2, 0.2, 0.18, 0.22])
                with d1:
                    largo_log = st.number_input("Largo", min_value=0.0, value=0.0, step=1.0, key="log_calc_largo")
                with d2:
                    ancho_log = st.number_input("Ancho", min_value=0.0, value=0.0, step=1.0, key="log_calc_ancho")
                with d3:
                    alto_log = st.number_input("Alto", min_value=0.0, value=0.0, step=1.0, key="log_calc_alto")
                with d4:
                    unidad_log = st.selectbox("Unidad", ["in", "cm"], key="log_calc_unidad_dim")
                with d5:
                    st.metric("Peso total", f"{peso_libras:,.2f} lb")

                local_row = pd.Series(dtype=object)
                destino_calc = "Sin entrega local"
                if not local_df.empty:
                    destino_calc = st.selectbox("Destino ACP / entrega local", ["Sin entrega local"] + local_df["destino"].dropna().unique().tolist(), key="log_calc_destino")
                    if destino_calc != "Sin entrega local":
                        local_candidates = local_df[local_df["destino"] == destino_calc]
                        if not local_candidates.empty:
                            local_row = local_candidates.iloc[0]
                renglon_log = st.text_input("Renglón / referencia", placeholder="Opcional", key="log_calc_renglon")

                calc = logistics_calc_summary(
                    freight_row,
                    local_row,
                    peso_libras,
                    incoterm=incoterm_calc,
                    largo=largo_log,
                    ancho=ancho_log,
                    alto=alto_log,
                    unidad_dimensional=unidad_log,
                    bultos=bultos_log,
                )
                if st.button("Guardar cálculo logístico", type="primary", use_container_width=True):
                    db.save_logistics_calculation(
                        username=st.session_state.username,
                        licitacion=lic_log,
                        renglon=renglon_log,
                        agente=agente_calc,
                        tipo_flete=tipo_flete_calc,
                        incoterm=incoterm_calc,
                        peso_libras=calc["peso_libras"],
                        peso_kg=calc["peso_kg"],
                        costo_internacional=calc["costo_internacional"],
                        costo_local=calc["costo_local"],
                        costo_total=calc["costo_total"],
                        tiempo_transito_dias=calc["tiempo_transito_dias"],
                        peso_facturable_libras=calc["peso_facturable_libras"],
                        peso_volumetrico_libras=calc["peso_volumetrico_libras"],
                        largo=calc["largo"],
                        ancho=calc["ancho"],
                        alto=calc["alto"],
                        unidad_dimensional=calc["unidad_dimensional"],
                        metadata={
                            "destino": destino_calc,
                            "ruta": LOGISTICS_ROUTE_LABEL,
                            "origen_tarifario": LOGISTICS_ROUTE_ORIGIN,
                            "destino_tarifario": LOGISTICS_ROUTE_DESTINATION,
                            "modo_calculo": modo_peso_log,
                            "peso_por_paquete_lb": peso_paquete_log,
                            "tarifa_por_libra": float(freight_row.get("tarifa_por_libra", 0) or 0),
                            "bultos": calc["bultos"],
                            "volumen_pies_cubicos": calc["volumen_pies_cubicos"],
                        }
                    )
                    clear_logistics_cache()
                    st.success("Cálculo logístico guardado.")

            with calc_right:
                st.markdown("#### Resultado estimado")
                st.metric("Costo total", f"$ {calc['costo_total']:,.2f}")
                st.metric("Flete internacional", f"$ {calc['costo_internacional']:,.2f}")
                st.metric("Entrega local", f"$ {calc['costo_local']:,.2f}")
                st.metric("Peso convertido", f"{calc['peso_kg']:,.2f} kg")
                st.metric("Peso volumétrico", f"{calc['peso_volumetrico_libras']:,.2f} lb")
                st.metric("Peso facturable", f"{calc['peso_facturable_libras']:,.2f} lb")
                st.metric("Volumen", f"{calc['volumen_pies_cubicos']:,.2f} ft³")
                render_notice_panel(
                    "Ruta y lead time",
                    f"{LOGISTICS_ROUTE_LABEL}. {agente_calc} / {tipo_flete_calc}: {calc['tiempo_transito_dias']} día(s) estimados. Día de corte: {freight_row.get('dia_corte', 'N/A') or 'N/A'}.",
                    "blue",
                )

    with tab_rates:
        st.dataframe(
            freight_df,
            use_container_width=True,
            hide_index=True,
            column_config={
                "tarifa_por_libra": st.column_config.NumberColumn("Tarifa/lb", format="$ %.2f"),
                "minimo_envio": st.column_config.NumberColumn("Mínimo", format="$ %.2f"),
                "tiempo_transito_dias": st.column_config.NumberColumn("Días", format="%d"),
            },
        )
        with st.expander("Agregar o actualizar tarifa internacional"):
            f1, f2, f3 = st.columns(3)
            with f1:
                agente = st.text_input("Agente", key="log_rate_agente")
                tipo_servicio = st.text_input("Tipo de servicio", value="Door-To-Door", key="log_rate_servicio")
            with f2:
                tipo_flete = st.selectbox("Tipo flete", ["Aereo", "Maritimo"], key="log_rate_tipo")
                tarifa = st.number_input("Tarifa por libra", min_value=0.0, step=0.5, key="log_rate_tarifa")
            with f3:
                dias = st.number_input("Tiempo tránsito días", min_value=0, step=1, key="log_rate_dias")
                minimo = st.number_input("Mínimo por envío", min_value=0.0, step=5.0, key="log_rate_minimo")
            dia_corte = st.text_input("Día de corte", value="-", key="log_rate_corte")
            salidas = st.text_input("Salidas", value="Según disponibilidad", key="log_rate_salidas")
            if st.button("Guardar tarifa internacional", type="primary"):
                if agente.strip():
                    db.upsert_logistics_freight_rate(agente, tipo_servicio, tipo_flete, tarifa, dias, minimo, dia_corte, salidas)
                    clear_logistics_cache()
                    st.success("Tarifa internacional guardada.")
                    st.rerun()
                else:
                    st.warning("Indica el agente.")

    with tab_local:
        st.dataframe(
            local_df,
            use_container_width=True,
            hide_index=True,
            column_config={
                "hasta_400kg": st.column_config.NumberColumn("Hasta 400 kg", format="$ %.2f"),
                "kg_500_1000": st.column_config.NumberColumn("500 a 1000 kg", format="$ %.2f"),
                "mayor_1000kg": st.column_config.NumberColumn("> 1000 kg", format="$ %.2f"),
            },
        )
        with st.expander("Agregar o actualizar entrega local"):
            l1, l2, l3 = st.columns(3)
            with l1:
                agente_local = st.text_input("Agente local", value="Ariel Nunez", key="log_local_agente")
                destino_local = st.text_input("Destino", key="log_local_destino")
            with l2:
                hasta_400 = st.number_input("Hasta 400 kg", min_value=0.0, step=10.0, key="log_local_400")
                de_500_1000 = st.number_input("500 a 1000 kg", min_value=0.0, step=10.0, key="log_local_1000")
            with l3:
                mayor_1000 = st.number_input("Mayor a 1000 kg", min_value=0.0, step=10.0, key="log_local_mayor")
                tipo_local = st.text_input("Tipo", value="Terrestre", key="log_local_tipo")
            if st.button("Guardar entrega local", type="primary"):
                if destino_local.strip():
                    db.upsert_logistics_local_rate(agente_local, destino_local, tipo_local, hasta_400, de_500_1000, mayor_1000)
                    clear_logistics_cache()
                    st.success("Tarifa local guardada.")
                    st.rerun()
                else:
                    st.warning("Indica el destino.")

    with tab_forwarders:
        st.dataframe(forwarders_df, use_container_width=True, hide_index=True)
        with st.expander("Agregar o actualizar forwarder"):
            nombre_fwd = st.text_input("Nombre", key="log_fwd_nombre")
            direccion_fwd = st.text_area("Dirección", key="log_fwd_direccion")
            obs_fwd = st.text_area("Observación", key="log_fwd_obs")
            if st.button("Guardar forwarder", type="primary"):
                if nombre_fwd.strip():
                    db.upsert_logistics_forwarder(nombre_fwd, direccion_fwd, obs_fwd)
                    clear_logistics_cache()
                    st.success("Forwarder guardado.")
                    st.rerun()
                else:
                    st.warning("Indica el nombre.")

    with tab_incoterms:
        if incoterms_df.empty:
            render_empty_state("Sin incoterms", "No hay incoterms cargados.")
        else:
            incoterm_view = incoterms_df[["sigla", "incoterm"]].copy()
            st.dataframe(incoterm_view, use_container_width=True, hide_index=True)
            render_notice_panel(
                "Cómo usar esta matriz",
                "El incoterm define qué costos asume el proveedor y qué costos debe estimar Proyelec. La tabla inferior muestra el responsable por tramo.",
                "blue",
            )
            selected_inc = st.selectbox("Ver responsabilidad por incoterm", incoterms_df["sigla"].tolist())
            inc_row = incoterms_df[incoterms_df["sigla"] == selected_inc].iloc[0]
            responsabilidades = inc_row.get("responsabilidades", {}) or {}
            if isinstance(responsabilidades, str):
                try:
                    responsabilidades = json.loads(responsabilidades)
                except Exception:
                    responsabilidades = {}
            resp_df = pd.DataFrame([
                {"Tramo": key.replace("_", " ").title(), "Responsable": value}
                for key, value in responsabilidades.items()
            ])
            st.dataframe(resp_df, use_container_width=True, hide_index=True)

    with tab_history:
        calc_df = get_logistics_calculations_cached(100)
        if calc_df.empty:
            render_empty_state("Sin cálculos guardados", "Los cálculos logísticos guardados aparecerán aquí.")
        else:
            st.dataframe(
                calc_df,
                use_container_width=True,
                hide_index=True,
                column_config={
                    "costo_internacional": st.column_config.NumberColumn("Internacional", format="$ %.2f"),
                    "costo_local": st.column_config.NumberColumn("Local", format="$ %.2f"),
                    "costo_total": st.column_config.NumberColumn("Total", format="$ %.2f"),
                    "peso_libras": st.column_config.NumberColumn("lb", format="%.2f"),
                    "peso_kg": st.column_config.NumberColumn("kg", format="%.2f"),
                    "peso_facturable_libras": st.column_config.NumberColumn("Peso facturable lb", format="%.2f"),
                    "peso_volumetrico_libras": st.column_config.NumberColumn("Peso volumétrico lb", format="%.2f"),
                },
            )
            st.divider()
            delete_options = calc_df["id"].tolist()
            selected_delete = st.selectbox(
                "Cálculo guardado a borrar",
                delete_options,
                format_func=lambda calc_id: (
                    f"#{calc_id} | "
                    f"{calc_df.loc[calc_df['id'] == calc_id, 'licitacion'].iloc[0] or 'Sin licitación'} | "
                    f"$ {float(calc_df.loc[calc_df['id'] == calc_id, 'costo_total'].iloc[0] or 0):,.2f}"
                ),
                key="log_delete_calc_id",
            )
            if st.button("Borrar cálculo seleccionado", type="secondary", use_container_width=True):
                deleted = db.delete_logistics_calculation(selected_delete)
                clear_logistics_cache()
                if deleted:
                    st.success("Cálculo borrado.")
                    st.rerun()
                else:
                    st.warning("No se encontró el cálculo seleccionado.")

if active_view == "🌐 Proveedores":
    render_page_header(
        "Sourcing global IA",
        "Proveedores",
        "Agente de búsqueda por renglón para encontrar proveedores globales, útiles y con menor riesgo.",
        ["10 proveedores", "Precio bajo", "Riesgo controlado"]
    )

    rfq_loaded = st.session_state.df_exportar is not None and not st.session_state.df_exportar.empty
    tavily_ready = bool(st.session_state.get("tavily_key"))
    brave_ready = bool(BRAVE_SEARCH_API_KEY)
    render_summary_strip([
        {"label": "Búsqueda automática", "value": "Activa" if (tavily_ready or brave_ready) else "Sin API", "tone": "green" if (tavily_ready or brave_ready) else "orange"},
        {"label": "Ranking IA", "value": "Activo" if bool(st.session_state.get("gemini_key")) else "Sin Gemini", "tone": "green" if bool(st.session_state.get("gemini_key")) else "orange"},
        {"label": "Objetivo", "value": "Precio bajo + técnico", "tone": "blue"},
        {"label": "RFQ cargado", "value": "Si" if rfq_loaded else "No", "tone": "green" if rfq_loaded else "orange"},
    ])

    st.markdown("""
    <div class="work-panel">
        <div class="panel-label">Regla operativa del sourcing</div>
        <div class="panel-copy">
            La IA debe buscar proveedores globales sin limitar país, priorizando cumplimiento técnico,
            probabilidad de buen precio y señales de empresa real. Los proveedores poco obvios son valiosos
            solo si tienen evidencia verificable.
        </div>
    </div>
    """, unsafe_allow_html=True)

    if not rfq_loaded:
        render_notice_panel(
            "Carga un RFQ para obtener sourcing por renglón",
            "La nueva búsqueda usa los renglones, marca/modelo, cantidades y restricciones técnicas del pliego. Sin RFQ solo puedes usar una búsqueda manual básica.",
            "amber",
        )

    provider_df = pd.DataFrame()
    if rfq_loaded:
        provider_df = normalize_technical_fields(normalize_history_columns(st.session_state.df_exportar.copy()))

    left_col, right_col = st.columns([0.58, 0.42])
    with left_col:
        st.markdown("#### Alcance del agente")
        if rfq_loaded and not provider_df.empty:
            search_scope = st.radio(
                "Buscar proveedores para",
                ["Un renglón", "Todos los renglones"],
                horizontal=True,
                key="sourcing_scope",
            )

            def _sourcing_row_label(idx):
                row = provider_df.iloc[idx]
                term = str(row.get("termino_de_busqueda_corto", "") or row.get("ficha_tecnica_completa", "") or "")[:80]
                return f"Renglón {row.get('renglon', idx + 1)} | {term or 'Sin descripción'}"

            selected_idx = st.selectbox(
                "Renglón base",
                list(range(len(provider_df))),
                format_func=_sourcing_row_label,
                disabled=search_scope == "Todos los renglones",
                key="sourcing_selected_row",
            )
            contexts = [sourcing_row_context(provider_df.iloc[selected_idx])] if search_scope == "Un renglón" else [
                sourcing_row_context(row) for _, row in provider_df.iterrows()
            ]
            preview_ctx = contexts[0]
        else:
            search_scope = "Búsqueda manual"
            manual_item = st.text_input("Producto, número de parte, marca o descripción", key="sourcing_manual_item")
            contexts = [{
                "renglon": "Manual",
                "codigo_acp": "",
                "descripcion": manual_item,
                "busqueda_sugerida": manual_item,
                "cantidad": "",
                "unidad": "",
                "marca_modelo": "",
                "acepta_equivalente": None,
                "requiere_propuesta_tecnica": False,
                "requiere_ficha_tecnica": False,
                "evidencia_tecnica": "",
            }]
            preview_ctx = contexts[0]

        c1, c2 = st.columns([0.45, 0.55])
        with c1:
            sourcing_depth = st.selectbox("Profundidad", ["Profunda", "Rápida"], key="sourcing_depth")
        with c2:
            target_per_row = st.number_input("Proveedores por renglón", min_value=3, max_value=10, value=10, step=1, key="sourcing_target_count")

        sourcing_prompt = st.text_area(
            "Instrucción personalizada para la IA",
            value=(
                "Prioriza proveedores globales poco obvios, stockistas industriales, distribuidores regionales "
                "y fabricantes directos. Deben cumplir técnicamente y tener probabilidad de buen precio. "
                "Descarta empresas fantasma, sitios sin evidencia, blogs y resultados que no vendan el producto."
            ),
            height=120,
            key="sourcing_custom_prompt",
        )
        run_sourcing = st.button("Buscar 10 proveedores con IA", type="primary", use_container_width=True)

    with right_col:
        render_table_toolbar(
            "Contexto técnico",
            "La búsqueda se arma desde el RFQ y se ajusta con tu instrucción.",
            ["Global", "Long-tail", "Validación"],
        )
        st.markdown(f"""
        <div class="provider-rfq-card">
            <div class="provider-rfq-eyebrow">Renglón de referencia</div>
            <div class="provider-rfq-title">{escape(sourcing_base_query_from_context(preview_ctx) or 'Sin búsqueda')}</div>
            <div class="provider-rfq-meta">
                <span>Renglón <b>{escape(str(preview_ctx.get('renglon') or 'N/A'))}</b></span>
                <span>Código ACP <b>{escape(str(preview_ctx.get('codigo_acp') or 'S/C'))}</b></span>
                <span>Cantidad <b>{escape(str(preview_ctx.get('cantidad') or 'N/A'))}</b></span>
            </div>
        </div>
        """, unsafe_allow_html=True)
        render_notice_panel(
            "Criterio de decisión",
            "Recomendado solo si combina match técnico, probabilidad de buen precio y riesgo aceptable. Si falta evidencia, queda como Validar antes de cotizar.",
            "blue",
        )
        if not (tavily_ready or brave_ready):
            render_notice_panel(
                "Falta motor de búsqueda",
                "Configura Tavily o Brave para que el agente pueda buscar proveedores reales automáticamente.",
                "amber",
            )

