pages/galatea_asistente.py

import os
import tempfile
import openai
import streamlit as st
import PyPDF2

from dotenv import load_dotenv

# Configurar página de Streamlit
st.set_page_config(page_title="Galatea Asistente", layout="wide")

# Función para inicializar el estado de la sesión
def inicializar_estado():
    if 'modelo' not in st.session_state:
        st.session_state['modelo'] = "gpt-3.5-turbo"
    if 'temperatura' not in st.session_state:
        st.session_state['temperatura'] = 0.5
    if 'mensajes_chat' not in st.session_state:
        st.session_state['mensajes_chat'] = []
    if 'transcripcion_voz' not in st.session_state:
        st.session_state['transcripcion_voz'] = ""
    if 'texto_preprocesado_pdf' not in st.session_state:
        st.session_state['texto_preprocesado_pdf'] = ""

inicializar_estado()

# Configuración de la barra lateral
st.sidebar.title("Configuración del Asistente")
st.sidebar.subheader("Modelo de Lenguaje")
st.session_state['modelo'] = st.sidebar.selectbox(
    "Selecciona el modelo:",
    ["gpt-3.5-turbo", "gpt-4"],
    index=0
)
st.sidebar.subheader("Ajustes del Modelo")
st.session_state['temperatura'] = st.sidebar.slider(
    "Temperatura",
    min_value=0.0, max_value=1.0,
    value=st.session_state['temperatura'],
    step=0.1
)
st.sidebar.text_input("Assistant ID", key="assistant_id", help="Introduce el Assistant ID del playground de OpenAI")

# Función para extraer texto de un PDF
def extraer_texto_pdf(ruta_archivo):
    texto = ""
    try:
        with open(ruta_archivo, 'rb') as file:
            reader = PyPDF2.PdfReader(file)
            for page in range(len(reader.pages)):
                texto += reader.pages[page].extract_text()
    except Exception as e:
        st.error(f"Error al extraer texto del PDF: {e}")
    return texto

# Cargar y preprocesar el texto del PDF predefinido
ruta_pdf_predefinido = "/assets/instrucciones.pdf"  # Actualiza esta ruta con la ruta real de tu archivo PDF
texto_pdf = extraer_texto_pdf(ruta_pdf_predefinido)
st.session_state['texto_preprocesado_pdf'] = texto_pdf

# Función para manejar la pregunta del usuario
def manejar_pregunta_usuario(pregunta_usuario):
    st.session_state['mensajes_chat'].append({"role": "user", "content": pregunta_usuario})
    with st.chat_message("user"):
        st.markdown(pregunta_usuario)
    
    # Aquí debes agregar la lógica para obtener la respuesta del modelo
    contexto = st.session_state['texto_preprocesado_pdf']
    respuesta = obtener_respuesta(pregunta_usuario, contexto)
    
    st.session_state['mensajes_chat'].append({"role": "assistant", "content": respuesta})
    with st.chat_message("assistant"):
        st.markdown(respuesta)

# Función para obtener la respuesta del modelo
def obtener_respuesta(pregunta, contexto):
    try:
        response = openai.Completion.create(
            model=st.session_state['modelo'],
            prompt=f"Eres Galatea, un auxiliar de odontología en la clínica odontológica Omardent. Resuelve las inquietudes de los pacientes basándote en el siguiente contexto:\n\n{contexto}\n\nPregunta: {pregunta}\nRespuesta:",
            max_tokens=150,
            temperature=st.session_state['temperatura']
        )
        return response.choices[0].text.strip()
    except Exception as e:
        st.error(f"Error al obtener respuesta del modelo: {e}")
        return "Lo siento, ocurrió un error al procesar tu solicitud."

# Mostrar el fondo de video y superponer texto
st.markdown(
    """
    <style>
    #video-container {
        position: relative;
        width: 100%;
        height: 90vh;
        overflow: hidden;
    }
    #background-video {
        position: absolute;
        top: 0;
        left: 0;
        width: 90%;
        height: 90%;
        object-fit: cover;
        z-index: -1;
    }
    #chat-container {
        position: absolute;
        top: 0;
        left: 0;
        width: 100%;
        height: 100%;
        display: flex;
        flex-direction: column;
        justify-content: flex-end;
        padding: 20px;
        box-sizing: border-box;
    }
    .chat-message {
        background: rgba(255, 255, 255, 0.8);
        border-radius: 10px;
        padding: 10px;
        margin-bottom: 10px;
        max-width: 70%;
        border: 2px solid #007BFF;  /* Borde azul */
    }
    .chat-message.user {
        align-self: flex-start;
        border-color: #007BFF;  /* Borde azul para usuario */
    }
    .chat-message.assistant {
        align-self: flex-end;
        background: rgba(0, 123, 255, 0.8);
        color: white;
        border-color: #0056b3;  /* Borde azul oscuro para asistente */
    }
    </style>
    <div id="video-container">
        <video id="background-video" autoplay loop muted>
            <source src="https://cdn.leonardo.ai/users/645c3d5c-ca1b-4ce8-aefa-a091494e0d09/generations/0c4f0fe7-5937-4644-b984-bdbd95018990/0c4f0fe7-5937-4644-b984-bdbd95018990.mp4" type="video/mp4">
        </video>
        <div id="chat-container">
    """,
    unsafe_allow_html=True
)

# Mostrar los mensajes del chat
for mensaje in st.session_state['mensajes_chat']:
    clase = "user" if mensaje["role"] == "user" else "assistant"
    st.markdown(f'<div class="chat-message {clase}">{mensaje["content"]}</div>', unsafe_allow_html=True)

# Campo de entrada de texto para el usuario
pregunta_usuario = st.text_input("Escribe tu pregunta aquí:", key='unique_chat_input_key', value=st.session_state['transcripcion_voz'])
if st.button("Enviar Pregunta"):
    manejar_pregunta_usuario(pregunta_usuario)

st.markdown("</div></div>", unsafe_allow_html=True)

# Incluir imagen de fondo (opcional)
st.image("/mnt/data/clara asesora.jpg", use_column_width=True)