Upload 13 files

app.py

@@ -38,8 +38,13 @@ def process_message(prompt, is_example=False):
     with st.chat_message('user', avatar=USER_AVATAR_ICON):
         st.markdown(prompt)
     
+    # Añadir el mensaje del usuario al historial
     state.add_message('user', prompt, USER_AVATAR_ICON)
     
+    # Guardar el historial después de cada mensaje del usuario
+    state.gemini_history = state.chat.history if state.chat else []
+    save_state()
+    
     # Obtener el prompt mejorado primero
     enhanced_prompt = get_enhanced_prompt(prompt, is_example)
     
@@ -55,8 +60,8 @@ def process_message(prompt, is_example=False):
             
             if full_response:
                 state.add_message(MODEL_ROLE, full_response, AI_AVATAR_ICON)
-                state.gemini_history = state.chat.history
-                state.save_chat_history()
+                state.gemini_history = state.chat.history if state.chat else []
+                save_state()
                 
         except Exception as e:
             st.error(f"Error en el streaming: {str(e)}")
@@ -81,30 +86,117 @@ def get_enhanced_prompt(prompt, is_example):
     # Obtener la lista de preguntas
     discovery_questions = get_discovery_questions()
     
+    # Analizar el historial completo para determinar en qué etapa estamos
+    conversation_history = [msg["content"] for msg in state.messages]
+    
+    # Verificar si ya hemos hecho ciertas preguntas y recibido respuestas
+    audiencia_preguntada = any(discovery_questions[0] in msg for msg in conversation_history)
+    producto_preguntado = any(discovery_questions[1] in msg for msg in conversation_history)
+    problema_preguntado = any(discovery_questions[2] in msg for msg in conversation_history)
+    accion_preguntada = any(discovery_questions[3] in msg for msg in conversation_history)
+    
+    # Verificar si el usuario ya ha respondido a las preguntas
+    # Buscamos respuestas del usuario después de cada pregunta
+    user_messages = [msg["content"] for msg in state.messages if msg["role"] == "user"]
+    model_messages = [msg["content"] for msg in state.messages if msg["role"] == "model"]
+    
+    # Determinar qué preguntas ya han sido respondidas
+    audiencia_respondida = audiencia_preguntada and len(user_messages) > 1
+    producto_respondido = producto_preguntado and len(user_messages) > 2
+    problema_respondido = problema_preguntado and len(user_messages) > 3
+    accion_respondida = accion_preguntada and len(user_messages) > 4
+    
+    # Imprimir información de depuración
+    print(f"Estado de preguntas: Audiencia={audiencia_preguntada}/{audiencia_respondida}, Producto={producto_preguntado}/{producto_respondido}, Problema={problema_preguntado}/{problema_respondido}, Acción={accion_preguntada}/{accion_respondida}")
+    print(f"Mensajes de usuario: {len(user_messages)}, Mensajes del modelo: {len(model_messages)}")
+    
     if is_greeting(prompt):
         return f"El usuario te ha saludado con '{prompt}'. Preséntate brevemente (máximo 2 líneas), explica qué es un guion de Reel en 1 línea, y haz ÚNICAMENTE esta pregunta: '{discovery_questions[0]}'. Recuerda hablar siempre en segunda persona, dirigiéndote al usuario. NUNCA hables en primera persona como si fueras tú quien crea el Reel."
     elif is_example:
         return f"El usuario ha seleccionado un ejemplo: '{prompt}'. Responde de manera breve y directa, y haz ÚNICAMENTE esta pregunta: '{discovery_questions[0]}'. Recuerda hablar siempre en segunda persona, dirigiéndote al usuario. NUNCA hables en primera persona como si fueras tú quien crea el Reel."
     else:
-        # Analizar la respuesta del usuario para determinar qué pregunta hacer a continuación
-        if "audiencia" in prompt.lower() or "dirigido" in prompt.lower() or "público" in prompt.lower():
-            # Si el usuario respondió sobre la audiencia, hacer la segunda pregunta
+        # Determinar la siguiente pregunta basada en el historial completo
+        if not audiencia_respondida:
+            return f"Para crear un guion de Reel efectivo, necesito hacerte algunas preguntas clave. Empecemos: {discovery_questions[0]}. Recuerda hablar siempre en segunda persona, dirigiéndote al usuario."
+        elif audiencia_respondida and not producto_respondido:
             return f"Gracias por esa información sobre tu audiencia. Ahora, {discovery_questions[1]}. Recuerda hablar siempre en segunda persona, dirigiéndote al usuario."
-        elif "producto" in prompt.lower() or "servicio" in prompt.lower() or "promocionar" in prompt.lower() or "ofreces" in prompt.lower():
-            # Si el usuario respondió sobre el producto/servicio, hacer la tercera pregunta
+        elif producto_respondido and not problema_respondido:
             return f"Entendido. Ahora, {discovery_questions[2]}. Recuerda hablar siempre en segunda persona, dirigiéndote al usuario."
-        elif "problema" in prompt.lower() or "duda" in prompt.lower() or "gancho" in prompt.lower():
-            # Si el usuario respondió sobre el problema/duda, hacer la cuarta pregunta
+        elif problema_respondido and not accion_respondida:
             return f"Perfecto. Por último, {discovery_questions[3]}. Recuerda hablar siempre en segunda persona, dirigiéndote al usuario."
-        elif "acción" in prompt.lower() or "cta" in prompt.lower() or "comprar" in prompt.lower() or "registrarse" in prompt.lower() or "seguir" in prompt.lower():
-            # Si el usuario respondió sobre la acción/CTA, proceder a la creación del guion
+        elif accion_respondida:
+            # Si ya hemos hecho todas las preguntas, proceder a la creación del guion
             system_prompt = get_reels_script_prompt()
-            return f"Gracias por toda la información proporcionada. Ahora vamos a crear un guion de Reel efectivo basado en tus respuestas. Recuerda hablar siempre en segunda persona, dirigiéndote al usuario. NUNCA hables en primera persona como si fueras tú quien crea el Reel. {system_prompt}"
+            
+            # Recopilar toda la información proporcionada por el usuario
+            user_info = "\n".join([f"- {msg}" for msg in user_messages[1:]])
+            
+            return f"""
+            Gracias por toda la información proporcionada. Ahora vamos a crear un guion de Reel efectivo basado en tus respuestas:
+            
+            Información del usuario:
+            {user_info}
+            
+            Recuerda hablar siempre en segunda persona, dirigiéndote al usuario. NUNCA hables en primera persona como si fueras tú quien crea el Reel.
+            {system_prompt}
+            """
         else:
-            # Si no se puede determinar en qué parte del proceso estamos, hacer la primera pregunta
+            # Si no podemos determinar la etapa, hacer la primera pregunta
             return f"Para crear un guion de Reel efectivo, necesito hacerte algunas preguntas clave. Empecemos: {discovery_questions[0]}. Recuerda hablar siempre en segunda persona, dirigiéndote al usuario."
     return prompt
 
