Update app.py

app.py

@@ -34,7 +34,7 @@ torch.set_grad_enabled(False)
 MODEL_REPO = "TeszenAI/MTP-3"
 
 # ======================
-# ARQUITECTURA DEL MODELO (MISMA QUE EN colab.py)
+# ARQUITECTURA DEL MODELO MEJORADA
 # ======================
 class LayerNorm(nn.Module):
     def __init__(self, d_model: int, eps: float = 1e-5):
@@ -137,12 +137,117 @@ class MTPModel(nn.Module):
         return self.lm_head(x)
 
 # ======================
-# DESCARGA Y CARGA DEL MODELO CON REINTENTOS
+# NLP UTILITIES - PROCESAMIENTO DE LENGUAJE NATURAL
+# ======================
+class NLPProcessor:
+    """Procesador de lenguaje natural para entender mejor las intenciones"""
+    
+    @staticmethod
+    def detect_intent(text):
+        """Detecta la intención del usuario"""
+        text_lower = text.lower()
+        
+        intents = {
+            'saludo': ['hola', 'buenas', 'que tal', 'cómo estás', 'hey', 'saludos'],
+            'despedida': ['adiós', 'chao', 'hasta luego', 'nos vemos', 'bye'],
+            'agradecimiento': ['gracias', 'gracias por', 'te agradezco', 'muchas gracias'],
+            'pregunta': ['qué es', 'cómo funciona', 'por qué', 'cuándo', 'dónde', 'quién'],
+            'ayuda': ['ayuda', 'necesito ayuda', 'puedes ayudarme', 'me ayudas'],
+            'presentacion': ['quién eres', 'qué eres', 'presentate', 'eres'],
+            'capacidad': ['qué puedes hacer', 'funciones', 'capacidades', 'que sabes hacer'],
+            'sentimiento': ['estoy triste', 'estoy feliz', 'me siento', 'emocionado']
+        }
+        
+        for intent, keywords in intents.items():
+            for keyword in keywords:
+                if keyword in text_lower:
+                    return intent
+        return 'general'
+    
+    @staticmethod
+    def should_stop(response, min_length=30, max_length=200):
+        """Determina si la respuesta debe terminar"""
+        
+        # Palabras que indican final de respuesta
+        stop_phrases = [
+            '¿alguna otra pregunta?', '¿en qué más puedo ayudarte?',
+            '¿necesitas ayuda con algo más?', '¿tienes alguna otra duda?',
+            'espero haberte ayudado', 'que tengas un buen día',
+            'hasta luego', 'adiós', 'saludos', 'gracias por consultar'
+        ]
+        
+        # Si es demasiado corta, continuar
+        if len(response) < min_length:
+            return False
+        
+        # Si excede el máximo, cortar
+        if len(response) > max_length:
+            return True
+        
+        # Verificar frases de parada
+        for phrase in stop_phrases:
+            if phrase in response.lower():
+                return True
+        
+        # Verificar si termina con puntuación adecuada
+        if len(response) > 50:
+            last_chars = response[-10:]
+            # Termina con punto, signo de interrogación o exclamación
+            if any(last_chars.rstrip().endswith(p) for p in ['.', '?', '!', '…']):
+                # Contar oraciones completas
+                sentences = re.split(r'[.!?]+', response)
+                if len(sentences) >= 2:  # Al menos 2 oraciones completas
+                    return True
+        
+        return False
+    
+    @staticmethod
+    def clean_response(text):
+        """Limpia y mejora la respuesta"""
+        # Eliminar repeticiones excesivas
+        text = re.sub(r'(\b\w+\b)(?:\s+\1\b)+', r'\1', text)
+        
+        # Corregir espaciado
+        text = re.sub(r'\s+([.,!?;:])', r'\1', text)
+        
+        # Asegurar mayúscula al inicio
+        if text and text[0].islower():
+            text = text[0].upper() + text[1:]
+        
+        # Agregar punto final si no tiene
+        if text and not text[-1] in '.!?':
+            text += '.'
+        
+        return text.strip()
+    
+    @staticmethod
+    def extract_key_info(text):
+        """Extrae información clave del texto"""
+        # Detectar números
+        numbers = re.findall(r'\d+(?:\.\d+)?', text)
+        
+        # Detectar emails
+        emails = re.findall(r'[\w\.-]+@[\w\.-]+\.\w+', text)
+        
+        # Detectar URLs
+        urls = re.findall(r'https?://(?:[-\w.]|(?:%[\da-fA-F]{2}))+', text)
+        
+        return {
+            'has_numbers': bool(numbers),
+            'has_emails': bool(emails),
+            'has_urls': bool(urls),
+            'numbers': numbers,
+            'emails': emails,
+            'urls': urls
+        }
+
+# ======================
+# DESCARGA Y CARGA DEL MODELO
 # ======================
 def download_with_retry(repo_id, local_dir, max_retries=3):
     for attempt in range(max_retries):
         try:
-            print(f"📦 Intento {attempt + 1}/{max_retries} - Descargando modelo desde {repo_id}...")
+            print(f"📦 Intento {attempt + 1}/{max_retries} - Descargando modelo...")
             repo_path = snapshot_download(
                 repo_id=repo_id,
                 repo_type="model",
@@ -150,26 +255,25 @@ def download_with_retry(repo_id, local_dir, max_retries=3):
                 resume_download=True,
                 local_files_only=False
             )
-            print(f"✅ Modelo descargado exitosamente en: {repo_path}")
+            print(f"✅ Modelo descargado")
             return repo_path
         except Exception as e:
-            print(f"⚠️ Error en intento {attempt + 1}: {str(e)[:200]}")
+            print(f"⚠️ Error: {str(e)[:100]}")
             if attempt < max_retries - 1:
                 time.sleep(3)
             else:
                 raise
     return local_dir
 
