Update app.py

app.py

@@ -1,61 +1,115 @@
 import gradio as gr
 from huggingface_hub import InferenceClient
+import faiss
+import pickle
+import numpy as np
+from sentence_transformers import SentenceTransformer
+import os
 
+# === CONFIGURACIÓN DEL MODELO Y TOKENS ===
+MODEL_NAME = "openai/gpt-oss-20b"
+MAX_TOKENS = 2048  # máximo permitido por el modelo
+
+# === CARGAR FAISS Y DOCUMENTOS (RAG) ===
+print("🔍 Cargando índice FAISS y documentos...")
+
+# Rutas relativas (esperamos que estén en la raíz del Space junto con app.py)
+index_path = "nlp_index.faiss"
+docs_path = "nlp_docs.pkl"
+
+# Verificar que los archivos existen
+if not os.path.exists(index_path) or not os.path.exists(docs_path):
+    raise FileNotFoundError("❌ No se encontraron 'nlp_index.faiss' o 'nlp_docs.pkl' en la raíz del Space.")
+
+# Cargar FAISS
+index = faiss.read_index(index_path)
+
+# Cargar textos y fuentes
+with open(docs_path, "rb") as f:
+    data = pickle.load(f)
+    texts = data["texts"]
+    sources = data["sources"]
+
+embedding_model = SentenceTransformer('all-MiniLM-L6-v2')
+print(f"✅ RAG listo: {index.ntotal} fragmentos cargados.")
+
+def retrieve_context(query: str, k: int = 3) -> str:
+    """Recupera los k fragmentos más relevantes para la consulta."""
+    try:
+        query_emb = embedding_model.encode([query], convert_to_numpy=True).astype('float32')
+        query_emb = query_emb / np.linalg.norm(query_emb)
+        distances, indices = index.search(query_emb, k)
+        results = [texts[i] for i in indices[0]]
+        return "\n\n".join(results)
+    except Exception as e:
+        print(f"⚠️ Error en retrieval: {e}")
+        return ""
 
 def respond(
     message,
     history: list[dict[str, str]],
     system_message,
-    max_tokens,
     temperature,
     top_p,
     hf_token: gr.OAuthToken,
 ):
-    """
-    For more information on `huggingface_hub` Inference API support, please check the docs: https://huggingface.co/docs/huggingface_hub/v0.22.2/en/guides/inference
-    """
-    client = InferenceClient(token=hf_token.token, model="openai/gpt-oss-20b")
+    # Recuperar contexto relevante
+    context = retrieve_context(message)
+    if context:
+        full_prompt = (
+            f"Usa el siguiente contexto para responder de forma precisa y útil:\n\n"
+            f"--- CONTEXTO ---\n{context}\n--- FIN DEL CONTEXTO ---\n\n"
+            f"Pregunta del usuario:\n{message}"
+        )
+    else:
+        full_prompt = message
 
-    messages = [{"role": "system", "content": system_message}]
+    client = InferenceClient(token=hf_token.token, model=MODEL_NAME)
 
+    messages = [{"role": "system", "content": system_message}]
     messages.extend(history)
-
-    messages.append({"role": "user", "content": message})
+    messages.append({"role": "user", "content": full_prompt})
 
     response = ""
-
-    for message in client.chat_completion(
+    for chunk in client.chat_completion(
         messages,
-        max_tokens=max_tokens,
+        max_tokens=MAX_TOKENS,
         stream=True,
         temperature=temperature,
         top_p=top_p,
     ):
-        choices = message.choices
         token = ""
-        if len(choices) and choices[0].delta.content:
-            token = choices[0].delta.content
-
+        if chunk.choices and chunk.choices[0].delta.content:
+            token = chunk.choices[0].delta.content
         response += token
         yield response
 
-
-"""
-For information on how to customize the ChatInterface, peruse the gradio docs: https://www.gradio.app/docs/chatinterface
-"""
+# === INTERFAZ EN ESPAÑOL ===
 chatbot = gr.ChatInterface(
     respond,
     type="messages",
+    title="🧠 Experimentos NPL Quoota",
+    description="Asistente basado en libros de desarrollo personal, liderazgo y psicología cognitiva.",
     additional_inputs=[
-        gr.Textbox(value="You are a friendly Chatbot.", label="System message"),
-        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),
-        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
+        gr.Textbox(
+            value="Eres un asistente útil, claro y bien informado, especializado en temas de desarrollo personal, liderazgo y comunicación. Responde con precisión y empatía.",
+            label="Mensaje del sistema"
+        ),
+        gr.Slider(
+            minimum=0.1,
+            maximum=4.0,
+            value=0.7,
+            step=0.1,
+            label="Temperatura",
+            info="Controla la creatividad: valores bajos (ej. 0.2) dan respuestas más predecibles y enfocadas; valores altos (ej. 1.2+) dan respuestas más variadas y sorprendentes."
+        ),
         gr.Slider(
             minimum=0.1,
             maximum=1.0,
             value=0.95,
             step=0.05,
-            label="Top-p (nucleus sampling)",
+            label="Top-p (muestreo nuclear)",
+            info="Filtra las opciones menos probables. 0.95 es un buen equilibrio entre diversidad y coherencia."
         ),
     ],
 )
@@ -65,6 +119,5 @@ with gr.Blocks() as demo:
         gr.LoginButton()
     chatbot.render()
 
-
 if __name__ == "__main__":
-    demo.launch()
+    demo.launch()