app.py

import gradio as gr
from huggingface_hub import InferenceClient

# Cliente de IA gratuito y sin límites
client = InferenceClient("Qwen/Qwen2.5-7B-Instruct")

def responder(mensaje, historial, sistema, temperatura):
    # 1. Preparar el contexto y la personalidad
    mensajes_api = [{"role": "system", "content": sistema}]
    
    # 2. Cargar el historial previo para que la IA tenga memoria
    for msg in historial:
        mensajes_api.append({"role": "user", "content": msg[0]})
        if msg[1] is not None:
            mensajes_api.append({"role": "assistant", "content": msg[1]})
            
    # 3. Añadir el mensaje actual del usuario
    mensajes_api.append({"role": "user", "content": mensaje})
    
    respuesta_generada = ""
    try:
        # Llamar al modelo de IA en la nube
        stream = client.chat_completion(
            mensajes_api,
            max_tokens=1024,
            temperature=temperatura,
            stream=True
        )
        for chunk in stream:
            texto = chunk.choices[0].delta.content
            if texto is not None:
                respuesta_generada += texto
                yield respuesta_generada
    except Exception as e:
        yield f"⚠️ Error de conexión con el servidor: {str(e)}"

# --- INTERFAZ PROFESIONAL CON BOTONES FUNCIONALES ---
with gr.Blocks(theme=gr.themes.Ocean()) as demo:
    gr.Markdown("<h1 style='text-align: center;'>🤖 Mi Inteligencia Artificial Privada</h1>")
    
    with gr.Row():
        # COLUMNA IZQUIERDA (Ajustes y Botones)
        with gr.Column(scale=1, variant="panel"):
            gr.Markdown("### ⚙️ Ajustes del Chat")
            
            sistema_input = gr.Textbox(
                value="Eres un asistente ultra-inteligente, amigable y experto. Respondes siempre en español.",
                label="Instrucciones de la IA (Personalidad)",
                lines=3
            )
            
            temp_input = gr.Slider(minimum=0.1, maximum=1.5, value=0.7, step=0.1, label="Nivel de Creatividad")
            
            gr.Markdown("---")
            gr.Markdown("### 🛠️ Herramientas")
            
            # Botón funcional para borrar la memoria del chat
            btn_limpiar = gr.Button("🗑️ Limpiar Conversación", variant="secondary")
            
            # Panel de información desplegable
            with gr.Accordion("ℹ️ Información del Servidor", open=False):
                gr.Markdown("**Host:** Hugging Face Spaces\n**Motor IA:** Qwen 2.5 (7B)\n**Estado:** Online")
        
        # COLUMNA DERECHA (La ventana principal del Chat)
        with gr.Column(scale=3):
            chatbot = gr.Chatbot(height=500, label="Chat en vivo", bubble_full_width=False)
            
            with gr.Row():
                mensaje_input = gr.Textbox(placeholder="Escribe tu mensaje aquí y presiona Enter...", show_label=False, scale=4)
                btn_enviar = gr.Button("Enviar 🚀", variant="primary", scale=1)

    # --- LÓGICA INTERNA DE LOS BOTONES ---
    
    def procesar_mensaje(mensaje_usuario, historial):
        # Muestra el mensaje del usuario en la pantalla inmediatamente
        if not mensaje_usuario.strip():
            return "", historial
        return "", historial + [[mensaje_usuario, None]]

    def generar_respuesta(historial, sistema, temperatura):
        # Toma el último mensaje y genera la respuesta de la IA poco a poco
        if not historial or historial[-1][0] is None:
            yield historial
            return
            
        mensaje_usuario = historial[-1][0]
        historial_previo = historial[:-1]
        
        generador = responder(mensaje_usuario, historial_previo, sistema, temperatura)
        
        for texto_parcial in generador:
            historial[-1][1] = texto_parcial
            yield historial

    # 1. Acción al presionar "Enter" en la caja de texto
    mensaje_input.submit(
        procesar_mensaje, [mensaje_input, chatbot], [mensaje_input, chatbot], queue=False
    ).then(
        generar_respuesta, [chatbot, sistema_input, temp_input], chatbot
    )
    
    # 2. Acción al presionar el botón "Enviar"
    btn_enviar.click(
        procesar_mensaje, [mensaje_input, chatbot], [mensaje_input, chatbot], queue=False
    ).then(
        generar_respuesta, [chatbot, sistema_input, temp_input], chatbot
    )
    
    # 3. Acción al presionar el botón "Limpiar Conversación"
    btn_limpiar.click(lambda: None, None, chatbot, queue=False)

if __name__ == "__main__":
    demo.launch()