    if run_sourcing:
        if not contexts or not sourcing_base_query_from_context(contexts[0]):
            st.error("No hay suficiente descripción técnica para buscar proveedores.")
        elif not (tavily_ready or brave_ready):
            st.error("Para esta nueva búsqueda automática necesitas Tavily o Brave configurado.")
        else:
            all_results = []
            summaries = []
            evidence_count = 0
            max_contexts = contexts if search_scope == "Un renglón" else contexts[:8]
            with st.status("Agente de Sourcing Global buscando proveedores útiles...", expanded=True) as status:
                try:
                    for idx, ctx in enumerate(max_contexts, 1):
                        st.write(f"Renglón {ctx.get('renglon') or idx}: buscando evidencia web...")
                        summary, result_df, evidence = run_global_sourcing_for_context(
                            ctx,
                            custom_prompt=sourcing_prompt,
                            depth=sourcing_depth,
                            target_count=int(target_per_row),
                        )
                        evidence_count += len(evidence)
                        if summary:
                            summaries.append(f"Renglón {ctx.get('renglon') or idx}: {summary}")
                        if result_df is not None and not result_df.empty:
                            all_results.append(result_df)
                    provider_results = pd.concat(all_results, ignore_index=True) if all_results else pd.DataFrame()
                    if not provider_results.empty:
                        provider_results = provider_results.drop_duplicates(subset=["Proveedor", "URL"], keep="first")
                        provider_results = provider_results.head(int(target_per_row) if search_scope == "Un renglón" else 80)
                    st.session_state.provider_results = provider_results
                    st.session_state.provider_last_query = " | ".join([sourcing_base_query_from_context(c) for c in max_contexts[:3]])
                    st.session_state.provider_sourcing_summary = "\n".join(summaries)
                    status.update(label=f"Sourcing completado con {evidence_count} evidencias revisadas.", state="complete")
                    st.toast("Sourcing global completado", icon="🔎")
                except Exception as e:
                    st.session_state.provider_results = pd.DataFrame()
                    status.update(label="No se pudo completar el sourcing.", state="error")
                    st.error(f"No se pudo completar la búsqueda: {e}")

    provider_results = st.session_state.get("provider_results", pd.DataFrame())
    if provider_results is not None and not provider_results.empty:
        render_table_toolbar(
            "Ranking IA de proveedores",
            "10 candidatos pensados para cumplir técnicamente, buscar buen precio y evitar riesgo innecesario.",
            [f"{len(provider_results)} resultados", st.session_state.get("provider_last_query", "Búsqueda")],
        )
        summary_text = st.session_state.get("provider_sourcing_summary", "")
        if summary_text:
            st.caption(summary_text[:900])
        st.dataframe(
            provider_results,
            column_config={
                "Match técnico": st.column_config.ProgressColumn("Match técnico", min_value=0, max_value=100),
                "Probabilidad de buen precio": st.column_config.TextColumn("Prob. buen precio", width="small"),
                "Riesgo": st.column_config.TextColumn("Riesgo", width="small"),
                "Decisión": st.column_config.TextColumn("Decisión", width="medium"),
                "Proveedor": st.column_config.TextColumn("Proveedor", width="large"),
                "País / Región": st.column_config.TextColumn("País / Región", width="small"),
                "Tipo": st.column_config.TextColumn("Tipo", width="small"),
                "Evidencia": st.column_config.TextColumn("Evidencia", width="large"),
                "Qué validar": st.column_config.TextColumn("Qué validar", width="large"),
                "URL": st.column_config.LinkColumn("URL"),
            },
            use_container_width=True,
            hide_index=True,
            height=520,
        )

        top_rows = provider_results.head(3)
        card_cols = st.columns(min(3, len(top_rows)))
        for idx, (_, result_row) in enumerate(top_rows.iterrows()):
            with card_cols[idx]:
                st.markdown(
                    f'<div class="provider-card">'
                    f'<h4>{escape(str(result_row.get("Proveedor", "Proveedor"))[:80])}</h4>'
                    f'<p><b>Match:</b> {escape(str(result_row.get("Match técnico", "")))} | <b>Precio:</b> {escape(str(result_row.get("Probabilidad de buen precio", "")))} | <b>Riesgo:</b> {escape(str(result_row.get("Riesgo", "")))}</p>'
                    f'<p>{escape(str(result_row.get("Evidencia", ""))[:180])}</p>'
                    f'<a href="{escape(str(result_row.get("URL", "#")))}" target="_blank">Revisar evidencia</a>'
                    f'</div>',
                    unsafe_allow_html=True,
                )
    else:
        render_empty_state(
            "Aún no hay proveedores recomendados",
            "Ejecuta el Agente de Sourcing Global para obtener 10 candidatos con evidencia, riesgo y validaciones."
        )

if active_view == "📊 Historial Global":
    render_page_header(
        "Datos corporativos",
        "Historial Global",
        "Consulta de precios, licitaciones previas y trazabilidad importada a Supabase.",
        ["Supabase", "Costos históricos"],
    )

    h_count = get_historico_count_cached()
    h1, h2, h3 = st.columns([0.25, 0.35, 0.4])
    h1.metric("Registros en Supabase", f"{h_count:,}")
    with h2:
        anios_hist = ["Todos"] + [str(a) for a in get_historico_anios_cached()]
        anio_hist = st.selectbox("Año", anios_hist, key="hist_global_anio")
    with h3:
        search_hist = st.text_input("Buscar", placeholder="Licitación, código ACP u observación", key="hist_global_search")

    if st.session_state.role in ["Gerencia", "Admin"] or st.session_state.username == "admin":
        with st.expander("Importar histórico desde Excel local"):
            st.caption("Uso de desarrollo: carga el Excel a Supabase para que producción no dependa del archivo físico.")
            replace_hist = st.checkbox("Reemplazar registros existentes antes de importar", value=False)
            if st.button("Importar a Supabase", type="primary"):
                if not os.path.exists("ACP DATA LIC PASADAS v2_2.xlsx"):
                    st.error("No se encontró el Excel local para importar.")
                else:
                    try:
                        result = db.import_historico_excel_to_db("ACP DATA LIC PASADAS v2_2.xlsx", replace=replace_hist)
                        load_historical_prices.clear()
                        get_historico_anios_cached.clear()
                        get_historico_count_cached.clear()
                        get_historico_licitaciones_cached.clear()
                        st.success(f"Histórico importado: {result['rows_processed']:,} filas procesadas.")
                    except Exception as e:
                        st.error(f"Error importando histórico: {e}")

    if h_count == 0:
        render_empty_state("Histórico sin datos", "La base de Supabase aún no tiene precios históricos importados para comparar nuevas ofertas.")
    else:
        df_hist_global = get_historico_licitaciones_cached(search=search_hist, anio=anio_hist, limit=1000)
        if df_hist_global.empty:
            render_empty_state("Sin coincidencias", "Ajusta el filtro de año o la búsqueda para ver precios y licitaciones anteriores.")
        else:
            render_table_toolbar(
                "Histórico de precios",
                f"{len(df_hist_global):,} registros visibles para comparar ofertas nuevas contra referencias anteriores.",
                [f"Año: {anio_hist}", "Supabase", "Solo consulta" if not role_can("settings") else "Importacion habilitada"],
            )
            hist_preferred_cols = [
                "N° Licitación", "Año", "Mes", "Código ACP", "Cantidad",
                "Precio Proyelec", "Precio Competencia", "Adjudicada a Proyelec",
                "Analista", "Observaciones",
            ]
            hist_visible_cols = [c for c in hist_preferred_cols if c in df_hist_global.columns]
            df_hist_view = df_hist_global[hist_visible_cols].copy() if hist_visible_cols else df_hist_global.copy()
            st.dataframe(
                df_hist_view,
                use_container_width=True,
                hide_index=True,
                height=560,
                column_config={
                    "N° Licitación": st.column_config.TextColumn("Licitacion", width="medium"),
                    "Año": st.column_config.NumberColumn("Año", width="small", format="%d"),
                    "Mes": st.column_config.TextColumn("Mes", width="small"),
                    "Código ACP": st.column_config.TextColumn("Codigo ACP", width="medium"),
                    "Cantidad": st.column_config.NumberColumn("Cant.", width="small"),
                    "Precio Proyelec": st.column_config.NumberColumn("Precio Proyelec", format="$ %.2f"),
                    "Precio Competencia": st.column_config.NumberColumn("Precio Competencia", format="$ %.2f"),
                    "Adjudicada a Proyelec": st.column_config.TextColumn("Adjudicada", width="small"),
                    "Analista": st.column_config.TextColumn("Analista", width="medium"),
                    "Observaciones": st.column_config.TextColumn("Observaciones", width="large"),
                },
            )

if active_view == "📡 Radar Supervisor":
    render_page_header(
        "Supervision comercial",
        "Radar Supervisor",
        "Licitaciones abiertas del SLI priorizadas por historial, cierre y oportunidad comercial.",
        ["SLI abierto", "Supabase", "Beta"],
    )

    scan_notice = st.session_state.pop("radar_scan_notice", None)
    if scan_notice:
        notice_type, notice_text = scan_notice
        getattr(st, notice_type)(notice_text)

    with st.expander("Buscar licitaciones abiertas en SLI", expanded=False):
        st.caption("Consulta el SLI de la ACP, recorre todas las páginas abiertas, guarda los resultados en el Radar y evita descargar archivos al repositorio.")
        bs1, bs2, bs3 = st.columns([0.42, 0.24, 0.34])
        with bs1:
            sli_palabra = st.text_input("Palabra clave", placeholder="Vacío = todas las abiertas", key="radar_sli_palabra")
        with bs2:
            sli_numero = st.text_input("Número de licitación", placeholder="Ej: 213906", key="radar_sli_numero")
        with bs3:
            st.markdown("<div style='height: 28px;'></div>", unsafe_allow_html=True)
            buscar_sli = st.button("Buscar en SLI", type="primary", use_container_width=True)

        if buscar_sli:
            with st.status("Conectando con SLI y actualizando el Radar...", expanded=True) as status:
                try:
                    import sli_scraper
                    resultado_scan = sli_scraper.ejecutar_radar_detallado(
                        db_module=db,
                        palabra_clave=sli_palabra,
                        numero_licitacion=sli_numero,
                    )
                    radar_full_after_scan = add_radar_date_columns(db.get_licitaciones_radar())
                    vencidas_ids_scan = radar_full_after_scan.loc[
                        radar_full_after_scan.get("_radar_vencida", pd.Series(False, index=radar_full_after_scan.index)),
                        "id",
                    ].dropna().astype(int).tolist() if not radar_full_after_scan.empty and "id" in radar_full_after_scan.columns else []
                    eliminadas_scan = db.eliminar_licitaciones_radar(vencidas_ids_scan) if vencidas_ids_scan else 0
                    clear_radar_cache()
                    total_scan = int(resultado_scan.get("total", 0) or 0)
                    nuevas_scan = int(resultado_scan.get("nuevas", 0) or 0)
                    actualizadas_scan = int(resultado_scan.get("actualizadas", 0) or 0)
                    obsoletas_scan = int(resultado_scan.get("obsoletas_eliminadas", 0) or 0)
                    errores_scan = str(resultado_scan.get("errores", "") or "").strip()
                    paginas_scan = int(resultado_scan.get("paginas_recorridas", 0) or 0)
                    metodo_scan = str(resultado_scan.get("metodo", "") or "n/d")
                    cobertura_scan = bool(resultado_scan.get("escaneo_completo", False))
                    status.update(label="Búsqueda SLI completada.", state="complete")
                    if errores_scan:
                        st.session_state["radar_scan_notice"] = (
                            "warning",
                            f"SLI respondió con advertencia: {errores_scan} | Método: {metodo_scan} | Páginas: {paginas_scan} | Cobertura completa: {'sí' if cobertura_scan else 'no'}",
                        )
                    elif total_scan == 0:
                        st.session_state["radar_scan_notice"] = ("info", "No se encontraron licitaciones abiertas con esos filtros en el SLI.")
                    else:
                        st.session_state["radar_scan_notice"] = (
                            "success",
                            f"SLI actualizado: {total_scan} abiertas encontradas, {nuevas_scan} nuevas, {actualizadas_scan} existentes actualizadas, {obsoletas_scan} fuera del SLI eliminadas y {eliminadas_scan} vencidas eliminadas. Método: {metodo_scan}; páginas recorridas: {paginas_scan}; cobertura completa: {'sí' if cobertura_scan else 'no'}.",
                        )
                    st.rerun()
                except Exception as exc:
                    status.update(label="No se pudo consultar el SLI.", state="error")
                    db.registrar_escaneo_radar(0, 0, str(exc))
                    clear_radar_cache()
                    st.error(f"Error consultando SLI: {exc}")

    rf1, rf2, rf3, rf4, rf5 = st.columns([0.15, 0.15, 0.18, 0.18, 0.34])
    with rf1:
        solo_nuevas = st.checkbox("Solo nuevas", value=False)
    with rf2:
        solo_hoy = st.checkbox("Solo hoy", value=False)
    with rf3:
        ocultar_vencidas = st.checkbox("Ocultar vencidas", value=True)
    with rf4:
        solo_alertas_enmienda = st.checkbox("Solo alertas de enmienda", value=False)
    with rf5:
        search_radar = st.text_input("Filtro tipo Excel", placeholder="Ej: 213906 rexroth abierta")
    excel_filter_cols = st.multiselect(
        "Buscar dentro de columnas",
        ["RFQ", "Objeto", "Publicación", "Cierre", "Enmienda", "Estado", "Categoría", "Notas", "Revisada por"],
        default=["RFQ", "Objeto", "Enmienda", "Estado", "Categoría", "Notas"],
        help="Funciona como filtro de Excel: escribe una o varias palabras y el Radar solo muestra filas que contengan todos los términos en las columnas seleccionadas.",
        key="radar_excel_filter_cols",
    )
    radar_sort_mode = st.selectbox(
        "Ordenar Radar por",
        ["Publicación más reciente", "Cierre más cercano", "Cierre más lejano", "Publicación más antigua", "Score más alto"],
        key="radar_sort_mode",
        help="Usa fechas reales, no texto. Publicación más reciente muestra primero las licitaciones recién abiertas en el SLI.",
    )
    ff1, ff2, ff3 = st.columns([0.34, 0.34, 0.32])
    with ff1:
        filtro_publicacion = st.selectbox(
            "Fecha de publicación",
            ["Todas", "Hoy", "Últimos 3 días", "Últimos 7 días", "Este mes", "Rango personalizado"],
            key="radar_filtro_publicacion",
        )
        rango_publicacion = None
        if filtro_publicacion == "Rango personalizado":
            rango_publicacion = st.date_input(
                "Rango publicación",
                value=(datetime.now().date() - timedelta(days=7), datetime.now().date()),
                key="radar_rango_publicacion",
            )
    with ff2:
        filtro_cierre = st.selectbox(
            "Fecha de cierre",
            ["Todas", "Hoy", "Mañana", "Próximos 3 días", "Próximos 7 días", "Este mes", "Rango personalizado"],
            key="radar_filtro_cierre",
        )
        rango_cierre = None
        if filtro_cierre == "Rango personalizado":
            rango_cierre = st.date_input(
                "Rango cierre",
                value=(datetime.now().date(), datetime.now().date() + timedelta(days=7)),
                key="radar_rango_cierre",
            )
    with ff3:
        filtro_enmienda = st.selectbox(
            "Enmiendas",
            ["Todas", "Con enmienda", "Sin enmienda"],
            key="radar_filtro_enmienda",
        )
        st.caption("Puedes filtrar por publicación, cierre y enmienda reportada por el SLI.")

    radar_df = get_radar_cached(solo_nuevas=solo_nuevas, solo_hoy=solo_hoy)
    radar_df = add_radar_date_columns(radar_df)
    hist_radar_df = get_historico_radar_cached()
    alertas_enmienda_df = pd.DataFrame()
    if not radar_df.empty and "enmienda_alerta" in radar_df.columns:
        alerta_enmienda_mask = radar_df["enmienda_alerta"].apply(lambda value: coerce_bool(value, default=False))
        alertas_enmienda_df = radar_df[alerta_enmienda_mask].copy()
        if not alertas_enmienda_df.empty:
            rfqs_alerta = ", ".join(alertas_enmienda_df["numero_licitacion"].astype(str).head(5).tolist())
            extra_alertas = len(alertas_enmienda_df) - min(len(alertas_enmienda_df), 5)
            extra_txt = f" y {extra_alertas} más" if extra_alertas > 0 else ""
            st.warning(f"Hay {len(alertas_enmienda_df)} licitación(es) con enmienda nueva después de haber sido descartadas o enviadas a seguimiento: {rfqs_alerta}{extra_txt}.")
    vencidas_radar = int(radar_df["_radar_vencida"].sum()) if not radar_df.empty and "_radar_vencida" in radar_df.columns else 0
    if vencidas_radar > 0:
        clean_col1, clean_col2 = st.columns([0.72, 0.28])
        with clean_col1:
            st.warning(f"Hay {vencidas_radar} licitaciones vencidas guardadas en el Radar.")
        with clean_col2:
            if st.button("Eliminar vencidas", use_container_width=True):
                vencidas_ids = radar_df.loc[radar_df["_radar_vencida"], "id"].dropna().astype(int).tolist()
                eliminadas = db.eliminar_licitaciones_radar(vencidas_ids)
                clear_radar_cache()
                st.toast(f"{eliminadas} licitaciones vencidas eliminadas.")
                st.rerun()
    if not radar_df.empty and ocultar_vencidas and "_radar_vencida" in radar_df.columns:
        radar_df = radar_df[~radar_df["_radar_vencida"]].copy()
    if not radar_df.empty and solo_alertas_enmienda and "enmienda_alerta" in radar_df.columns:
        radar_df = radar_df[radar_df["enmienda_alerta"].apply(lambda value: coerce_bool(value, default=False))].copy()
    radar_df = apply_radar_date_filter(
        radar_df,
        "_fecha_apertura_dt",
        preset=filtro_publicacion,
        date_range=rango_publicacion,
    )
    radar_df = apply_radar_date_filter(
        radar_df,
        "_fecha_cierre_dt",
        preset=filtro_cierre,
        date_range=rango_cierre,
    )
    if not radar_df.empty and "numero_enmienda" in radar_df.columns and filtro_enmienda != "Todas":
        enmienda_text = radar_df["numero_enmienda"].fillna("").astype(str).str.strip()
        tiene_enmienda = enmienda_text.ne("") & ~enmienda_text.str.lower().isin(["0", "no", "n/a", "na", "none", "null"])
        radar_df = radar_df[tiene_enmienda if filtro_enmienda == "Con enmienda" else ~tiene_enmienda].copy()
    radar_df = apply_radar_excel_filter(radar_df, search_radar, excel_filter_cols)
    if not radar_df.empty:
        radar_df = enrich_radar_with_history(radar_df, hist_radar_df)
        radar_df = sort_radar_for_view(radar_df, radar_sort_mode)

