Upload dashboardDemo.py

paginas/dashboardDemo.py

@@ -599,8 +599,36 @@ def detectedReferenceToCSV(prompt: str) -> bool:
 # ===========================
 # Función para interactuar con el bot
 # ===========================
+def seleccionar_modelo_llm():
+    modelos_disponibles = {
+        "Alibaba Cloud - Qwen QWQ 32B": "qwen-qwq-32b",
+        "Alibaba Cloud - Qwen3 32B": "qwen/qwen3-32b",
+        "DeepSeek - LLaMA 70B Distill": "deepseek-r1-distill-llama-70b",
+        "Google - Gemma2 9B IT": "gemma2-9b-it",
+        "Meta - LLaMA 3.1 8B Instant": "llama-3.1-8b-instant",
+        "Meta - LLaMA 3.3 70B Versatile": "llama-3.3-70b-versatile",
+        "Meta - LLaMA 3 70B": "llama3-70b-8192",
+        "Meta - LLaMA 3 8B": "llama3-8b-8192",
+        "Meta - LLaMA 4 Maverick 17B": "meta-llama/llama-4-maverick-17b-128e-instruct",
+        "Meta - LLaMA 4 Scout 17B": "meta-llama/llama-4-scout-17b-16e-instruct",
+        "Meta - LLaMA Guard 4 12B": "meta-llama/llama-guard-4-12b",
+        "Meta - Prompt Guard 2 22M": "meta-llama/llama-prompt-guard-2-22m",
+        "Meta - Prompt Guard 2 86M": "meta-llama/llama-prompt-guard-2-86m",
+        "Mistral - Saba 24B": "mistral-saba-24b"
+    }
+
+    seleccion = st.selectbox(
+        "🧠 Elige un modelo LLM de Groq:",
+        list(modelos_disponibles.keys())
+    )
+
+    return modelos_disponibles[seleccion]
+
+
 def chatBotProtech(client):
     with st.sidebar.expander("📁 Chatbot"):
+        
+        modelo_llm = seleccionar_modelo_llm()
 
         # Inicializar estados
         if "chat_history" not in st.session_state:
@@ -618,7 +646,6 @@ def chatBotProtech(client):
         # Contenedor para mensajes
         messages = st.container(height=400)
             
-
         # CSS: estilo tipo Messenger
         st.markdown("""
             <style>
@@ -699,7 +726,7 @@ def chatBotProtech(client):
 
             with messages:
                 with st.spinner("Pensando..."):
-                    completion = callDeepseek(client, prompt)
+                    completion = callModelLLM(client, prompt, modelo_llm)
                     response = ""
                     response_placeholder = st.empty()
 
@@ -732,7 +759,7 @@ def chatBotProtech(client):
             # Mostrar respuesta del asistente
             with messages:
                 with st.spinner("Pensando..."):
-                    completion = callDeepseek(client, prompt)
+                    completion = callModelLLM(client, prompt, modelo_llm)
                     response = ""
                     response_placeholder = st.empty()
 
@@ -785,18 +812,16 @@ def chatBotProtech(client):
                     st.rerun()
 
 
-def callDeepseek(client, prompt):
+def callModelLLM(client, prompt, idModel):
     completion = client.chat.completions.create(
-        model="deepseek-r1-distill-llama-70b",
+        model=idModel,
         messages=[
             {
                 "role": "system",
                 "content": (
                     "Tu nombre es Protech, el asistente virtual de PRO TECHNOLOGY SOLUTIONS S.A.C. "
                     "Saluda al usuario con cordialidad y responde en español de forma clara, profesional y amable. "
-                    "No expliques tus pensamientos ni cómo generas tus respuestas. "
-                    "No digas que eres un modelo de lenguaje. "
-                    "Simplemente responde como un asistente humano capacitado en atención al cliente. "
+                    "Debes responder como un asistente humano capacitado en atención al cliente. "
                     "Comienza con un saludo y pregunta: '¿En qué puedo ayudarte hoy?'."
                 )
             },
@@ -809,8 +834,6 @@ def callDeepseek(client, prompt):
     )
     return completion
 
-
-
 def callWhisper(client, filename_audio,file):
     transcription = client.audio.transcriptions.create(
       file=(filename_audio, file.read()),