app.py

import gradio as gr
from huggingface_hub import InferenceClient

# Configuración del cliente de Hugging Face
client = InferenceClient("HuggingFaceH4/zephyr-7b-beta")

# Función para responder con recomendaciones de ventas
def respond(message, history: list[tuple[str, str]], system_message, max_tokens, temperature, top_p, product_name, num_products, product_type):
    # Mensajes base del sistema y del historial
    messages = [{"role": "system", "content": system_message}]
    for val in history:
        if val[0]:
            messages.append({"role": "user", "content": val[0]})
        if val[1]:
            messages.append({"role": "assistant", "content": val[1]})
    # Mensaje del usuario actual
    messages.append({"role": "user", "content": message})
    # Solicitud detallada al modelo
    detailed_request = f"""
    Por favor, responde siempre en español. Genera {num_products} productos complementarios para el siguiente producto: {product_name}.

    El producto es de tipo: {product_type}.

    Para cada producto complementario, proporciona:
    1.  El nombre del producto.
    2.  Un nicho de mercado específico al que se dirige el producto.
    #3.  Una idea innovadora para la venta o promoción del producto en línea.

    Asegúrate de que los nichos y sobre todo micronichos que sean diferentes y las ideas innovadoras y aplicables a estrategias de marketing digital.
    """
    messages.append({"role": "user", "content": detailed_request})
    # Generación de respuesta usando el modelo
    response = ""
    for message in client.chat_completion(
        messages,
        max_tokens=max_tokens,
        stream=True,
        temperature=temperature,
        top_p=top_p,
    ):
        token = message.choices[0].delta.content
        response += token
    return response

# Definición de la interfaz de usuario con Gradio
demo = gr.ChatInterface(
    respond,
    additional_inputs=[
        gr.Textbox(value="Eres un asistente amigable que ayuda a generar estrategias de ventas", label="Mensaje del Sistema"),
        gr.Slider(minimum=1, maximum=2048, value=2048, step=1, label="Max Nuevos Tokens"),
        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperatura"),
        gr.Slider(minimum=0.1, maximum=1.0, value=0.95, step=0.05, label="Top-p (Nucleus Sampling)"),
        gr.Textbox(value="", label="Producto para generar estrategias de ventas (Ej. 'Auriculares Bluetooth Premium')"),
        gr.Slider(minimum=1, maximum=15, value=8, step=1, label="Cantidad de Productos Complementarios"),
        gr.Radio(choices=["Físico", "Digital"], value="Físico", label="Tipo de Producto")
    ],
)

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