    total_radar = len(radar_df)
    nuevas_radar = len(radar_df[radar_df["estado_radar"].fillna("") == "nueva"]) if not radar_df.empty and "estado_radar" in radar_df.columns else 0
    prioritarias = int(radar_df["es_prioritaria"].fillna(False).sum()) if not radar_df.empty and "es_prioritaria" in radar_df.columns else 0
    score_prom = float(radar_df["score_interes"].fillna(0).mean()) if not radar_df.empty and "score_interes" in radar_df.columns else 0
    con_historial = int((radar_df["hist_participaciones"].fillna(0) > 0).sum()) if not radar_df.empty and "hist_participaciones" in radar_df.columns else 0
    rk1, rk2, rk3, rk4 = st.columns(4)
    rk1.metric("Licitaciones radar", total_radar)
    rk2.metric("Nuevas", nuevas_radar)
    rk3.metric("Prioritarias", prioritarias)
    rk4.metric("Con historial similar", con_historial, help=f"Score promedio actual: {score_prom:.1f}")
    render_summary_strip([
        {"label": "Vista", "value": radar_sort_mode, "tone": "blue"},
        {"label": "Decision", "value": "Analizar oportunidad", "tone": "green"},
        {"label": "Enmiendas nuevas", "value": str(len(alertas_enmienda_df)), "tone": "amber" if len(alertas_enmienda_df) else "blue"},
        {"label": "Riesgo", "value": f"{vencidas_radar} vencidas ocultables", "tone": "amber" if vencidas_radar else "blue"},
    ])

    if radar_df.empty:
        render_empty_state("Radar sin resultados", "Ejecuta una búsqueda SLI o ajusta los filtros para visualizar licitaciones abiertas.")
    else:
        render_table_toolbar(
            "Oportunidades abiertas",
            f"Radar ordenado por {radar_sort_mode.lower()}, usando fechas reales del SLI.",
            [f"{len(radar_df)} visibles", f"Score prom. {score_prom:.1f}", "SLI"],
        )
        radar_view = build_radar_table_view(radar_df)
        selected_radar = st.dataframe(
            radar_view,
            use_container_width=True,
            hide_index=True,
            height=520,
            on_select="rerun",
            selection_mode="single-row",
            column_config={
                "Alerta": st.column_config.TextColumn("Alerta", width="medium"),
                "RFQ": st.column_config.TextColumn("RFQ", width="small"),
                "Objeto": st.column_config.TextColumn("Objeto", width="large"),
                "Publicación": st.column_config.DatetimeColumn("Publicación", width="medium", format="DD-MMM-YYYY hh:mm a"),
                "Cierre": st.column_config.DatetimeColumn("Cierre", width="medium", format="DD-MMM-YYYY hh:mm a"),
                "Enmienda": st.column_config.TextColumn("Enmienda", width="small"),
                "Urgencia": st.column_config.TextColumn("Urgencia", width="small"),
                "Prioridad": st.column_config.TextColumn("Prioridad", width="small"),
                "Historial": st.column_config.NumberColumn("Hist.", width="small", help="Participaciones similares encontradas"),
                "Ganadas": st.column_config.NumberColumn("Gan.", width="small", help="Historial similar adjudicado a Proyelec"),
                "Score": st.column_config.NumberColumn("Score", width="small", format="%d"),
                "Estado": st.column_config.TextColumn("Estado", width="small"),
            },
        )

        if len(selected_radar.selection.rows) > 0:
            radar_row = radar_df.iloc[selected_radar.selection.rows[0]]
            radar_id = int(radar_row["id"])
            numero_radar = str(radar_row.get("numero_licitacion", ""))
            objeto_radar = str(radar_row.get("objeto", f"Licitación {numero_radar}"))
            link_radar = str(radar_row.get("link_sli", "") or f"https://apps.pancanal.com/sli/Licitaciones/LicitacionHeader?rfqId={numero_radar}")
            enmienda_radar = str(radar_row.get("numero_enmienda", "") or "").strip()
            enmienda_anterior_radar = str(radar_row.get("enmienda_anterior", "") or "").strip()
            tiene_alerta_enmienda = coerce_bool(radar_row.get("enmienda_alerta", False), default=False)

            st.markdown(f"""
            <div class="selected-record">
                <div class="selected-kicker">Licitacion seleccionada</div>
                <div class="selected-title">{escape(numero_radar)}</div>
                <div class="selected-subtitle">{escape(objeto_radar)}</div>
            </div>
            """, unsafe_allow_html=True)
            detail_cols = st.columns(3)
            detail_cols[0].metric("Publicación", str(radar_row.get("fecha_apertura", "") or "N/D"))
            detail_cols[1].metric("Cierre", str(radar_row.get("fecha_cierre", "") or "N/D"))
            detail_cols[2].metric("Enmienda", enmienda_radar if enmienda_radar else "No")
            if tiene_alerta_enmienda:
                render_notice_panel(
                    "Enmienda nueva detectada",
                    f"Esta licitación estaba en estado {radar_row.get('estado_radar', 'N/D')} y el SLI cambió la enmienda de '{enmienda_anterior_radar or 'Sin enmienda'}' a '{enmienda_radar or 'Sin enmienda'}'. Conviene reabrir la revisión antes de mantener el descarte o continuar el seguimiento.",
                    "amber",
                )
                if st.button("Marcar alerta de enmienda como revisada", use_container_width=True, key=f"ack_enmienda_{radar_id}"):
                    db.marcar_alerta_enmienda_revisada(radar_id)
                    clear_radar_cache()
                    st.toast("Alerta de enmienda marcada como revisada.")
                    st.rerun()
            matches_radar = build_historico_matches_for_radar(
                objeto_radar,
                str(radar_row.get("categoria", "") or ""),
                hist_radar_df,
                max_rows=12,
            )
            if matches_radar.empty:
                st.info("No encontré participaciones anteriores parecidas en el histórico cargado. Para este caso conviene revisar el RFQ antes de estimar rentabilidad.")
            else:
                m1, m2, m3 = st.columns(3)
                m1.metric("Participaciones similares", len(matches_radar))
                m2.metric("Ganadas por Proyelec", int((matches_radar["adjudicada_proyelec"] == "Si").sum()))
                years_match = pd.to_numeric(matches_radar["anio_hist"], errors="coerce").dropna()
                m3.metric("Ultimo ano visto", int(years_match.max()) if not years_match.empty else "N/D")
                with st.expander("Participaciones anteriores similares", expanded=True):
                    st.caption("Cruce orientativo por objeto, categoría, códigos ACP y observaciones del histórico. No reemplaza el análisis del RFQ.")
                    st.dataframe(
                        matches_radar[[
                            "score_hist", "licitacion_hist", "anio_hist", "codigo_acp",
                            "precio_proyelec", "adjudicada_proyelec", "evidencia", "observaciones",
                        ]],
                        use_container_width=True,
                        hide_index=True,
                        column_config={
                            "score_hist": st.column_config.NumberColumn("Score hist.", format="%d"),
                            "licitacion_hist": st.column_config.TextColumn("Licitacion hist."),
                            "anio_hist": st.column_config.NumberColumn("Ano", format="%d"),
                            "codigo_acp": st.column_config.TextColumn("Codigo ACP"),
                            "precio_proyelec": st.column_config.NumberColumn("Precio Proyelec", format="$ %.2f"),
                            "adjudicada_proyelec": st.column_config.TextColumn("Adjudicada"),
                            "evidencia": st.column_config.TextColumn("Coincidencia"),
                            "observaciones": st.column_config.TextColumn("Observaciones"),
                        },
                    )
            analysis_key = f"radar_oportunidad_{radar_id}"
            op_col1, op_col2 = st.columns([0.28, 0.72])
            with op_col1:
                if st.button("Analizar oportunidad", type="primary", use_container_width=True, key=f"analizar_op_{radar_id}"):
                    sli_data = {}
                    with st.status("Consultando SLI y calculando oportunidad...", expanded=True) as status:
                        try:
                            sli_rfq = "".join(filter(str.isdigit, numero_radar))
                            resp_sli = requests.get(
                                f"{API_URL_BASE}/consultar-sli/{sli_rfq}",
                                timeout=55,
                                headers=API_HEADERS,
                            )
                            if resp_sli.status_code == 200:
                                sli_data = resp_sli.json()
                                status.update(label="SLI consultado. Calculando recomendacion...", state="running")
                            else:
                                try:
                                    detail = resp_sli.json().get("detail", {})
                                except Exception:
                                    detail = resp_sli.text
                                sli_data = {"error": str(detail)}
                                st.warning("No se pudo leer el detalle SLI; se usara la informacion del Radar.")
                        except Exception as exc:
                            sli_data = {"error": str(exc)}
                            st.warning("No se pudo consultar SLI; se usara la informacion del Radar.")

                        st.session_state[analysis_key] = analyze_radar_opportunity(
                            radar_row,
                            matches_df=matches_radar,
                            sli_data=sli_data,
                        )
                        status.update(label="Analisis de oportunidad listo.", state="complete")
                        st.rerun()
            with op_col2:
                st.caption("Evalua rubro, historial Proyelec, fecha de cierre, prioridad y estado SLI para sugerir una decision.")

            opportunity = st.session_state.get(analysis_key)
            if opportunity:
                alert_fn = getattr(st, opportunity.get("color", "info"), st.info)
                alert_fn(f"Recomendacion: {opportunity['decision']} | Score {opportunity['score']}/100")
                oc1, oc2, oc3 = st.columns(3)
                oc1.metric("Decision", opportunity["decision"])
                oc2.metric("Score oportunidad", f"{opportunity['score']}/100")
                oc3.metric("Estatus SLI", opportunity.get("sli", {}).get("estatus") or "No disponible")

                with st.expander("Razones, riesgos y próximos pasos", expanded=True):
                    st.markdown("**Razones a favor**")
                    for reason in opportunity.get("razones", []):
                        st.markdown(f"- {reason}")
                    st.markdown("**Riesgos / validaciones**")
                    for risk in opportunity.get("riesgos", []):
                        st.markdown(f"- {risk}")
                    st.markdown("**Próximos pasos sugeridos**")
                    for step in opportunity.get("pasos", []):
                        st.markdown(f"- {step}")

                    sli_info = opportunity.get("sli", {})
                    if sli_info.get("descripcion") or sli_info.get("fecha_cierre") or sli_info.get("fecha_publicacion"):
                        st.markdown("**Datos SLI consultados**")
                        st.caption(
                            f"Publicacion: {sli_info.get('fecha_publicacion') or 'N/D'} | "
                            f"Cierre: {sli_info.get('fecha_cierre') or 'N/D'}"
                        )
                    if sli_info.get("error"):
                        st.warning(f"SLI no disponible para detalle: {sli_info.get('error')}")

            action_col1, action_col2, action_col3, action_col4 = st.columns([0.25, 0.25, 0.25, 0.25])
            notas_radar = st.text_area("Notas de decisión", value=str(radar_row.get("notas", "") or ""), height=80)

            with action_col1:
                if st.button("Marcar revisada", use_container_width=True):
                    db.marcar_licitacion_radar(radar_id, "revisada", st.session_state.username, notas_radar)
                    clear_radar_cache()
                    st.toast("Radar marcado como revisado.")
                    st.rerun()
            with action_col2:
                if st.button("Descartar", use_container_width=True):
                    db.marcar_licitacion_radar(radar_id, "descartada", st.session_state.username, notas_radar)
                    clear_radar_cache()
                    st.toast("Licitación descartada del radar.")
                    st.rerun()
            with action_col3:
                if st.button("Pasar a seguimiento", type="primary", use_container_width=True):
                    nota_seguimiento = notas_radar or f"Agregado desde Radar Supervisor. Historial similar: {int(radar_row.get('hist_participaciones', 0) or 0)} registros."
                    opportunity_for_note = st.session_state.get(f"radar_oportunidad_{radar_id}")
                    if opportunity_for_note and "Recomendacion Radar:" not in nota_seguimiento:
                        nota_seguimiento += f" | Recomendacion Radar: {opportunity_for_note.get('decision')} ({opportunity_for_note.get('score')}/100)"
                    ok = db.crear_seguimiento(
                        numero_radar,
                        objeto_radar,
                        str(radar_row.get("fecha_apertura", "") or ""),
                        "",
                        float(radar_row.get("monto_estimado", 0) or 0),
                        str(radar_row.get("moneda", "USD") or "USD"),
                        link_radar,
                        nota_seguimiento,
                        st.session_state.username,
                    )
                    db.marcar_licitacion_radar(radar_id, "en_seguimiento", st.session_state.username, notas_radar)
                    clear_radar_cache()
                    clear_monitor_cache()
                    st.toast("Licitación enviada al Monitor ACP." if ok else "Ya existía en el Monitor ACP.")
                    st.rerun()
            with action_col4:
                st.link_button("Abrir SLI", link_radar, use_container_width=True)

    with st.expander("Últimos escaneos del radar"):
        scans_df = get_radar_scans_cached(10)
        if scans_df.empty:
            render_empty_state("Sin escaneos registrados", "Cuando se consulte el SLI, los resultados de cada escaneo quedaran aqui.")
        else:
            render_table_toolbar("Bitácora de escaneos", f"{len(scans_df)} registros recientes", ["Radar SLI", "Auditoria"])
            st.dataframe(scans_df, use_container_width=True, hide_index=True)

if active_view == "🏛️ Monitor ACP":
    render_page_header(
        "Operacion post-RFQ",
        "Monitor ACP",
        "Seguimiento de licitaciones enviadas, estados SLI, alertas y decisiones de cierre.",
        ["Pipeline", "SLI", "Alertas"],
    )
    seg_df = get_seguimientos_cached()

    # --- KPIs del monitor ---
    total_seg    = len(seg_df)
    adjudicadas  = len(seg_df[seg_df['estado'] == 'Adjudicada']) if not seg_df.empty else 0
    en_proceso   = len(seg_df[seg_df['estado'].isin(['Oferta Enviada al SLI', 'Cumple Tecnicamente', 'En Evaluacion Economica'])]) if not seg_df.empty else 0
    tasa         = f"{int(adjudicadas/total_seg*100)}%" if total_seg > 0 else "—"

    mk1, mk2, mk3, mk4 = st.columns(4)
    mk1.metric("Total Licitaciones", total_seg)
    mk2.metric("En Evaluación", en_proceso)
    mk3.metric("Adjudicadas", adjudicadas)
    mk4.metric("Tasa de Éxito", tasa)
    prep_count = len(seg_df[seg_df["estado"] == "En Preparacion"]) if not seg_df.empty else 0
    enviada_count = len(seg_df[seg_df["estado"] == "Oferta Enviada al SLI"]) if not seg_df.empty else 0
    eval_count = len(seg_df[seg_df["estado"].isin(["Cumple Tecnicamente", "No Cumple Tecnicamente", "En Evaluacion Economica"])]) if not seg_df.empty else 0
    cierre_count = len(seg_df[seg_df["estado"].isin(["Adjudicada", "No Adjudicada", "Desierta"])]) if not seg_df.empty else 0
    render_summary_strip([
        {"label": "Preparacion", "value": prep_count, "tone": "blue"},
        {"label": "Enviadas SLI", "value": enviada_count, "tone": "amber"},
        {"label": "Evaluacion", "value": eval_count, "tone": "orange"},
        {"label": "Cerradas", "value": cierre_count, "tone": "green"},
    ])
    st.divider()

    col_monitor, col_form = st.columns([0.62, 0.38])

    with col_form:
        with st.expander("➕ Añadir Licitación al Seguimiento", expanded=(total_seg == 0)):
            f_num  = st.text_input("Nº Licitación ACP (RFQ)*", placeholder="Ej: 213330", key="seg_num")
            f_nota  = st.text_area("Notas internas (opcional)", key="seg_nota", height=60)
            
            if st.button("Añadir al Monitor", type="primary", use_container_width=True):
                if f_num:
                    sli_rfq = "".join(filter(str.isdigit, f_num))
                    with st.status(f"Obteniendo datos del SLI para {sli_rfq}...", expanded=True):
                        try:
                            # Hacer peticion a la API local para consultar el SLI
                            resp_sli = requests.get(f"{API_URL_BASE}/consultar-sli/{sli_rfq}", timeout=45, headers=API_HEADERS)
                            
                            f_obj = f"Licitación {sli_rfq}"
                            f_link = f"https://apps.pancanal.com/sli/Licitaciones/LicitacionHeader?rfqId={sli_rfq}"
                            f_estatus = ""
                            
                            if resp_sli.status_code == 200:
                                datos_sli = resp_sli.json()
                                if datos_sli.get("descripcion"):
                                    f_obj = datos_sli.get("descripcion")
                                if datos_sli.get("url"):
                                    f_link = datos_sli.get("url")
                                f_estatus = datos_sli.get("estatus", "")
                                
                            ok = db.crear_seguimiento(
                                sli_rfq, f_obj, "", "",
                                0.0, "USD", f_link, f_nota, st.session_state.username)
                            
                            if ok:
                                clear_monitor_cache()
                                # buscar la licitacion insertada
                                seg_df_new = get_seguimientos_cached()
                                lic_row = seg_df_new[seg_df_new['numero_licitacion'] == sli_rfq]
                                if not lic_row.empty and f_estatus:
                                    lic_id = int(lic_row.iloc[0]['id'])
                                    estado_mapeado = MAPA_ESTADOS_SLI.get(f_estatus.upper(), f_estatus)
                                    db.actualizar_estado(lic_id, estado_mapeado, f"Estado inicial desde SLI: {f_estatus}", "Sistema SLI")
                                    clear_monitor_cache()
                                st.toast(f"✅ Licitación {sli_rfq} añadida al monitor.")
                                st.rerun()
                            else:
                                st.error(f"La licitación '{sli_rfq}' ya existe en el sistema.")
                        except Exception as e:
                            st.error(f"Error conectando con la API: {e}")
                else:
                    st.warning("El número de licitación es obligatorio.")

        st.caption("🔗 Acceso rápido al portal")
        st.link_button("Abrir SLI de la ACP", "https://sli.pancanal.com", use_container_width=True)

    with col_monitor:
        if seg_df.empty:
            render_empty_state("Sin licitaciones registradas", "Usa el formulario para registrar la primera licitacion ACP en seguimiento.")
        else:
            estado_filtro = st.selectbox(
                "Filtrar por estado",
                ["Todos"] + list(db.ESTADOS_ACP),
                label_visibility="collapsed",
                key="monitor_estado_filtro"
            )
            seg_view = seg_df if estado_filtro == "Todos" else seg_df[seg_df["estado"] == estado_filtro]
            render_table_toolbar(
                "Pipeline de seguimiento",
                f"{len(seg_view)} licitaciones visibles en el monitor.",
                [f"Estado: {estado_filtro}", "Comentarios", "SLI"],
            )

            if seg_view.empty:
                render_empty_state("Sin licitaciones en este estado", "Cambia el filtro para revisar otras etapas del pipeline.")