+# Añadir una función para guardar el estado después de cada interacción
+def save_state():
+    """Guarda el estado actual de la sesión"""
+    try:
+        # Guardar el historial de mensajes
+        state.save_chat_history()
+        
+        # Guardar la lista de chats pasados
+        joblib.dump(past_chats, 'data/past_chats_list')
+        
+        # Imprimir mensaje de depuración
+        print(f"Estado guardado. Mensajes: {len(state.messages)}, Chat ID: {state.chat_id}")
+    except Exception as e:
+        print(f"Error al guardar el estado: {e}")
+
+# Modificar la función process_message para guardar el estado después de cada interacción
+def process_message(prompt, is_example=False):
+    """Procesa un mensaje del usuario, ya sea directo o de un ejemplo"""
+    handle_chat_title(prompt)
+    
+    with st.chat_message('user', avatar=USER_AVATAR_ICON):
+        st.markdown(prompt)
+    
+    # Añadir el mensaje del usuario al historial
+    state.add_message('user', prompt, USER_AVATAR_ICON)
+    
+    # Guardar el historial después de cada mensaje del usuario
+    state.gemini_history = state.chat.history if state.chat else []
+    save_state()
+    
+    # Obtener el prompt mejorado primero
+    enhanced_prompt = get_enhanced_prompt(prompt, is_example)
+    
+    # Mover la respuesta del modelo después del mensaje del usuario
+    with st.chat_message(MODEL_ROLE, avatar=AI_AVATAR_ICON):
+        try:
+            message_placeholder = st.empty()
+            typing_indicator = st.empty()
+            typing_indicator.markdown("*Generando respuesta...*")
+            
+            response = state.send_message(enhanced_prompt)
+            full_response = stream_response(response, message_placeholder, typing_indicator)
+            
+            if full_response:
+                state.add_message(MODEL_ROLE, full_response, AI_AVATAR_ICON)
+                state.gemini_history = state.chat.history if state.chat else []
+                save_state()
+                
+        except Exception as e:
+            st.error(f"Error en el streaming: {str(e)}")
+            return
+
 def process_model_response(enhanced_prompt):
     """Procesa la respuesta del modelo"""
     with st.chat_message(MODEL_ROLE, avatar=AI_AVATAR_ICON):