Update app.py

app.py

@@ -1,5 +1,5 @@
-# ====================    El Detective de Alimentos (Versión 10.0 - Producción)  =====================================
-# Mejoras: Generador de informes, sugerencias de consulta y refinamientos finales de UI.
+# ====================    El Detective de Alimentos (Versión 10.1 - UI Personalizada)  =====================================
+# Mejoras: Cabecera con dos imágenes y eliminación de la funcionalidad de feedback.
 
 import streamlit as st
 import google.generativeai as genai
@@ -218,10 +218,8 @@ def create_relevance_chart(results):
         tooltip=[alt.Tooltip('Condición:N', title='Condición'), alt.Tooltip('Relevancia:Q', title='Puntuación')]
     ).properties(title='Principales Coincidencias según tu Caso').configure_axis(labelFontSize=12, titleFontSize=14).configure_title(fontSize=16, anchor='start')
     return chart
-
-
-# --- NUEVA FUNCIÓN PARA GENERAR EL INFORME ---
 def generate_report_text(query, results):
+    # ... (Sin cambios)
     report_lines = []
     report_lines.append("="*50)
     report_lines.append("INFORME DEL DETECTIVE DE ALIMENTOS")
@@ -229,36 +227,34 @@ def generate_report_text(query, results):
     report_lines.append(f"Fecha: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n")
     report_lines.append(f"CONSULTA ORIGINAL DEL USUARIO:\n'{query}'\n")
     report_lines.append("-"*50)
-
-    # Análisis del resultado principal
     if results:
         best_match = results[0]['entry']
         report_lines.append("PRINCIPAL COINCIDENCIA ENCONTRADA:\n")
         report_lines.append(f"Condición: {best_match.get('condicion_asociada', 'N/A')}")
         report_lines.append(f"Mecanismo Posible: {best_match.get('mecanismo_fisiologico', 'N/A')}")
         report_lines.append(f"Recomendaciones Generales: {best_match.get('recomendaciones_examenes', 'N/A')}\n")
-        
-        # Diagnóstico diferencial
         if len(results) > 1:
             report_lines.append("-"*50)
             report_lines.append("OTRAS POSIBILIDADES CONSIDERADAS (DIAGNÓSTICO DIFERENCIAL):\n")
             for i, res in enumerate(results[1:4]):
                 entry = res['entry']
                 report_lines.append(f"{i+2}. {entry.get('condicion_asociada', 'N/A')} (Puntuación: {res['score']['total']})")
-    
     report_lines.append("\n" + "="*50)
-    report_lines.append("IMPORTANTE: Este informe es generado por una herramienta de IA y no constituye un diagnóstico médico. Su propósito es facilitar la conversación con un profesional de la salud cualificado.")
-    
+    report_lines.append("IMPORTANTE: Este informe es generado por una herramienta de IA y no constituye un diagnóstico médico...")
     return "\n".join(report_lines)
 
 # --- INTERFAZ DE USUARIO Y LÓGICA PRINCIPAL ---
-col_img, col_text = st.columns([1, 4], gap="medium")
-with col_img:
+# --- BLOQUE DE ENCABEZADO MODIFICADO ---
+col_img1, col_text, col_img2 = st.columns([1, 4, 1], gap="medium")
+with col_img1:
     if os.path.exists("imagen.png"):
         st.image("imagen.png", width=150)
 with col_text:
     st.title("El Detective de Alimentos")
     st.markdown("##### Describe lo que sientes y lo que comiste para descubrir posibles intolerancias.")
+with col_img2:
+    if os.path.exists("buho.png"):
+        st.image("buho.png", width=120)
 st.markdown("---")
 
 # MANEJO DE ESTADO
@@ -277,7 +273,7 @@ def clear_search_state():
 def set_query_from_example(example_text):
     st.session_state.query = example_text
 
-# NUEVA SECCIÓN: EJEMPLOS DE CONSULTA
+# SECCIÓN: EJEMPLOS DE CONSULTA
 st.write("**¿No sabes por dónde empezar? Prueba con un ejemplo:**")
 example_cols = st.columns(3)
 example_queries = [
@@ -324,7 +320,6 @@ if st.session_state.search_results is not None:
     if not results:
         st.warning(f"No se encontraron coincidencias claras para tu caso: '{st.session_state.user_query}'.")
     else:
-        # --- NUEVO BOTÓN DE DESCARGA ---
         col1, col2 = st.columns([3,1])
         with col1:
             st.success(f"Hemos encontrado {len(results)} posible(s) causa(s) relacionada(s) con tu caso.")
@@ -386,22 +381,8 @@ if st.session_state.search_results is not None:
                 if 'best_match_analysis' not in st.session_state.analysis_cache:
                     st.session_state.analysis_cache['best_match_analysis'] = generate_detailed_analysis(st.session_state.user_query, best_match)
                 st.markdown(st.session_state.analysis_cache['best_match_analysis'])
-            st.markdown("---")
-            feedback_placeholder = st.empty()
-            with feedback_placeholder.container():
-                st.write("**¿Te fue útil este análisis?**")
-                feedback_cols = st.columns(8)
-                if feedback_cols[0].button("👍 Útil", key=f"util_{best_match['condicion_asociada']}"):
-                    log_feedback(st.session_state.user_query, best_match_data, "util")
-                    feedback_placeholder.success("¡Gracias por tu feedback!")
-                    time.sleep(2)
-                    feedback_placeholder.empty()
-                if feedback_cols[1].button("👎 No útil", key=f"no_util_{best_match['condicion_asociada']}"):
-                    log_feedback(st.session_state.user_query, best_match_data, "no_util")
-                    feedback_placeholder.warning("Gracias. Usaremos tu feedback para mejorar.")
-                    time.sleep(2)
-                    feedback_placeholder.empty()
-
+            
+        # --- SECCIÓN DE DIAGNÓSTICO DIFERENCIAL (SIN FEEDBACK) ---
         if len(results) > 1:
             with st.expander("**Otras Posibilidades Relevantes (Diagnóstico Diferencial)**"):
                 for i, result in enumerate(results[1:4]):