            for _, row in seg_view.iterrows():
                estado    = row.get('estado', 'En Preparacion')
                emoji, bg_color, txt_color = ESTADO_CONFIG.get(estado, ("🔵", "#1E3A5F", "#58A6FF"))
                lic_id    = int(row['id'])
                num_lic   = row.get('numero_licitacion', '')
                objeto    = row.get('objeto', '')[:80]
                resp      = row.get('responsable', '')
                link_sli  = row.get('link_sli', '')
                monto     = row.get('monto_ofertado', 0) or 0
                moneda    = row.get('moneda', 'USD')
                objeto_safe = escape(str(objeto or "Sin descripción"))
                resp_safe = escape(str(resp or "Sin responsable"))
                estado_safe = escape(str(estado or ""))

                # Calcular días desde envío oferta
                dias_txt = ""
                try:
                    f_env_dt = datetime.strptime(str(row.get('fecha_envio_oferta', ''))[:10], "%Y-%m-%d")
                    dias_el  = (datetime.now() - f_env_dt).days
                    alerta   = " ⚠️" if dias_el > 60 and estado in ["Oferta Enviada al SLI", "En Evaluacion Economica"] else ""
                    dias_txt = f"{dias_el} días en evaluación{alerta}"
                except Exception:
                    dias_txt = ""

                with st.container():
                    st.markdown(f"""

                    <div class='monitor-row' style='--status-color:{txt_color};'>

                        <div class='monitor-row-head'>

                            <div>

                                <div class='monitor-owner'>{resp_safe}</div>

                                <div class='monitor-id'>{num_lic}</div>

                                <div class='monitor-object'>{objeto_safe}</div>

                            </div>

                            <div>

                                <div class='status-badge'><span class='status-dot'></span>{estado_safe}</div>

                                <div class='monitor-meta'>

                                    <span class='mini-pill'>{dias_txt or "Sin fecha base"}</span>

                                    <span class='mini-pill'>{moneda} {monto:,.2f}</span>

                                </div>

                            </div>

                        </div>

                    </div>

                    """, unsafe_allow_html=True)

                    # --- ALERTA DE ENMIENDA RECIENTE ---
                    alerta_enmienda = st.session_state.get(f"sli_alerta_enmienda_{lic_id}")
                    if alerta_enmienda:
                        st.markdown(f"""

                        <div style="background: #2B220B; border: 1px solid #E3B341; border-left: 4px solid #E3B341; 

                                    padding: 10px 14px; border-radius: 8px; margin: 8px 0 12px 0;">

                            <div style="color: #F6B44B; font-weight: bold; font-size: 12px; margin-bottom: 4px; display: flex; align-items: center; gap: 6px;">

                                ⚠️ Nueva Enmienda o Modificación Detectada en ACP

                            </div>

                            <div style="color: #E6EDF3; font-size: 11px; line-height: 1.45;">

                                El portal SLI registra una actualización en los documentos de esta licitación.<br>

                                • <b>Última Revisión:</b> {alerta_enmienda['rev_nueva']} (antes: {alerta_enmienda['rev_antigua'] or 'Desconocida'})<br>

                                • <b>Nueva Fecha de Cierre:</b> {alerta_enmienda['cierre_nuevo']} (antes: {alerta_enmienda['cierre_antiguo'] or 'Desconocida'})

                            </div>

                        </div>

                        """, unsafe_allow_html=True)

                    # --- LÍNEA DE TIEMPO INTERACTIVA / PROGRESO ---
                    estado_idx = 1
                    if estado == "Oferta Enviada al SLI":
                        estado_idx = 2
                    elif estado in ["Cumple Tecnicamente", "No Cumple Tecnicamente", "En Evaluacion Economica"]:
                        estado_idx = 3
                    elif estado in ["Adjudicada", "No Adjudicada", "Desierta"]:
                        estado_idx = 4

                    p1_bg = "#4F9CF9"
                    p1_txt = "#080C12"
                    p2_bg = "#F6B44B" if estado_idx >= 2 else "#242C38"
                    p2_txt = "#080C12" if estado_idx >= 2 else "#8C98A8"
                    p3_bg = "#F08A3C" if estado_idx >= 3 else "#242C38"
                    p3_txt = "#080C12" if estado_idx >= 3 else "#8C98A8"
                    
                    if estado == "No Cumple Tecnicamente":
                        p3_bg = "#EF5B5B"
                        p3_txt = "#ffffff"
                    
                    p4_bg = "#31C48D" if estado_idx == 4 else "#242C38"
                    p4_txt = "#080C12" if estado_idx == 4 else "#8C98A8"
                    
                    if estado == "No Adjudicada":
                        p4_bg = "#748091"
                        p4_txt = "#ffffff"
                    elif estado == "Desierta":
                        p4_bg = "#748091"
                        p4_txt = "#ffffff"

                    l1_color = "#F6B44B" if estado_idx >= 2 else "#242C38"
                    l2_color = "#F08A3C" if estado_idx >= 3 else "#242C38"
                    l3_color = "#31C48D" if estado_idx == 4 else "#242C38"

                    st.markdown(f"""

                    <div style="display: flex; align-items: center; justify-content: space-between; 

                                margin: 10px 0 16px 0; padding: 10px 14px; background: #161B22; 

                                border-radius: 8px; border: 1px solid #30363D;">

                        <!-- Paso 1 -->

                        <div style="text-align: center; flex: 1;">

                            <div style="width: 22px; height: 22px; border-radius: 50%; background: {p1_bg}; color: {p1_txt}; display: flex; align-items: center; justify-content: center; margin: 0 auto 4px auto; font-size: 10px; font-weight: bold; box-shadow: 0 0 10px rgba(79, 156, 249, 0.2);">{ "✓" if estado_idx > 1 else "1" }</div>

                            <div style="font-size: 9px; color: #4F9CF9; font-weight: 700; text-transform: uppercase;">Preparación</div>

                        </div>

                        <div style="flex: 0.4; height: 2px; background: {l1_color}; margin-bottom: 12px;"></div>

                        <!-- Paso 2 -->

                        <div style="text-align: center; flex: 1;">

                            <div style="width: 22px; height: 22px; border-radius: 50%; background: {p2_bg}; color: {p2_txt}; display: flex; align-items: center; justify-content: center; margin: 0 auto 4px auto; font-size: 10px; font-weight: bold;">{ "✓" if estado_idx > 2 else "2" }</div>

                            <div style="font-size: 9px; color: { "#F6B44B" if estado_idx >= 2 else "#8C98A8" }; font-weight: 700; text-transform: uppercase;">Envío SLI</div>

                        </div>

                        <div style="flex: 0.4; height: 2px; background: {l2_color}; margin-bottom: 12px;"></div>

                        <!-- Paso 3 -->

                        <div style="text-align: center; flex: 1;">

                            <div style="width: 22px; height: 22px; border-radius: 50%; background: {p3_bg}; color: {p3_txt}; display: flex; align-items: center; justify-content: center; margin: 0 auto 4px auto; font-size: 10px; font-weight: bold;">{ "✓" if estado_idx > 3 else "3" }</div>

                            <div style="font-size: 9px; color: { "#F08A3C" if estado_idx >= 3 else "#8C98A8" }; font-weight: 700; text-transform: uppercase;">Evaluación</div>

                        </div>

                        <div style="flex: 0.4; height: 2px; background: {l3_color}; margin-bottom: 12px;"></div>

                        <!-- Paso 4 -->

                        <div style="text-align: center; flex: 1;">

                            <div style="width: 22px; height: 22px; border-radius: 50%; background: {p4_bg}; color: {p4_txt}; display: flex; align-items: center; justify-content: center; margin: 0 auto 4px auto; font-size: 10px; font-weight: bold;">{ "✓" if estado_idx == 4 else "4" }</div>

                            <div style="font-size: 9px; color: { "#31C48D" if estado_idx == 4 else "#8C98A8" }; font-weight: 700; text-transform: uppercase;">Resolución</div>

                        </div>

                    </div>

                    """, unsafe_allow_html=True)

                    # Controles — fila 1: manual
                    resumen_acta_cache = st.session_state.get(f"sli_resumen_acta_{lic_id}")
                    if resumen_acta_cache:
                        resumen_txt = escape(str(resumen_acta_cache.get("resumen", "Resumen de propuestas consultado.")))
                        st.markdown(f"""

                        <div class='sli-summary'>

                            <div class='sli-summary-title'>Resumen SLI</div>

                            <div class='sli-summary-body'>{resumen_txt}</div>

                        </div>

                        """, unsafe_allow_html=True)
                        hallazgos_cache = resumen_acta_cache.get("hallazgos", [])
                        if hallazgos_cache:
                            with st.expander("Ver observaciones detectadas en resumen SLI"):
                                for hallazgo in hallazgos_cache:
                                    st.markdown(f"- {hallazgo}")
                        if resumen_acta_cache.get("url"):
                            st.link_button("Abrir resumen SLI", resumen_acta_cache.get("url"))

                    ac1, ac2, ac3 = st.columns([0.4, 0.35, 0.25])
                    nuevo_estado = ac1.selectbox("Estado manual", db.ESTADOS_ACP,
                        index=db.ESTADOS_ACP.index(estado) if estado in db.ESTADOS_ACP else 0,
                        key=f"est_{lic_id}", label_visibility="collapsed")
                    nota_upd = ac2.text_input("Nota", key=f"nota_{lic_id}",
                        placeholder="Observación...", label_visibility="collapsed")
                    with ac3:
                        if st.button("Guardar", key=f"upd_{lic_id}", use_container_width=True):
                            db.actualizar_estado(lic_id, nuevo_estado, nota_upd, st.session_state.username)
                            clear_monitor_cache()
                            st.toast(f"✅ Estado actualizado a '{nuevo_estado}'")
                            st.rerun()

                    # Controles — fila 2: consulta automática SLI
                    sli_col1, sli_col2, sli_col3 = st.columns([0.38, 0.34, 0.28])
                    with sli_col1:
                        sli_rfq = "".join(filter(str.isdigit, num_lic))
                        if st.button("Consultar SLI", key=f"sli_{lic_id}", use_container_width=True, type="primary"):
                            with st.status(f"Consultando SLI para licitación {num_lic}...", expanded=True):
                                try:
                                    resp_sli = requests.get(
                                        f"{API_URL_BASE}/consultar-sli/{sli_rfq}",
                                        timeout=75,
                                        headers=API_HEADERS
                                    )
                                    if resp_sli.status_code == 200:
                                        datos_sli = resp_sli.json()
                                        estatus_sli = datos_sli.get("estatus")
                                        desc_sli    = datos_sli.get("descripcion", "")
                                        cierre_sli  = datos_sli.get("fecha_cierre", "")
                                        rev_sli     = datos_sli.get("ultima_revision", "")
                                        resumen_acta = datos_sli.get("resumen_acta", {})
                                        err_sli     = datos_sli.get("error")

                                        if err_sli:
                                            st.warning(f"⚠️ {err_sli}")
                                        elif estatus_sli:
                                            # Mapear estatus SLI al catálogo interno
                                            estado_mapeado = MAPA_ESTADOS_SLI.get(
                                                estatus_sli.upper(), estatus_sli)
                                            
                                            # --- WATCHDOG DE ENMIENDAS / CAMBIOS ---
                                            df_hist_prev = get_historial_seguimiento_cached(lic_id)
                                            if not df_hist_prev.empty:
                                                nota_antigua = str(df_hist_prev.iloc[0].get('nota', ''))
                                                cierre_antiguo, rev_antigua = extraer_meta_nota(nota_antigua)
                                                
                                                cambio_cierre = cierre_sli and cierre_antiguo and (cierre_sli.strip() != cierre_antiguo.strip())
                                                cambio_rev = rev_sli and rev_antigua and (rev_sli.strip() != rev_antigua.strip())
                                                
                                                if cambio_cierre or cambio_rev:
                                                    st.session_state[f"sli_alerta_enmienda_{lic_id}"] = {
                                                        "cierre_antiguo": cierre_antiguo,
                                                        "cierre_nuevo": cierre_sli,
                                                        "rev_antigua": rev_antigua,
                                                        "rev_nueva": rev_sli
                                                    }

                                            nota_auto = f"[SLI Auto] Estatus: {estatus_sli}"
                                            if cierre_sli:
                                                nota_auto += f" | Cierre: {cierre_sli}"
                                            if rev_sli:
                                                nota_auto += f" | Última rev: {rev_sli}"
                                            if resumen_acta.get("disponible"):
                                                st.session_state[f"sli_resumen_acta_{lic_id}"] = resumen_acta
                                                nota_auto += f" | Resumen: {resumen_acta.get('resumen', '')}"
                                                if resumen_acta.get("hallazgos"):
                                                    nota_auto += " | Observaciones: " + " / ".join(resumen_acta.get("hallazgos", [])[:3])
                                            elif resumen_acta.get("error"):
                                                st.session_state.pop(f"sli_resumen_acta_{lic_id}", None)
                                                nota_auto += f" | Resumen SLI: {resumen_acta.get('error')}"
                                            db.actualizar_estado(lic_id, estado_mapeado,
                                                nota_auto, "Sistema SLI")
                                            clear_monitor_cache()
                                            if resumen_acta.get("disponible"):
                                                st.info(resumen_acta.get("resumen", "Resumen de propuestas consultado."))
                                                for hallazgo in resumen_acta.get("hallazgos", [])[:3]:
                                                    st.markdown(f"- {hallazgo}")
                                            st.success(f"✅ Estado SLI: **{estatus_sli}** — Registro actualizado")
                                            st.rerun()
                                        else:
                                            st.warning("El SLI no devolvió un estatus reconocible.")
                                    elif resp_sli.status_code == 503:
                                        try:
                                            err_detail = resp_sli.json().get("detail", {})
                                        except Exception:
                                            err_detail = {}
                                        if isinstance(err_detail, dict):
                                            st.error(f"⚠️ {err_detail.get('message', 'Servicio SLI no disponible')}")
                                            if err_detail.get("hint"):
                                                st.caption(err_detail.get("hint"))
                                        else:
                                            st.error(f"⚠️ {err_detail or 'Servicio SLI no disponible'}")
                                    else:
                                        try:
                                            err_detail = resp_sli.json().get("detail", {})
                                        except Exception:
                                            err_detail = {}
                                        if isinstance(err_detail, dict):
                                            st.error(f"Error SLI {resp_sli.status_code}: {err_detail.get('message', 'No se pudo consultar el SLI')}")
                                            if err_detail.get("hint"):
                                                st.caption(err_detail.get("hint"))
                                            if err_detail.get("technical"):
                                                with st.expander("Detalle tecnico"):
                                                    st.code(err_detail.get("technical"))
                                        else:
                                            st.error(f"Error SLI {resp_sli.status_code}: {err_detail or 'No se pudo consultar el SLI'}")
                                except requests.exceptions.Timeout:
                                    st.error("⏱️ El SLI tardó demasiado. Intenta de nuevo.")
                                except Exception as e_sli:
                                    st.error(f"Error: {e_sli}")
                    with sli_col2:
                        sli_url_directo = link_sli or f"https://apps.pancanal.com/sli/Licitaciones/LicitacionHeader?rfqId={sli_rfq}"
                        st.link_button("Ver en SLI", sli_url_directo, use_container_width=True)
                    with sli_col3:
                        if st.button("Eliminar", key=f"del_seg_{lic_id}", help="Eliminar del Monitor ACP", use_container_width=True):
                            db.eliminar_seguimiento(lic_id)
                            clear_monitor_cache()
                            st.toast(f"Seguimiento {num_lic} eliminado.", icon="🗑️")
                            st.rerun()

                    # --- ASESORÍA ESTRATÉGICA IA ---
                    st.markdown("<div style='margin-top: 10px;'></div>", unsafe_allow_html=True)
                    btn_col, clear_btn_col = st.columns([0.7, 0.3])
                    with btn_col:
                        btn_consultar_ia = st.button(
                            "🎓 Carlos Méndez: Consultar Estrategia", 
                            key=f"ai_carlos_{lic_id}", 
                            use_container_width=True
                        )
                    with clear_btn_col:
                        btn_clear_ia = st.button(
                            "🗑️ Limpiar Asesoría", 
                            key=f"clear_ai_carlos_{lic_id}", 
                            use_container_width=True
                        )

                    # Si el usuario hace clic en Consultar
                    if btn_consultar_ia:
                        if not st.session_state.gemini_key:
                            st.error("🔑 Configura tu API Key de Gemini en el panel lateral.")
                        else:
                            with st.spinner("🎓 El Asesor Carlos Méndez está evaluando el estatus..."):
                                try:
                                    hist_seg_str = ""
                                    df_hist_seg = get_historial_seguimiento_cached(lic_id)
                                    if not df_hist_seg.empty:
                                        hist_seg_str = "\n".join([f"- {h['fecha'][:10]}: {h['estado_nuevo']} ({h['nota'] or 'Sin nota'})" for _, h in df_hist_seg.head(5).iterrows()])
                                    else:
                                        hist_seg_str = "Sin historial de actualizaciones."

                                    alerta_ctx = ""
                                    alerta_enmienda = st.session_state.get(f"sli_alerta_enmienda_{lic_id}")
                                    if alerta_enmienda:
                                        alerta_ctx = f"""

*** ALERTA DE ENMIENDA RECIENTE EN LA ACP ***

- Se detectó un cambio en el pliego o documentos adjuntos en la última consulta.

- Fecha de revisión anterior: {alerta_enmienda.get('rev_antigua','N/A')}

- Nueva fecha de revisión: {alerta_enmienda.get('rev_nueva','N/A')}

- Fecha de cierre anterior: {alerta_enmienda.get('cierre_antiguo','N/A')}

- Nueva fecha de cierre: {alerta_enmienda.get('cierre_nuevo','N/A')}

Debes comentar esta alerta en tu recomendación y dar instrucciones claras de cómo proceder."""

                                    prompt_seg_ai = f"""Eres Carlos Méndez, Asesor Senior de Procura con 25 años de experiencia en licitaciones del Canal de Panamá (ACP) y Procura B2B.



El analista te pide tu opinión experta sobre esta licitación activa en el Monitor ACP:



INFORMACIÓN DE LA LICITACIÓN:

- RFQ / Número: {num_lic}

- Objeto: {objeto_safe}

- Responsable: {resp_safe}

- Estado Actual: {estado}

- Días desde que se envió la oferta: {dias_txt or "No definido"}

- Monto Ofertado: {moneda} {monto:,.2f}



HISTORIAL DE ACTUALIZACIONES RECIENTES:

{hist_seg_str}

{alerta_ctx}



Tu misión es dar un análisis estratégico súper corto, ultra-accionable y con lenguaje de mentor (en español).



Estructura tu respuesta en este formato exacto:

🎓 **Estrategia para Licitación {num_lic}**

- **Diagnóstico del Estatus**: [1 frase sobre qué significa esta fase o el retraso actual en la ACP, comentando brevemente la enmienda si existe]

- **Acción Inmediata**: [1 paso concreto que el analista debe hacer HOY. Ej: Extender fianza de propuesta, preparar subsanación técnica o monitorear acta de apertura]

- **Alerta de Riesgo**: [Qué podría salir mal si no se actúa y cómo mitigarlo]



Sé directo y profesional, escribe máximo 100 palabras en total. ¡Usa tu amplia experiencia con la ACP!"""

                                    st.session_state[f"sli_analisis_ia_{lic_id}"] = gemini_generate_text(st.session_state.gemini_key, prompt_seg_ai)
                                except Exception as e:
                                    st.error(f"❌ Error al consultar al Asesor: {e}")

                    # Si el usuario hace clic en Limpiar
                    if btn_clear_ia:
                        st.session_state.pop(f"sli_analisis_ia_{lic_id}", None)
                        st.rerun()

                    # Mostrar análisis si existe
                    analisis_ia = st.session_state.get(f"sli_analisis_ia_{lic_id}")
                    if analisis_ia:
                        st.markdown(f"""

                        <div style="background: #0E1624; border: 1px solid #1E2A3A; border-left: 3px solid #10B981; 

                                    padding: 12px; border-radius: 8px; margin-top: 10px; margin-bottom: 10px;">

                            <div style="color: #31C48D; font-size: 11px; font-weight: 800; text-transform: uppercase; letter-spacing: 0.05em; margin-bottom: 5px;">

                                🎓 Consejo Estratégico de Carlos Méndez, CPSM

                            </div>

                            <div style="color: #E6EDF3; font-size: 12.5px; line-height: 1.45;">

                                {analisis_ia}

                            </div>

                        </div>

                        """, unsafe_allow_html=True)

                    # Historial colapsable
                    df_hist_seg = get_historial_seguimiento_cached(lic_id)
                    if not df_hist_seg.empty:
                        with st.expander(f"📋 Historial ({len(df_hist_seg)} actualizaciones)"):
                            for _, h in df_hist_seg.iterrows():
                                h_emoji, _, h_color = ESTADO_CONFIG.get(h['estado_nuevo'], ("🔵","","#58A6FF"))
                                st.markdown(f"""

                                <div style='border-left:3px solid {h_color};padding:6px 12px;margin-bottom:6px;'>

                                    <div style='font-size:11px;color:#484f58;'>{h['fecha'][:16]} — {h['registrado_por']}</div>

                                    <div style='font-size:13px;color:#F0F6FC;'>{h_emoji} <b>{h['estado_nuevo']}</b></div>

                                    <div style='font-size:12px;color:#8B949E;'>{h['nota'] or ''}</div>

                                </div>

                                """, unsafe_allow_html=True)
                    st.markdown("---")

if active_view == "📚 Base de Conocimiento":
    render_page_header(
        "Memoria operativa",
        "Base de Conocimiento",
        "Workspaces guardados, historial de análisis y documentos reutilizables por el equipo.",
        ["Workspaces", "Historial", st.session_state.role],
    )
    df_history = get_user_history(st.session_state.username)

    # --- STATS GLOBALES ---
    total_lic_h = len(df_history)
    total_reng_h = int(df_history['Renglones'].sum()) if not df_history.empty and 'Renglones' in df_history.columns else 0
    ultima_h = df_history['Fecha Proceso'].iloc[0][:10] if not df_history.empty else "—"

    hk1, hk2, hk3 = st.columns(3)
    hk1.metric("Total Licitaciones Procesadas", total_lic_h)
    hk2.metric("Total Renglones Analizados", total_reng_h)
    hk3.metric("Última Actividad", ultima_h)
    st.divider()

    if df_history.empty:
        render_empty_state("Sin registros aún", "Procesa tu primer pliego para comenzar a construir el historial operativo.")
    else:
        # --- BUSCADOR ---
        busqueda = st.text_input("🔍 Buscar por número de licitación", placeholder="Ej: ACP-2024-001", label_visibility="collapsed")
        df_filtrado = df_history[df_history['Nº Licitación'].astype(str).str.contains(busqueda, case=False, na=False)] if busqueda else df_history

        col_tabla, col_acciones = st.columns([0.65, 0.35])

        with col_tabla:
            if df_filtrado.empty:
                render_empty_state("Sin coincidencias", "Ajusta la búsqueda para encontrar licitaciones procesadas.")
            else:
                render_table_toolbar(
                    "Historial de análisis",
                    f"{len(df_filtrado)} de {len(df_history)} licitaciones visibles.",
                    [st.session_state.role, "Workspaces"],
                )
            ev_hist = st.dataframe(
                df_filtrado,
                use_container_width=True,
                hide_index=True,
                on_select="rerun",
                selection_mode="single-row",
                column_config={
                    "Nº Licitación": st.column_config.TextColumn("Nº Licitación", width="medium"),
                    "Fecha Proceso": st.column_config.TextColumn("Fecha", width="medium"),
                    "Renglones": st.column_config.NumberColumn("Renglones", width="small"),
                }
            )

        with col_acciones:
            st.caption("Acciones")

            # --- WORKSPACES GUARDADOS ---
            es_gerencia = st.session_state.role == "Gerencia"
            df_ws_list = get_all_workspaces_cached(st.session_state.username, all_users=es_gerencia)

            if df_ws_list.empty:
                st.info("No hay workspaces guardados.")
            else:
                st.caption(f"{'Todos los workspaces del equipo' if es_gerencia else 'Mis workspaces guardados'} ({len(df_ws_list)})")
                for _, ws_row in df_ws_list.iterrows():
                    ws_lic = ws_row['licitacion']
                    ws_user = ws_row.get('username', st.session_state.username)
                    ws_fecha = ws_row.get('fecha_guardado', '')[:10]
                    wc1, wc2, wc3 = st.columns([0.5, 0.25, 0.25])
                    with wc1:
                        st.markdown(f"<div style='font-size:12px;color:#F0F6FC;padding-top:6px;'><b>{ws_lic}</b><br><span style='color:#484f58;font-size:10px;'>{ws_user} · {ws_fecha}</span></div>", unsafe_allow_html=True)
                    with wc2:
                        if st.button("Cargar", key=f"ws_load_{ws_user}_{ws_lic}", use_container_width=True):
                            df_ws_load, cg_ws_load = load_workspace_by_licitacion(ws_user, ws_lic)
                            if df_ws_load is not None:
                                st.session_state.df_exportar = df_ws_load
                                st.session_state.cg = cg_ws_load
                                st.session_state.procesado = True
                                st.toast(f"✅ Workspace '{ws_lic}' cargado.", icon="🔄")
                                st.rerun()
                    with wc3:
                        if st.button("🗑️", key=f"ws_del_{ws_user}_{ws_lic}", help="Eliminar workspace"):
                            db.delete_workspace(ws_user, ws_lic)
                            get_all_workspaces_cached.clear()
                            st.toast(f"Workspace '{ws_lic}' eliminado.")
                            st.rerun()

            st.divider()

            # Si seleccionaron una fila — ver sus correos
            if len(ev_hist.selection.rows) > 0:
                fila_hist = df_filtrado.iloc[ev_hist.selection.rows[0]]
                lic_sel = str(fila_hist.get('Nº Licitación', ''))
                num_sel = "".join(re.findall(r'\d+', lic_sel))

                st.markdown(f"""

                <div style='background:#161B22; border:1px solid #238636; border-radius:10px; padding:14px; margin-bottom:12px;'>

                    <div style='font-size:11px; color:#3fb950; text-transform:uppercase; letter-spacing:1px;'>Seleccionada</div>

                    <div style='font-size:14px; font-weight:700; color:#F0F6FC; margin-top:4px;'>{lic_sel}</div>

                    <div style='font-size:11px; color:#8B949E;'>{int(fila_hist.get('Renglones', 0))} renglones procesados</div>

                </div>

                """, unsafe_allow_html=True)

                df_correos_hist = obtener_correos_licitacion(num_sel)
                n_correos = len(df_correos_hist)
                st.metric("Correos en Bandeja", n_correos)

                if n_correos > 0:
                    with st.expander(f"📥 Ver {n_correos} correo(s) de esta licitación"):
                        for _, ch in df_correos_hist.iterrows():
                            st.markdown(f"""

                            <div class='email-card'>

                                <div style='display:flex;justify-content:space-between;color:#8B949E;font-size:11px;margin-bottom:6px;'>

                                    <strong>{ch.get('remitente','')[:40]}</strong>

                                    <span>{ch.get('fecha','')}</span>

                                </div>

                                <div style='color:#E0E0E0;font-size:14px;font-weight:600;margin-bottom:6px;'>{ch.get('asunto','')}</div>

                                <div style='color:#C9D1D9;font-size:12px;'>💡 {ch.get('resumen','')}</div>

                            </div>

                            """, unsafe_allow_html=True)

                st.markdown("<br>", unsafe_allow_html=True)
                if st.button("🗑️ Eliminar este Registro", key=f"del_hist_{lic_sel}", use_container_width=True):
                    db.delete_history_entry(st.session_state.username, lic_sel)
                    get_user_history.clear()
                    st.toast(f"Registro {lic_sel} eliminado.", icon="🗑️")
                    st.rerun()

        st.divider()
        # Exportar historial completo
        buf_hist = io.BytesIO()
        df_history.to_excel(buf_hist, index=False, engine='openpyxl')
        
        col_exp, col_del = st.columns([0.7, 0.3])
        with col_exp:
            st.download_button("📥 Exportar Historial a Excel", data=buf_hist.getvalue(),
                file_name="Historial_PROCURA.xlsx",
                mime="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet",
                use_container_width=True)
        with col_del:
            if st.button("⚠️ Borrar Todo", use_container_width=True, type="secondary"):
                db.clear_all_history(st.session_state.username)
                get_user_history.clear()
                st.toast("Historial borrado completamente.", icon="✅")
                st.rerun()

if active_view == "🚀 Tablero de Operaciones":
    if not st.session_state.procesado:
        # --- KPIs REALES DEL SISTEMA ---
        df_hist_kpi = get_user_history(st.session_state.username)
        total_lic = len(df_hist_kpi)
        total_reng = int(df_hist_kpi['Renglones'].sum()) if not df_hist_kpi.empty and 'Renglones' in df_hist_kpi.columns else 0
        ultima_act = df_hist_kpi['Fecha Proceso'].iloc[0][:10] if not df_hist_kpi.empty else "Sin actividad"
        try:
            seg_kpi_df = get_seguimientos_cached()
            total_seg_kpi = len(seg_kpi_df)
            en_eval_kpi = len(seg_kpi_df[seg_kpi_df["estado"].isin(["Oferta Enviada al SLI", "Cumple Tecnicamente", "En Evaluacion Economica"])]) if not seg_kpi_df.empty else 0
        except Exception:
            total_seg_kpi = 0
            en_eval_kpi = 0
        try:
            radar_kpi_df = add_radar_date_columns(get_radar_cached())
            radar_abiertas = len(radar_kpi_df[~radar_kpi_df["_radar_vencida"]]) if not radar_kpi_df.empty and "_radar_vencida" in radar_kpi_df.columns else len(radar_kpi_df)
            radar_prioritarias = int(radar_kpi_df["es_prioritaria"].fillna(False).sum()) if not radar_kpi_df.empty and "es_prioritaria" in radar_kpi_df.columns else 0
        except Exception:
            radar_abiertas = 0
            radar_prioritarias = 0

        role_profile = get_role_profile()
        api_online_now = get_api_health()
        hero_rows = [
            ("RFQs analizados", total_lic),
            ("Renglones procesados", total_reng),
            ("En seguimiento", total_seg_kpi),
        ]
        if role_can("radar"):
            hero_rows = [
                ("Radar abiertas", radar_abiertas),
                ("Prioritarias", radar_prioritarias),
                ("Monitor activo", en_eval_kpi),
            ]
        hero_rows_html = "".join(
            f"<div><span>{escape(str(label))}</span><b>{escape(str(value))}</b></div>"
            for label, value in hero_rows
        )
        st.markdown(f"""
        <div class="ops-hero">
            <div class="ops-hero-main">
                <div class="page-eyebrow">{escape(role_profile["title"])}</div>
                <h1 class="page-title">Procura operativa</h1>
                <div class="page-subtitle">Hola {escape(st.session_state.username)}. {escape(role_profile["scope"])}</div>
                <div class="ops-hero-pills">
                    <span>Rol: {escape(current_role_mode())}</span>
                    <span>Última actividad: {escape(str(ultima_act))}</span>
                    <span class="{'pill-ok' if api_online_now else 'pill-alert'}">Motor IA {'activo' if api_online_now else 'apagado'}</span>
                </div>
            </div>
            <div class="ops-hero-side">
                {hero_rows_html}
            </div>
        </div>
        """, unsafe_allow_html=True)

        summary_items = [
            {"label": "RFQs procesados", "value": total_lic, "tone": "blue"},
            {"label": "Renglones", "value": total_reng, "tone": "green"},
            {"label": "Seguimiento", "value": total_seg_kpi, "tone": "amber"},
            {"label": "Motor IA", "value": "Activo" if api_online_now else "Apagado", "tone": "green" if api_online_now else "red"},
        ]
        if role_can("radar"):
            summary_items = [
                {"label": "Radar abiertas", "value": radar_abiertas, "tone": "blue"},
                {"label": "Prioritarias", "value": radar_prioritarias, "tone": "amber"},
                {"label": "Monitor activo", "value": en_eval_kpi, "tone": "green"},
                {"label": "RFQs procesados", "value": total_lic, "tone": "blue"},
            ]
        if role_can("historico"):
            summary_items.append({"label": "Histórico Supabase", "value": f"{get_historico_count_cached():,}", "tone": "blue"})
        render_summary_strip(summary_items)

        st.markdown("<div class='section-title'>Rutas de trabajo</div>", unsafe_allow_html=True)
        route_cards = [
            ("Analizar RFQ", "Carga de pliego y anexos desde el panel lateral.", "Listo", None),
            ("Proveedores", "Sourcing por renglón con evidencia y señales de precio.", "Abrir", "🌐 Proveedores"),
            ("Seguimiento", "Estados, comentarios y trazabilidad de participación.", "Abrir", "🏛️ Monitor ACP"),
            ("Workspaces", "Recuperar análisis guardados y actividad reciente.", "Abrir", "📚 Base de Conocimiento"),
        ]
        if role_can("radar"):
            route_cards.insert(3, ("Radar SLI", "Licitaciones abiertas, prioridad y acción sugerida.", "Abrir", "📡 Radar Supervisor"))
        if role_can("historico"):
            route_cards.append(("Histórico", "Base corporativa de precios y licitaciones previas.", "Abrir", "📊 Historial Global"))

        for start in range(0, len(route_cards), 3):
            route_cols = st.columns(min(3, len(route_cards) - start))
            for col, (title, body, action, target_view) in zip(route_cols, route_cards[start:start + 3]):
                with col:
                    st.markdown(f"""
                    <div class="ops-route-card">
                        <div class="route-title">{escape(title)}</div>
                        <div class="route-body">{escape(body)}</div>
                    </div>
                    """, unsafe_allow_html=True)
                    if target_view:
                        if st.button(action, key=f"route_{target_view}", use_container_width=True):
                            st.session_state.active_view = target_view
                            st.query_params["view"] = next((item["key"] for item in navigation_items if item["view"] == target_view), "inicio")
                            st.rerun()
                    else:
                        st.caption("Disponible en el panel lateral.")

        st.markdown("<div class='section-title'>Lectura rápida</div>", unsafe_allow_html=True)
        d1, d2 = st.columns([0.55, 0.45])
        with d1:
            st.markdown(f"""
            <div class="work-panel dashboard-panel">
                <div class="panel-label">Prioridad recomendada</div>
                <div class="panel-title">RFQ → Proveedores → Seguimiento</div>
                <div class="panel-copy">El flujo operativo queda separado por módulos para que cada cargo vea solo las decisiones que le corresponden.</div>
            </div>
            """, unsafe_allow_html=True)
        with d2:
            st.markdown(f"""
            <div class="work-panel dashboard-panel">
                <div class="panel-label">Estado operativo</div>
                <div class="dashboard-stat-row"><span>Licitaciones prioritarias</span><b>{radar_prioritarias if role_can("radar") else "N/A"}</b></div>
                <div class="dashboard-stat-row"><span>Monitor activo</span><b>{en_eval_kpi}</b></div>
                <div class="dashboard-stat-row"><span>Alcance</span><b>{escape(role_profile["badge"])}</b></div>
            </div>
            """, unsafe_allow_html=True)

        st.markdown("<div class='section-title'>Acceso del rol actual</div>", unsafe_allow_html=True)
        render_access_snapshot()

        if not df_hist_kpi.empty:
            st.markdown("<div class='section-title'>Actividad reciente</div>", unsafe_allow_html=True)
            render_table_toolbar("Actividad reciente", "Últimos análisis procesados por el usuario activo.", [st.session_state.username, "Historial"])
            st.dataframe(df_hist_kpi.head(8), use_container_width=True, hide_index=True)
        else:
            render_empty_state("Sin actividad reciente", "Cuando proceses un RFQ, aparecera aqui como acceso rapido.")
            
    else:
        df_render = normalize_item_codes(normalize_technical_fields(normalize_history_columns(st.session_state.df_exportar)))
        cg_render = st.session_state.cg if isinstance(st.session_state.cg, dict) else {}
        df_render, missing_proposal_rows = apply_proposal_scope_from_cg(df_render, cg_render)
        if "acepta_equivalente" in df_render.columns:
            df_render["equivalente_txt"] = df_render["acepta_equivalente"].apply(bool_label)

        result_views = ["📋 1. Matriz de Productos", "📨 2. Emisión de RFQs", "🤖 3. Centro de Mando AI", "📈 4. Análisis de Costos"]
        if role_can("logistics_calc"):
            result_views.append("🚚 5. Costos Logísticos")

        result_view = st.radio(
            "Vista de licitacion",
            result_views,
            horizontal=True,
            label_visibility="collapsed",
            key="result_view",
        )
        
        if result_view == "📋 1. Matriz de Productos":
            numero_licitacion = first_doc_value(cg_render, ["numero_licitacion", "licitacion", "numero_de_licitacion"])
            lugar_entrega = first_doc_value(cg_render, ["lugar_de_entrega", "lugar_entrega", "sitio_entrega"])
            tiempo_entrega = first_doc_value(cg_render, ["tiempo_de_entrega_global", "tiempo_entrega", "plazo_entrega"])
            garantia_exigida = first_doc_value(cg_render, ["garantia_exigida", "garantia", "garantias"])
            propuesta_tecnica = first_doc_value(cg_render, ["propuesta_tecnica_requerida"])
            validez_oferta = first_doc_value(cg_render, ["validez_de_la_oferta", "validez_oferta"])
            encargado_licitacion = first_doc_value(cg_render, [
                "persona_encargada_licitacion",
                "persona_encargada",
                "agente_de_compras",
                "comprador",
                "responsable_licitacion",
            ])
            correo_encargado = first_doc_value(cg_render, [
                "correo_encargado_licitacion",
                "email_encargado_licitacion",
                "correo_encargado",
                "correo_contacto",
                "email",
            ])
            telefono_encargado = first_doc_value(cg_render, [
                "telefono_encargado_licitacion",
                "telefono_encargado",
                "telefono_contacto",
                "telefono",
            ])
            presencia_local, participacion_sugerida, presencia_nota, presencia_tone = get_local_presence_decision(cg_render)
            evidencia_presencia = first_doc_value(cg_render, ["evidencia_presencia_local"], default="")
            evidencia_presencia_html = (
                f"<small>{escape(evidencia_presencia)}</small>" if evidencia_presencia else ""
            )

            render_table_toolbar(
                "Información de la licitación",
                "Datos críticos extraídos del pliego para ordenar la evaluación antes de cotizar.",
                ["Pliego", "Contacto ACP", participacion_sugerida],
            )
            st.markdown(f"""
            <div class="bid-info-band">
                <div class="rfq-summary-grid bid-info-grid">
                    <div class="rfq-summary-tile">
                        <span>Nº Licitación</span>
                        <b>{escape(numero_licitacion)}</b>
                    </div>
                    <div class="rfq-summary-tile">
                        <span>Garantía</span>
                        <b>{escape(garantia_exigida)}</b>
                    </div>
                    <div class="rfq-summary-tile">
                        <span>Lugar Entrega</span>
                        <b>{escape(lugar_entrega)}</b>
                    </div>
                    <div class="rfq-summary-tile">
                        <span>Tiempo Entrega</span>
                        <b>{escape(tiempo_entrega)}</b>
                    </div>
                    <div class="rfq-summary-tile">
                        <span>Req. Prop. Técnica</span>
                        <b>{escape(propuesta_tecnica)}</b>
                    </div>
                    <div class="rfq-summary-tile">
                        <span>Validez de Oferta</span>
                        <b>{escape(validez_oferta)}</b>
                    </div>
                </div>
                <div class="rfq-summary-grid bid-info-grid bid-contact-grid">
                    <div class="rfq-summary-tile">
                        <span>Encargado ACP</span>
                        <b>{escape(encargado_licitacion)}</b>
                    </div>
                    <div class="rfq-summary-tile">
                        <span>Correo</span>
                        <b>{escape(correo_encargado)}</b>
                    </div>
                    <div class="rfq-summary-tile">
                        <span>Teléfono</span>
                        <b>{escape(telefono_encargado)}</b>
                    </div>
                    <div class="rfq-summary-tile {presencia_tone}">
                        <span>Presencia local</span>
                        <b>{escape(presencia_local)}</b>{evidencia_presencia_html}
                    </div>
                    <div class="rfq-summary-tile decision-card {presencia_tone}">
                        <span>Empresa sugerida</span>
                        <b>{escape(participacion_sugerida)}</b>
                        <small>{escape(presencia_nota)}</small>
                    </div>
                </div>
            </div>
            """, unsafe_allow_html=True)
            st.divider()

            restriccion = cg_render.get("restriccion_marca_proveedor")
            evidencia_restr = cg_render.get("evidencia_restricciones", "")
            permite_equiv = coerce_optional_bool(cg_render.get("permite_equivalentes", None))
            carta_obsol = coerce_bool(cg_render.get("permite_carta_obsolescencia", False), default=False)
            riesgo_global = str(cg_render.get("riesgo_tecnico_global", "Bajo") or "Bajo")
            req_prop_count = int(df_render["requiere_propuesta_tecnica"].fillna(False).sum()) if "requiere_propuesta_tecnica" in df_render.columns else 0
            req_ficha_count = int(df_render["requiere_ficha_tecnica"].fillna(False).sum()) if "requiere_ficha_tecnica" in df_render.columns else 0
            obsol_count = int(df_render["posible_obsolescencia"].fillna(False).sum()) if "posible_obsolescencia" in df_render.columns else 0
            marca_count = int(df_render["marca_modelo_requerido"].apply(is_meaningful_text).sum()) if "marca_modelo_requerido" in df_render.columns else 0

            tech_cols = st.columns(5)
            tech_cols[0].metric("Riesgo técnico", riesgo_global)
            tech_cols[1].metric("Propuesta técnica", req_prop_count)
            tech_cols[2].metric("Ficha/catálogo", req_ficha_count)
            tech_cols[3].metric("Marca/modelo exigido", marca_count)
            tech_cols[4].metric("Posible obsolescencia", obsol_count)

            if is_meaningful_text(restriccion):
                st.warning(f"Restricción de marca/proveedor detectada: {restriccion}")
            if permite_equiv is False:
                st.error("El pliego no parece permitir equivalentes. Validar restricción antes de participar.")
            elif permite_equiv is True:
                st.success("El pliego permite equivalentes o alternativas técnicas.")
            if carta_obsol:
                st.info("El pliego permite carta de fabricante para actualización de números de parte obsoletos.")
            if missing_proposal_rows:
                st.warning(
                    "La evidencia de propuesta técnica menciona línea(s) "
                    f"{', '.join(missing_proposal_rows)}, pero no aparecen como renglones en la matriz extraída. "
                    "Conviene revisar si falta un renglón del PDF."
                )
            render_analysis_state(cg_render, df_render, missing_proposal_rows, current_role_mode())
            evidencia_prop = cg_render.get("evidencia_propuesta_tecnica", "")
            if is_meaningful_text(evidencia_prop):
                with st.expander("Ver evidencia de propuesta técnica"):
                    st.write(evidencia_prop)
            if is_meaningful_text(evidencia_restr):
                with st.expander("Ver evidencia técnica general"):
                    st.write(evidencia_restr)

            df_items_view = pd.DataFrame(index=df_render.index)
            df_items_view["Renglón"] = df_render["renglon"].astype(str) if "renglon" in df_render.columns else ""
            df_items_view["Código ACP"] = df_render["codigo_articulo"].astype(str) if "codigo_articulo" in df_render.columns else ""
            df_items_view["Cant."] = pd.to_numeric(df_render["cantidad"], errors="coerce") if "cantidad" in df_render.columns else None
            df_items_view["Descripción / búsqueda"] = df_render["termino_de_busqueda_corto"].fillna("").astype(str) if "termino_de_busqueda_corto" in df_render.columns else ""
            df_items_view["Prop. técnica"] = df_render["requiere_propuesta_tecnica"].fillna(False).apply(lambda v: "Sí" if bool(v) else "No")
            df_items_view["Ficha/catálogo adj."] = df_render["requiere_ficha_tecnica"].fillna(False).apply(lambda v: "Sí" if bool(v) else "No")
            df_items_view["Marca / restricción"] = df_render["marca_modelo_requerido"].apply(lambda v: str(v) if is_meaningful_text(v) else "No especificado")
            df_items_view["Equivalentes"] = df_render["acepta_equivalente"].apply(bool_label) if "acepta_equivalente" in df_render.columns else "No determinado"
            df_items_view["Obsolescencia"] = df_render["posible_obsolescencia"].fillna(False).apply(lambda v: "Revisar" if bool(v) else "No")

            col_config = {
                "Renglón": st.column_config.TextColumn("Renglón", width="small"),
                "Código ACP": st.column_config.TextColumn("Código ACP", width="medium"),
                "Cant.": st.column_config.NumberColumn("Cant.", format="%d", width="small"),
                "Descripción / búsqueda": st.column_config.TextColumn("Descripción / búsqueda", width="large"),
                "Prop. técnica": st.column_config.TextColumn("Prop. técnica", width="small"),
                "Ficha/catálogo adj.": st.column_config.TextColumn("Ficha/catálogo adj.", width="small"),
                "Marca / restricción": st.column_config.TextColumn("Marca / restricción", width="medium"),
                "Equivalentes": st.column_config.TextColumn("Equivalentes", width="small"),
                "Obsolescencia": st.column_config.TextColumn("Obsolescencia", width="small"),
            }

            render_table_toolbar(
                "Matriz de renglones",
                "Vista general del pliego procesado. Usa el selector inferior para abrir el detalle técnico de cada renglón.",
                [f"{len(df_items_view)} renglones", "Costos: pestaña 4"],
            )
            col_exp, col_xls = st.columns([0.7, 0.3])
            with col_exp:
                st.caption("Vista operativa del pliego procesado.")
            with col_xls:
                _buf = io.BytesIO()
                df_render.to_excel(_buf, index=False, engine='openpyxl')
                st.download_button("Exportar Excel", data=_buf.getvalue(), file_name=f"Licitacion_{cg_render.get('numero_licitacion','')}.xlsx", mime="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet", use_container_width=True)
            st.dataframe(df_items_view, column_config=col_config, use_container_width=True, hide_index=True)

            def row_detail_label(row_idx):
                row = df_render.loc[row_idx]
                renglon = clean_doc_value(row.get("renglon", ""), default="-")
                codigo = clean_doc_value(row.get("codigo_articulo", ""), default="S/C")
                term = clean_doc_value(row.get("termino_de_busqueda_corto", ""), default="Sin descripción")
                term = term if len(term) <= 88 else f"{term[:85]}..."
                prop = "Prop. técnica" if coerce_bool(row.get("requiere_propuesta_tecnica", False), default=False) else "Sin prop. técnica"
                return f"Renglón {renglon} | {codigo} | {prop} | {term}"

            selected_row_idx = None
            if not df_render.empty:
                render_table_toolbar(
                    "Detalle del renglón",
                    "Elige el renglón a revisar. La tabla superior queda como vista general.",
                    ["Checklist", "Evidencia", "Proveedores"],
                )
                row_options = list(df_render.index)
                selected_row_idx = st.selectbox(
                    "Ver detalle del renglón",
                    row_options,
                    format_func=row_detail_label,
                    key="matrix_detail_row_idx",
                    label_visibility="collapsed",
                )

            if selected_row_idx is not None:
                fila = df_render.loc[selected_row_idx]
                lic_hist = fila.get("licitacion_hist", "")
                anio_hist = fila.get("anio_hist", "")
                precio_comp = fila.get("precio_comp_hist", None)
                precio_proy = fila.get("precio_proy_hist", None)
                hist_source = "Sin referencia histórica en Supabase"
                if pd.notna(precio_comp) or pd.notna(precio_proy):
                    try:
                        anio_hist_txt = str(int(float(anio_hist)))
                    except Exception:
                        anio_hist_txt = "Año N/A"
                    hist_source = f"Histórico Supabase: licitación {lic_hist or 'N/A'} ({anio_hist_txt})"

                requiere_prop = coerce_bool(fila.get("requiere_propuesta_tecnica", False), default=False)
                requiere_ficha = coerce_bool(fila.get("requiere_ficha_tecnica", False), default=False)
                marca_modelo = fila.get("marca_modelo_requerido", None)
                acepta_equiv = coerce_optional_bool(fila.get("acepta_equivalente", None))
                posible_obsol = coerce_bool(fila.get("posible_obsolescencia", False), default=False)
                evidencia_item = fila.get("evidencia_tecnica", "")
                row_flags = []
                if requiere_prop:
                    row_flags.append("Requiere propuesta técnica")
                if requiere_ficha:
                    row_flags.append("Requiere ficha/catálogo adjunto")
                if is_meaningful_text(marca_modelo):
                    row_flags.append(f"Marca/modelo: {marca_modelo}")
                if acepta_equiv is False:
                    row_flags.append("No acepta equivalente")
                elif acepta_equiv is True:
                    row_flags.append("Acepta equivalente")
                if posible_obsol:
                    row_flags.append("Posible obsolescencia/actualización")
                row_flags_text = " | ".join(row_flags) if row_flags else "Sin alertas técnicas por renglón"
                 
                texto_ficha = strip_html_markup(fila.get('ficha_tecnica_completa', 'Sin descripción')) or "Sin descripción"
                texto_ficha_html = escape(texto_ficha).replace("\n", "<br>")
                status_checklist = build_checklist_html([
                    {
                        "label": "Cantidad solicitada",
                        "value": str(fila.get('cantidad', 'N/A')),
                        "state": "neutral",
                    },
                    {
                        "label": "Propuesta técnica",
                        "value": "Requerida" if requiere_prop else "No requerida en este renglón",
                        "state": "ok" if requiere_prop else "neutral",
                    },
                    {
                        "label": "Ficha/catálogo adjunto",
                        "value": "Requerido" if requiere_ficha else "No pedido aparte",
                        "state": "warn" if requiere_ficha else "neutral",
                    },
                    {
                        "label": "Marca / proveedor",
                        "value": str(marca_modelo) if is_meaningful_text(marca_modelo) else "No especificado",
                        "state": "warn" if is_meaningful_text(marca_modelo) else "neutral",
                    },
                    {
                        "label": "Equivalentes",
                        "value": bool_label(acepta_equiv),
                        "state": "ok" if acepta_equiv is True else ("warn" if acepta_equiv is False else "neutral"),
                    },
                    {
                        "label": "Obsolescencia",
                        "value": "Revisar actualización de parte" if posible_obsol else "Sin alerta detectada",
                        "state": "warn" if posible_obsol else "neutral",
                    },
                ])
                spec_checklist = spec_text_to_checklist_html(texto_ficha)

                st.markdown(f"""
                <div class="item-detail-panel">
                    <div class="item-detail-head">
                        <div>
                            <div class="selected-kicker">Renglón seleccionado</div>
                            <div class="selected-title">Renglón {escape(str(fila.get('renglon', '-')))} | {escape(str(fila.get('codigo_articulo', 'N/A')))}</div>
                            <div class="selected-subtitle">{escape(hist_source)}</div>
                        </div>
                    </div>
                    <div class="checklist-title">Checklist del renglón</div>
                    {status_checklist}
                    <div class="item-warning-line">{escape(row_flags_text)}</div>
                    <div class="checklist-title">Especificaciones detectadas</div>
                    <div class="technical-spec-box checklist-mode">{spec_checklist}</div>
                    <div class="checklist-title">Texto técnico completo del renglón</div>
                    <div class="technical-spec-box text-mode">{texto_ficha_html}</div>
                    <div class="future-note">
                        Fichas técnicas: pendiente para la próxima fase, conectada a búsqueda de datasheets, validación técnica y generación controlada.
                    </div>
                </div>
                """, unsafe_allow_html=True)

                if is_meaningful_text(evidencia_item):
                    with st.expander("Evidencia técnica del renglón"):
                        st.write(evidencia_item)

                if st.button(f"Buscar proveedores para renglón {fila.get('renglon')}", type="primary", use_container_width=True):
                    try:
                        st.session_state.sourcing_selected_row = row_options.index(selected_row_idx)
                    except Exception:
                        st.session_state.sourcing_selected_row = 0
                    st.session_state.sourcing_scope = "Un renglón"
                    st.session_state.active_view = "🌐 Proveedores"
                    st.rerun()

        if result_view == "📨 2. Emisión de RFQs":
            # ================================================================
            # 📨 MOTOR DE RFQs PROFESIONALES — Powered by Gemini AI
            # ================================================================
            st.markdown("""

            <div style="background: linear-gradient(135deg, #1a1f2e 0%, #161B22 100%);

                        border: 1px solid #30363D; border-left: 4px solid #238636;

                        border-radius: 12px; padding: 20px; margin-bottom: 24px;">

                <h3 style="color:#3FB950; margin:0 0 6px 0; font-family:'Inter',sans-serif;">📨 Motor de RFQs Profesionales</h3>

                <p style="color:#8B949E; margin:0; font-size:14px;">

                    Gemini genera automáticamente el cuerpo del RFQ con la tabla de cumplimiento técnico,

                    los datos de la ACP (validez, entrega, garantía) y el Excel de evaluación de proveedores adjunto.

                </p>

            </div>

            """, unsafe_allow_html=True)

            # Configuración del RFQ
            col_rfq_cfg1, col_rfq_cfg2, col_rfq_cfg3 = st.columns(3)
            with col_rfq_cfg1:
                idioma_rfq = st.selectbox("🌍 Idioma del RFQ", ["Inglés (Internacional)", "Español (Local)"], key="rfq_idioma")
            with col_rfq_cfg2:
                nombre_contacto = st.text_input("👤 Nombre del contacto", value="Gabriel Rodriguez", key="rfq_nombre")
            with col_rfq_cfg3:
                empresa_contacto = st.text_input("🏢 Empresa", value="Proyelec International", key="rfq_empresa")

            # Selección de renglón a procesar
            st.markdown("---")
            opciones_renglon = ["📦 Todos los renglones (Master RFQ)"] + [
                f"Renglón {r.get('renglon')} — {r.get('termino_de_busqueda_corto','')}"
                for _, r in df_render.iterrows()
            ]
            renglon_seleccionado = st.selectbox("🎯 Generar RFQ para:", opciones_renglon, key="rfq_renglon_sel")

            btn_gen_rfq = st.button("⚡ Generar RFQ con IA", type="primary", use_container_width=False, key="btn_gen_rfq")

            st.markdown("---")

            if btn_gen_rfq:
                if not st.session_state.gemini_key:
                    st.error("🔑 Configura tu API Key de Gemini en el panel lateral.")
                else:
                    with st.spinner("📝 Gemini está redactando el RFQ profesional..."):
                        try:
                            cg = cg_render
                            idioma = "English" if "Inglés" in idioma_rfq else "Español"

                            # Filtrar renglones según selección
                            if "Todos" in renglon_seleccionado:
                                items_para_rfq = df_render.to_dict('records')
                            else:
                                num_sel = renglon_seleccionado.split("Renglón ")[1].split(" —")[0]
                                items_para_rfq = [r for _, r in df_render.iterrows() if str(r.get('renglon','')) == num_sel]

                            # Construir contexto de renglones para el prompt
                            items_ctx = ""
                            for item in items_para_rfq:
                                items_ctx += f"""

ITEM – Renglón {item.get('renglon','')} | Código: {item.get('codigo_articulo','')}

Descripción: {item.get('termino_de_busqueda_corto','')}

Cantidad: {item.get('cantidad','')} {item.get('unidad_de_medida','')}

Especificaciones técnicas:

{str(item.get('ficha_tecnica_completa',''))[:800]}

---"""

                            prompt_rfq = f"""You are a professional procurement specialist writing a formal Request for Quotation (RFQ) for Proyelec International.



LANGUAGE: Write the entire RFQ in {idioma}.



ACP BID CONTEXT:

- Bid Number: {cg.get('numero_licitacion','N/A')}

- Delivery Location: {cg.get('lugar_de_entrega','N/A')}

- Global Lead Time Required: {cg.get('tiempo_de_entrega_global','N/A')}

- Offer Validity Required by ACP: {cg.get('validez_de_la_oferta','N/A')}

- Warranty Required: {cg.get('garantia_exigida','N/A')}

- Technical Proposal Required: {cg.get('propuesta_tecnica_requerida','N/A')}



CONTACT:

- Name: {nombre_contacto}

- Company: {empresa_contacto}



ITEMS TO QUOTE:

{items_ctx}



INSTRUCTIONS:

Generate a complete, professional RFQ email body following EXACTLY this structure:



1. Professional greeting and introduction (2-3 sentences about Proyelec and the project context)

2. For EACH item, create:

   - Item header with code, description and quantity

   - A compliance table with columns: Requirement | Comply (Y/N) | Comments / Model Reference

   - Extract 6-10 specific technical requirements from the spec sheet above for the table rows

   - Add rows for: Technical datasheet available, Product is NEW condition, Complies with lead time of {cg.get('tiempo_de_entrega_global','N/A')}, Offer validity of {cg.get('validez_de_la_oferta','N/A')}, Warranty of {cg.get('garantia_exigida','N/A')}

3. Commercial & Logistics Information section requesting: unit pricing, Incoterms (EXW/FOB preferred), lead time, stock availability, country of origin, warranty info, packing dimensions, volume/project pricing

4. Note about alternative models being accepted if fully compliant

5. Note that a Supplier Evaluation Form is attached and MUST be completed and returned

6. Professional closing signed by {nombre_contacto} / {empresa_contacto}



Use professional business English/Spanish. Format tables using plain text dashes and pipes (ASCII art tables, NOT markdown) since this will go into an email."""

                            cuerpo_rfq = gemini_generate_text(st.session_state.gemini_key, prompt_rfq)

                            # Guardar en session state para poder editar y descargar
                            st.session_state['rfq_generado'] = cuerpo_rfq
                            st.session_state['rfq_editor'] = cuerpo_rfq
                            st.session_state['rfq_subject'] = f"[PROY-ACP-{cg.get('numero_licitacion','')}] Request for Quotation — {renglon_seleccionado}"

                        except Exception as e:
                            st.error(f"❌ Error generando RFQ: {e}")

            # Mostrar el RFQ generado (si existe)
            if 'rfq_generado' in st.session_state and st.session_state.rfq_generado:
                st.success("RFQ generado. Revisa la vista previa, ajusta el texto y exporta el correo.")

                if "rfq_editor" not in st.session_state:
                    st.session_state["rfq_editor"] = st.session_state.rfq_generado

                rfq_subject_value = st.session_state.get('rfq_subject', 'Request for Quotation')
                rfq_meta_1, rfq_meta_2, rfq_meta_3 = st.columns([0.44, 0.28, 0.28])
                with rfq_meta_1:
                    rfq_subject_edit = st.text_input("Asunto", value=rfq_subject_value, key="rfq_subject_editor")
                with rfq_meta_2:
                    rfq_to = st.text_input("Para", placeholder="supplier@example.com", key="rfq_to")
                with rfq_meta_3:
                    rfq_tone = st.selectbox(
                        "Tono",
                        ["Formal internacional", "Urgente", "Proveedor nuevo", "Proveedor conocido"],
                        key="rfq_tone",
                    )

                rfq_meta_4, rfq_meta_5, rfq_meta_6 = st.columns(3)
                with rfq_meta_4:
                    rfq_reply_by = st.date_input("Fecha limite proveedor", value=datetime.now().date(), key="rfq_reply_by")
                with rfq_meta_5:
                    rfq_lead_time = st.text_input("Lead time requerido", value=str(cg_render.get("tiempo_de_entrega_global", "N/A")), key="rfq_lead_time")
                with rfq_meta_6:
                    rfq_payment_terms = st.selectbox(
                        "Credito solicitado",
                        ["Net 30 o superior", "Net 45 si aplica", "Pago segun negociacion", "Contra entrega"],
                        key="rfq_payment_terms",
                    )

                rfq_meta = [
                    ("To", rfq_to or "Pendiente"),
                    ("Bid", cg_render.get("numero_licitacion", "N/A")),
                    ("Selected scope", renglon_seleccionado),
                    ("Reply by", rfq_reply_by),
                    ("Required lead time", rfq_lead_time),
                    ("Payment request", rfq_payment_terms),
                    ("Tone", rfq_tone),
                ]

                tab_preview, tab_edit, tab_export = st.tabs(["Vista previa", "Editar contenido", "Exportar"])

                with tab_edit:
                    render_notice_panel(
                        "Editor del cuerpo del correo",
                        "Edita aqui el contenido generado por IA. La vista previa y los archivos exportados usan este texto.",
                        "blue",
                    )
                    rfq_editado = st.text_area(
                        "Cuerpo del RFQ",
                        height=520,
                        key="rfq_editor"
                    )

                rfq_editado = st.session_state.get("rfq_editor", st.session_state.rfq_generado)
                rfq_html = build_rfq_email_html(rfq_subject_edit, rfq_editado, rfq_meta)

                with tab_preview:
                    render_rfq_email_preview(rfq_subject_edit, rfq_editado, rfq_meta)

                with tab_export:
                    try:
                        import os
                        from email.mime.multipart import MIMEMultipart
                        from email.mime.text import MIMEText
                        from email.mime.base import MIMEBase
                        from email import encoders

                        msg = MIMEMultipart("mixed")
                        msg['Subject'] = rfq_subject_edit
                        msg['From'] = st.session_state.email_user or "procura@proyelec.com"
                        msg['To'] = rfq_to

                        alternative = MIMEMultipart("alternative")
                        alternative.attach(MIMEText(rfq_editado, 'plain', 'utf-8'))
                        alternative.attach(MIMEText(rfq_html, 'html', 'utf-8'))
                        msg.attach(alternative)

                        excel_path = "PRY-FRPCL-003 Evaluación de Cumplimiento del Proveedor.xlsx"
                        excel_adjunto = False
                        if os.path.exists(excel_path):
                            with open(excel_path, "rb") as f:
                                parte = MIMEBase('application', 'octet-stream')
                                parte.set_payload(f.read())
                                encoders.encode_base64(parte)
                                parte.add_header('Content-Disposition', 'attachment; filename="PRY-FRPCL-003 Evaluación de Cumplimiento del Proveedor.xlsx"')
                                msg.attach(parte)
                                excel_adjunto = True

                        eml_bytes = msg.as_bytes()

                        ex1, ex2, ex3 = st.columns(3)
                        with ex1:
                            st.download_button(
                                label="Descargar correo .eml" + (" + Excel" if excel_adjunto else ""),
                                data=eml_bytes,
                                file_name=f"RFQ_{cg_render.get('numero_licitacion','')}.eml",
                                mime="message/rfc822",
                                type="primary",
                                use_container_width=True
                            )
                        with ex2:
                            st.download_button(
                                label="Descargar HTML",
                                data=rfq_html.encode("utf-8"),
                                file_name=f"RFQ_{cg_render.get('numero_licitacion','')}.html",
                                mime="text/html",
                                use_container_width=True
                            )
                        with ex3:
                            st.download_button(
                                label="Descargar texto",
                                data=rfq_editado.encode('utf-8'),
                                file_name=f"RFQ_{cg_render.get('numero_licitacion','')}.txt",
                                mime="text/plain",
                                use_container_width=True
                            )

                        if not excel_adjunto:
                            st.warning("Excel de evaluación no encontrado. El correo se exporta sin adjunto automático.")

                    except Exception as e:
                        st.error(f"Error generando archivos de RFQ: {e}")


        if result_view == "🤖 3. Centro de Mando AI":
            # ================================================================
            # 🤖 CENTRO DE MANDO AI — Copilot + Agente Negociador
            # ================================================================
            st.markdown("""

            <div style="background: linear-gradient(135deg, #1a1f2e 0%, #161B22 100%);

                        border: 1px solid #30363D; border-left: 4px solid #58A6FF;

                        border-radius: 12px; padding: 20px; margin-bottom: 24px;">

                <h3 style="color:#58A6FF; margin:0 0 6px 0; font-family:'Inter',sans-serif;">🤖 Centro de Mando AI</h3>

                <p style="color:#8B949E; margin:0; font-size:14px;">

                    Dos motores de inteligencia artificial a tu disposición: genera contraofertas profesionales

                    y consulta el historial de licitaciones en lenguaje natural.

                </p>

            </div>

            """, unsafe_allow_html=True)

            ai_view = st.radio(
                "Modo AI",
                ["⚡ Agente Negociador", "💬 Procura Copilot"],
                horizontal=True,
                label_visibility="collapsed",
                key="ai_view",
            )

            # ──────────────────────────────────────────────
            # ⚡ ASESOR SENIOR DE PROCURA
            # ──────────────────────────────────────────────
            if ai_view == "⚡ Agente Negociador":
                st.markdown("""

                <div style="background:#161B22; border:1px solid #30363D; border-radius:10px;

                            padding:16px 20px; margin-bottom:20px; display:flex; align-items:flex-start; gap:16px;">

                    <div style="font-size:36px; line-height:1;">🎓</div>

                    <div>

                        <div style="color:#E6EDF3; font-weight:700; font-size:15px; margin-bottom:4px;">

                            Asesor Senior de Procura — Carlos Méndez, CPSM

                        </div>

                        <div style="color:#8B949E; font-size:13px; line-height:1.5;">

                            25 años de experiencia en licitaciones gubernamentales y procura industrial B2B.

                            Descríbele tu situación o pega el correo del proveedor y recibirás un análisis

                            estratégico completo: banderas rojas, tácticas de negociación, precio sugerido y

                            el correo de respuesta listo para enviar.

                        </div>

                    </div>

                </div>

                """, unsafe_allow_html=True)

                col_neg_l, col_neg_r = st.columns([1.0, 1.0])

                with col_neg_l:
                    situacion = st.text_area(
                        "📝 Describe tu situación o pega el correo del proveedor:",
                        height=220,
                        placeholder="Puedes escribir cualquier situación de procura, por ejemplo:\n\n• 'El proveedor nos cotizó USD 4,200 por la bomba centrífuga del renglón 1 pero el histórico dice que la compramos a USD 3,100 el año pasado. ¿Cómo negocio?'\n\n• O pega directamente el correo de cotización que recibiste...",
                        key="situacion_neg_input"
                    )

                    col_opt1, col_opt2 = st.columns(2)
                    with col_opt1:
                        precio_ref = st.number_input(
                            "💰 Precio de referencia (USD)",
                            min_value=0.0, step=100.0, value=0.0,
                            help="Precio histórico o presupuesto objetivo. Déjalo en 0 si no lo conoces."
                        )
                    with col_opt2:
                        modo_analisis = st.selectbox(
                            "🎯 Tipo de análisis:",
                            ["Negociación de precio", "Evaluación de riesgo", "Tips para licitación ACP", "Análisis de condiciones contractuales"]
                        )

                    btn_asesor = st.button("🎓 Consultar al Asesor Senior", type="primary", use_container_width=True)

                with col_neg_r:
                    if btn_asesor:
                        if not situacion.strip():
                            st.warning("⚠️ Describe tu situación o pega el correo del proveedor primero.")
                        elif not st.session_state.gemini_key:
                            st.error("🔑 Configura tu API Key de Gemini en el panel lateral.")
                        else:
                            with st.spinner("🎓 El Asesor Senior está analizando tu situación..."):
                                try:
                                    cg_ctx = st.session_state.get('cg', {})
                                    contexto_items = df_render[['renglon','codigo_articulo','cantidad','termino_de_busqueda_corto']].to_string(index=False) if not df_render.empty else "Sin renglones cargados."
                                    ref_precio_str = f"USD {precio_ref:,.2f}" if precio_ref > 0 else "No proporcionado"

                                    prompt_asesor = f"""Eres Carlos Méndez, Asesor Senior de Procura con 25 años de experiencia en licitaciones gubernamentales del Canal de Panamá, procura industrial B2B y negociaciones internacionales. Tienes certificación CPSM (Certified Professional in Supply Management).



Tu misión es asesorar al equipo de compras de Proyelec S.A. como un colega experimentado, no como un robot. Hablas en español, de forma directa, práctica y con criterio profesional. Das consejos reales basados en experiencia de campo.



CONTEXTO DE LA LICITACIÓN ACTIVA:

- Número: {cg_ctx.get('numero_licitacion','N/A')}

- Tiempo de entrega global: {cg_ctx.get('tiempo_de_entrega_global','N/A')}

- Garantía exigida: {cg_ctx.get('garantia_exigida','N/A')}

- Lugar de entrega: {cg_ctx.get('lugar_de_entrega','N/A')}

- Validez de oferta: {cg_ctx.get('validez_de_la_oferta','N/A')}



RENGLONES DE LA LICITACIÓN:

{contexto_items}



PRECIO DE REFERENCIA HISTÓRICO: {ref_precio_str}

TIPO DE ANÁLISIS SOLICITADO: {modo_analisis}



SITUACIÓN PRESENTADA POR EL EQUIPO:

---

{situacion[:1500]}

---



Responde con el siguiente formato estructurado en Markdown:



## 🔍 Mi Lectura de la Situación

[Análisis breve y directo de lo que está pasando realmente, 2-3 oraciones]



## 🚩 Banderas Rojas / Puntos de Atención

[Lista de 2-4 items con viñetas. Señala riesgos, cláusulas peligrosas o señales de alerta que el equipo quizás no vio]



## 💡 Mi Recomendación Estratégica

[Consejo concreto y accionable. Qué harías tú exactamente en esta situación. Habla en primera persona como mentor]



## 🎯 Tácticas de Negociación para Este Caso

[3-5 tácticas específicas numeradas, con el razonamiento psicológico o comercial detrás de cada una]



## 📧 Borrador de Respuesta Profesional

[Si aplica: el correo de respuesta/contraoferta listo para copiar y personalizar. Firma como: Departamento de Compras — Proyelec S.A.]



---

*💬 Tip del Asesor: [Un consejo de oro corto y memorable basado en experiencia real de negociaciones]*"""

                                    analisis = gemini_generate_text(st.session_state.gemini_key, prompt_asesor)

                                    st.markdown("""

                                    <div style="background:#0D1117; border:1px solid #238636; border-radius:8px;

                                                padding:8px 14px; margin-bottom:12px; display:flex; align-items:center; gap:8px;">

                                        <span style="color:#3FB950; font-size:14px;">✅</span>

                                        <span style="color:#3FB950; font-size:12px; font-weight:bold;">

                                            Análisis completado por el Asesor Senior

                                        </span>

                                    </div>

                                    """, unsafe_allow_html=True)

                                    st.markdown(analisis)

                                except Exception as e:
                                    st.error(f"❌ Error al consultar al Asesor: {e}")
                    else:
                        st.markdown("""

                        <div style="background:#0D1117; border:1px dashed #30363D; border-radius:10px;

                                    padding:40px 24px; text-align:center;">

                            <div style="font-size:48px; margin-bottom:16px;">🎓</div>

                            <div style="color:#E6EDF3; font-size:15px; font-weight:600; margin-bottom:8px;">

                                El Asesor Senior está listo

                            </div>

                            <div style="color:#8B949E; font-size:13px; line-height:1.6; max-width:320px; margin:0 auto;">

                                Describe cualquier situación de procura o pega el correo de un proveedor.

                                Recibirás un análisis completo con banderas rojas, estrategia y la respuesta

                                lista para enviar.

                            </div>

                        </div>

                        """, unsafe_allow_html=True)



            # ──────────────────────────────────────────────
            # 💬 PROCURA COPILOT
            # ──────────────────────────────────────────────
            if ai_view == "💬 Procura Copilot":
                st.markdown("""

                <p style="color:#8B949E; font-size:13px; margin-bottom:16px;">

                Hazle preguntas en lenguaje natural al Copilot sobre la licitación activa, los renglones

                cargados y el contexto del pliego. Ideal para análisis rápidos durante una reunión.

                </p>

                """, unsafe_allow_html=True)

                # Inicializar historial de chat por licitación
                licitacion_actual = str(cg_render.get('numero_licitacion', 'default'))
                if "copilot_messages_by_lic" not in st.session_state:
                    st.session_state.copilot_messages_by_lic = {}
                if licitacion_actual not in st.session_state.copilot_messages_by_lic:
                    st.session_state.copilot_messages_by_lic[licitacion_actual] = []

                copilot_messages = st.session_state.copilot_messages_by_lic[licitacion_actual]

                # Mostrar historial
                for msg in copilot_messages:
                    with st.chat_message(msg["role"]):
                        st.markdown(msg["content"])

                # Input del chat
                pregunta = st.chat_input("Pregúntale algo al Copilot... Ej: ¿Cuál es el tiempo de entrega exigido?")

                if pregunta:
                    if not st.session_state.gemini_key:
                        st.error("🔑 Configura tu API Key de Gemini en el panel lateral.")
                    else:
                        # Añadir mensaje del usuario
                        copilot_messages.append({"role": "user", "content": pregunta})
                        with st.chat_message("user"):
                            st.markdown(pregunta)

                        # Generar respuesta
                        with st.chat_message("assistant"):
                            with st.spinner("Analizando..."):
                                try:
                                    # Construir contexto de la licitación activa
                                    cg_ctx = st.session_state.get('cg', {})
                                    items_ctx = df_render[['renglon','codigo_articulo','cantidad','unidad_de_medida','termino_de_busqueda_corto']].to_string(index=False) if not df_render.empty else "Sin renglones cargados."

                                    # Historial reciente del chat (últimas 6 interacciones)
                                    historial_str = "\n".join([f"{m['role'].upper()}: {m['content']}" for m in copilot_messages[-6:]])

                                    prompt_cop = f"""Eres Procura Copilot, un asistente experto en procura y compras industriales de la empresa Proyelec S.A.

Respondes en español de forma concisa, directa y útil. Si no tienes datos suficientes, lo dices honestamente.



CONTEXTO DE LA LICITACIÓN ACTIVA:

- Número: {cg_ctx.get('numero_licitacion','N/A')}

- Tiempo de entrega global: {cg_ctx.get('tiempo_de_entrega_global','N/A')}

- Garantía exigida: {cg_ctx.get('garantia_exigida','N/A')}

- Lugar de entrega: {cg_ctx.get('lugar_de_entrega','N/A')}

- Validez de oferta: {cg_ctx.get('validez_de_la_oferta','N/A')}

- Propuesta técnica: {cg_ctx.get('propuesta_tecnica_requerida','N/A')}



RENGLONES CARGADOS:

{items_ctx}



HISTORIAL DE CONVERSACIÓN:

{historial_str}



PREGUNTA DEL USUARIO:

{pregunta}



Responde de forma clara y profesional. Si puedes dar un número o dato exacto del contexto, hazlo."""

                                    respuesta = gemini_generate_text(st.session_state.gemini_key, prompt_cop)
                                    st.markdown(respuesta)
                                    copilot_messages.append({"role": "assistant", "content": respuesta})

                                except Exception as e:
                                    err_msg = f"❌ Error del Copilot: {e}"
                                    st.error(err_msg)
                                    copilot_messages.append({"role": "assistant", "content": err_msg})

                # Botón para limpiar chat
                if copilot_messages:
                    if st.button("🗑️ Limpiar conversación", key="clear_copilot"):
                        st.session_state.copilot_messages_by_lic[licitacion_actual] = []
                        st.rerun()



        if result_view == "📈 4. Análisis de Costos":
            st.markdown("### 📈 Visualización de Costos")
            if 'precio_comp_hist' in df_render.columns and not df_render['precio_comp_hist'].isna().all():
                df_cost = df_render.copy()
                for col in ["cantidad", "precio_comp_hist", "precio_proy_hist", "margen_$"]:
                    if col in df_cost.columns:
                        df_cost[col] = pd.to_numeric(df_cost[col], errors="coerce")
                df_cost["valor_comp_hist"] = df_cost["cantidad"].fillna(0) * df_cost["precio_comp_hist"].fillna(0)
                df_cost["valor_proy_hist"] = df_cost["cantidad"].fillna(0) * df_cost["precio_proy_hist"].fillna(0)
                df_cost["diferencia_total_hist"] = df_cost["valor_proy_hist"] - df_cost["valor_comp_hist"]

                total_comp_hist = float(df_cost["valor_comp_hist"].sum())
                total_proy_hist = float(df_cost["valor_proy_hist"].sum())
                total_diff_hist = float(df_cost["diferencia_total_hist"].sum())
                matched_hist = int(df_cost["precio_comp_hist"].notna().sum())
                total_rows = len(df_cost)

                ck1, ck2, ck3, ck4 = st.columns(4)
                ck1.metric("Cobertura histórica", f"{matched_hist}/{total_rows}")
                ck2.metric("Base competencia", f"$ {total_comp_hist:,.2f}")
                ck3.metric("Base Proyelec", f"$ {total_proy_hist:,.2f}")
                ck4.metric("Diferencia hist.", f"$ {total_diff_hist:,.2f}")

                fig = go.Figure()
                fig.add_trace(go.Bar(x=df_cost['renglon'], y=df_cost['precio_comp_hist'], name='Competencia', marker_color='#30363D'))
                fig.add_trace(go.Bar(x=df_cost['renglon'], y=df_cost['precio_proy_hist'], name='Proyelec', marker_color='#58A6FF'))
                fig.update_layout(template="plotly_dark", title="Análisis de Competitividad Histórica", barmode='group', plot_bgcolor='rgba(0,0,0,0)', paper_bgcolor='rgba(0,0,0,0)')
                st.plotly_chart(fig, use_container_width=True)

                cost_cols = [
                    "renglon", "codigo_articulo", "cantidad", "licitacion_hist", "anio_hist",
                    "precio_comp_hist", "precio_proy_hist", "margen_$",
                    "valor_comp_hist", "valor_proy_hist", "diferencia_total_hist",
                ]
                cost_cols = [c for c in cost_cols if c in df_cost.columns]
                st.caption("Trazabilidad del precio histórico usado para cada renglón")
                st.dataframe(
                    df_cost[cost_cols],
                    use_container_width=True,
                    hide_index=True,
                    column_config={
                        "renglon": st.column_config.TextColumn("Renglón", width="small"),
                        "codigo_articulo": st.column_config.TextColumn("Código ACP"),
                        "licitacion_hist": st.column_config.TextColumn("Lic. Hist.", width="small"),
                        "anio_hist": st.column_config.NumberColumn("Año Hist.", format="%d", width="small"),
                        "precio_comp_hist": st.column_config.NumberColumn("Precio Comp.", format="$ %.2f"),
                        "precio_proy_hist": st.column_config.NumberColumn("Precio Proyelec", format="$ %.2f"),
                        "margen_$": st.column_config.NumberColumn("Margen Unit.", format="$ %.2f"),
                        "valor_comp_hist": st.column_config.NumberColumn("Valor Comp.", format="$ %.2f"),
                        "valor_proy_hist": st.column_config.NumberColumn("Valor Proyelec", format="$ %.2f"),
                        "diferencia_total_hist": st.column_config.NumberColumn("Dif. Total", format="$ %.2f"),
                    },
                )

                if "anio_hist" in df_cost.columns and df_cost["anio_hist"].notna().any():
                    df_year = df_cost.dropna(subset=["anio_hist"]).copy()
                    df_year["anio_hist"] = pd.to_numeric(df_year["anio_hist"], errors="coerce")
                    df_year = df_year.dropna(subset=["anio_hist"])
                    if not df_year.empty:
                        year_counts = df_year.groupby("anio_hist").size().reset_index(name="renglones")
                        st.caption("Origen de referencias por año histórico")
                        st.bar_chart(year_counts.set_index("anio_hist")["renglones"])
            else:
                st.info("📊 **Sin Historial de Costos**\n\nNo se encontraron registros de precios anteriores para los códigos de esta licitación en la base de datos histórica. Los artículos parecen ser nuevos o no han sido cotizados previamente.")
                
                st.markdown("#### Volumen Solicitado por Renglón")
                fig = go.Figure(data=[go.Bar(x=df_render['renglon'], y=df_render['cantidad'], marker_color='#238636')])
                fig.update_layout(template="plotly_dark", plot_bgcolor='rgba(0,0,0,0)', paper_bgcolor='rgba(0,0,0,0)')
                st.plotly_chart(fig, use_container_width=True)

        if result_view == "🚚 5. Costos Logísticos":
            st.markdown("### 🚚 Cálculo logístico por renglón")
            render_notice_panel(
                "Ruta tarifaria vigente",
                f"{LOGISTICS_ROUTE_LABEL}. Estas tarifas no estiman costos desde China, Europa u otros orígenes hasta que Logística cargue una ruta específica.",
                "blue",
            )
            freight_df = get_logistics_freight_rates_cached()
            local_df = get_logistics_local_rates_cached()
            incoterms_df = get_logistics_incoterms_cached()
            forwarders_df = get_logistics_forwarders_cached()
            if freight_df.empty:
                render_empty_state("Sin tarifas logísticas", "Solicita a Logística cargar las tarifas base antes de calcular costos.")
            else:
                log_left, log_right = st.columns([0.58, 0.42])
                with log_left:
                    def _log_item_label(idx):
                        row = df_render.iloc[idx]
                        return f"Renglón {row.get('renglon', idx + 1)} · {row.get('codigo_articulo', 'S/C')} · {str(row.get('termino_de_busqueda_corto', ''))[:55]}"

                    route_a, route_b = st.columns(2)
                    with route_a:
                        st.text_input("Origen tarifario", value=LOGISTICS_ROUTE_ORIGIN, disabled=True, key="rfq_log_origin")
                    with route_b:
                        st.text_input("Destino tarifario", value=LOGISTICS_ROUTE_DESTINATION, disabled=True, key="rfq_log_route_dest")

                    item_idx = st.selectbox(
                        "Renglón",
                        list(range(len(df_render))),
                        format_func=_log_item_label,
                        key="rfq_log_item_idx",
                    )
                    selected_item = df_render.iloc[item_idx]
                    qty_for_hint = pd.to_numeric(selected_item.get("cantidad", 1), errors="coerce")
                    qty_for_hint = float(qty_for_hint) if pd.notna(qty_for_hint) and float(qty_for_hint) > 0 else 1.0
                    modo_peso_rfq = st.radio(
                        "Forma de cálculo",
                        ["Por unidad del renglón", "Por paquete"],
                        horizontal=True,
                        key="rfq_log_modo_peso",
                    )

                    c1, c2 = st.columns(2)
                    with c1:
                        tipo_flete = st.selectbox("Tipo de flete", sorted(freight_df["tipo_flete"].dropna().unique().tolist()), key="rfq_log_tipo")
                    freight_filtered = freight_df[freight_df["tipo_flete"] == tipo_flete].copy()
                    with c2:
                        agente_flete = st.selectbox("Agente", freight_filtered["agente"].dropna().unique().tolist(), key="rfq_log_agente")
                    freight_row = freight_filtered[freight_filtered["agente"] == agente_flete].iloc[0]
                    forwarder_row = get_forwarder_for_agent(forwarders_df, agente_flete)

                    if modo_peso_rfq == "Por paquete":
                        c3, c4, c5, c6 = st.columns([0.24, 0.24, 0.24, 0.28])
                        with c3:
                            peso_paquete_rfq = st.number_input("Peso por paquete lb", min_value=0.0, value=1.0, step=0.5, key="rfq_log_pkg_lb")
                        with c4:
                            bultos_rfq = st.number_input("Paquetes", min_value=1, value=1, step=1, key="rfq_log_pkg_count")
                        with c5:
                            cantidad_log = st.number_input("Cantidad renglón", min_value=1.0, value=max(qty_for_hint, 1.0), step=1.0, key="rfq_log_qty")
                        with c6:
                            incoterm_log = st.selectbox("Incoterm", incoterms_df["sigla"].tolist() if not incoterms_df.empty else ["FOB"], key="rfq_log_incoterm")
                        peso_unit_lb = peso_paquete_rfq
                        peso_total_lb = peso_paquete_rfq * bultos_rfq
                    else:
                        c3, c4, c5, c6 = st.columns([0.24, 0.24, 0.24, 0.28])
                        with c3:
                            peso_unit_lb = st.number_input("Peso unitario lb", min_value=0.0, value=1.0, step=0.5, key="rfq_log_unit_lb")
                        with c4:
                            cantidad_log = st.number_input("Cantidad", min_value=1.0, value=max(qty_for_hint, 1.0), step=1.0, key="rfq_log_qty")
                        with c5:
                            bultos_rfq = st.number_input("Paquetes / bultos", min_value=1, value=1, step=1, key="rfq_log_bultos")
                        with c6:
                            incoterm_log = st.selectbox("Incoterm", incoterms_df["sigla"].tolist() if not incoterms_df.empty else ["FOB"], key="rfq_log_incoterm")
                        peso_paquete_rfq = peso_unit_lb
                        peso_total_lb = peso_unit_lb * cantidad_log

                    incoterm_summary = build_incoterm_summary(incoterms_df, incoterm_log)

                    st.caption("Dimensiones por paquete/bulto para estimar peso volumétrico.")
                    d1, d2, d3, d4, d5 = st.columns([0.2, 0.2, 0.2, 0.18, 0.22])
                    with d1:
                        largo_rfq = st.number_input("Largo", min_value=0.0, value=0.0, step=1.0, key="rfq_log_largo")
                    with d2:
                        ancho_rfq = st.number_input("Ancho", min_value=0.0, value=0.0, step=1.0, key="rfq_log_ancho")
                    with d3:
                        alto_rfq = st.number_input("Alto", min_value=0.0, value=0.0, step=1.0, key="rfq_log_alto")
                    with d4:
                        unidad_rfq = st.selectbox("Unidad", ["in", "cm"], key="rfq_log_unidad_dim")
                    with d5:
                        st.metric("Peso total", f"{peso_total_lb:,.2f} lb")

                    local_row = pd.Series(dtype=object)
                    destino_log = "Sin entrega local"
                    if not local_df.empty:
                        destino_log = st.selectbox("Entrega local", ["Sin entrega local"] + local_df["destino"].dropna().unique().tolist(), key="rfq_log_destino")
                        if destino_log != "Sin entrega local":
                            local_candidates = local_df[local_df["destino"] == destino_log]
                            if not local_candidates.empty:
                                local_row = local_candidates.iloc[0]

                    calc = logistics_calc_summary(
                        freight_row,
                        local_row,
                        peso_total_lb,
                        incoterm=incoterm_log,
                        largo=largo_rfq,
                        ancho=ancho_rfq,
                        alto=alto_rfq,
                        unidad_dimensional=unidad_rfq,
                        bultos=bultos_rfq,
                    )
                    costo_unit_log = calc["costo_total"] / cantidad_log if cantidad_log else 0

                    if st.button("Guardar costo logístico del renglón", type="primary", use_container_width=True):
                        db.save_logistics_calculation(
                            username=st.session_state.username,
                            licitacion=str(cg_render.get("numero_licitacion", "")),
                            renglon=str(selected_item.get("renglon", "")),
                            agente=agente_flete,
                            tipo_flete=tipo_flete,
                            incoterm=incoterm_log,
                            peso_libras=calc["peso_libras"],
                            peso_kg=calc["peso_kg"],
                            costo_internacional=calc["costo_internacional"],
                            costo_local=calc["costo_local"],
                            costo_total=calc["costo_total"],
                            tiempo_transito_dias=calc["tiempo_transito_dias"],
                            peso_facturable_libras=calc["peso_facturable_libras"],
                            peso_volumetrico_libras=calc["peso_volumetrico_libras"],
                            largo=calc["largo"],
                            ancho=calc["ancho"],
                            alto=calc["alto"],
                            unidad_dimensional=calc["unidad_dimensional"],
                            metadata={
                                "destino": destino_log,
                                "ruta": LOGISTICS_ROUTE_LABEL,
                                "origen_tarifario": LOGISTICS_ROUTE_ORIGIN,
                                "destino_tarifario": LOGISTICS_ROUTE_DESTINATION,
                                "modo_calculo": modo_peso_rfq,
                                "cantidad": cantidad_log,
                                "peso_unitario_lb": peso_unit_lb,
                                "peso_por_paquete_lb": peso_paquete_rfq,
                                "bultos": calc["bultos"],
                                "volumen_pies_cubicos": calc["volumen_pies_cubicos"],
                                "forwarder_direccion": str(forwarder_row.get("direccion", "")) if not forwarder_row.empty else "",
                                "forwarder_observacion": str(forwarder_row.get("observacion", "")) if not forwarder_row.empty else "",
                                "codigo_articulo": str(selected_item.get("codigo_articulo", "")),
                            }
                        )
                        clear_logistics_cache()
                        st.success("Costo logístico guardado para trazabilidad.")

                with log_right:
                    st.metric("Costo logístico total", f"$ {calc['costo_total']:,.2f}")
                    st.metric("Costo logístico unitario", f"$ {costo_unit_log:,.2f}")
                    st.metric("Flete internacional", f"$ {calc['costo_internacional']:,.2f}")
                    st.metric("Entrega local", f"$ {calc['costo_local']:,.2f}")
                    render_notice_panel(
                        "Lead time calculado",
                        f"{LOGISTICS_ROUTE_LABEL}. {agente_flete} / {tipo_flete}: {calc['tiempo_transito_dias']} día(s). Peso real: {calc['peso_libras']:,.2f} lb. Peso facturable: {calc['peso_facturable_libras']:,.2f} lb.",
                        "blue",
                    )
                    if not forwarder_row.empty:
                        render_notice_panel(
                            "Ubicación del forwarder",
                            f"{forwarder_row.get('nombre', agente_flete)}: {forwarder_row.get('direccion', 'Sin dirección cargada')}. {forwarder_row.get('observacion', '')}",
                            "green",
                        )
                    else:
                        render_notice_panel(
                            "Ubicación del forwarder",
                            "No hay dirección cargada para este agente. Logística debe completar la ficha del forwarder.",
                            "amber",
                        )
                    render_notice_panel(
                        "Incoterm aplicado",
                        incoterm_summary,
                        "amber",
                    )

                calc_df = get_logistics_calculations_cached(50)
                if not calc_df.empty:
                    st.caption("Últimos cálculos logísticos guardados")
                    st.dataframe(
                        calc_df[["created_at", "licitacion", "renglon", "agente", "tipo_flete", "incoterm", "costo_total", "tiempo_transito_dias"]].head(10),
                        use_container_width=True,
                        hide_index=True,
                        column_config={"costo_total": st.column_config.NumberColumn("Total", format="$ %.2f")},
                    )