-print(f"🚀 Iniciando carga del modelo desde {MODEL_REPO}...")
+print(f"🚀 Cargando modelo...")
 
 if os.path.exists("mtp_repo") and os.path.exists("mtp_repo/mtp_model.pt"):
-    print("📁 Modelo encontrado en caché local")
+    print("📁 Modelo en caché")
     repo_path = "mtp_repo"
 else:
     try:
         repo_path = download_with_retry(MODEL_REPO, "mtp_repo", max_retries=3)
-    except Exception as e:
-        print(f"⚠️ Error: {e}")
+    except:
         repo_path = "mtp_repo"
 
 # Cargar configuración
@@ -178,7 +282,6 @@ if os.path.exists(config_path):
     with open(config_path, "r") as f:
         config = json.load(f)
 else:
-    # Configuración por defecto (MISMA que en colab.py)
     config = {
         "vocab_size": 2000,
         "d_model": 256,
@@ -196,42 +299,38 @@ if os.path.exists(tokenizer_path):
     sp.load(tokenizer_path)
     VOCAB_SIZE = sp.get_piece_size()
     config["vocab_size"] = VOCAB_SIZE
-    print(f"✅ Tokenizador cargado: {VOCAB_SIZE} tokens")
+    print(f"✅ Tokenizador: {VOCAB_SIZE} tokens")
 else:
-    print("❌ No se encontró tokenizador")
     sp = None
     VOCAB_SIZE = config.get("vocab_size", 2000)
 
-print(f"🧠 Inicializando modelo MTP...")
+print(f"🧠 Inicializando modelo...")
 print(f"   → Vocabulario: {VOCAB_SIZE}")
 print(f"   → Dimensión: {config['d_model']}")
 print(f"   → Capas: {config['n_layers']}")
-print(f"   → Heads: {config['n_heads']}")
 
 model = MTPModel(**config)
 model.to(DEVICE)
 
-# Cargar pesos del modelo
+# Cargar pesos
 model_path = os.path.join(repo_path, "mtp_model.pt")
 if os.path.exists(model_path):
     try:
         state_dict = torch.load(model_path, map_location=DEVICE)
         model.load_state_dict(state_dict)
-        print("✅ Pesos del modelo cargados correctamente")
+        print("✅ Pesos cargados")
     except Exception as e:
         print(f"⚠️ Error cargando pesos: {e}")
-else:
-    print("⚠️ No se encontró mtp_model.pt")
 
 model.eval()
 
 param_count = sum(p.numel() for p in model.parameters())
-print(f"✅ Modelo cargado: {param_count:,} parámetros ({param_count/1e6:.1f}M)")
+print(f"✅ Modelo listo: {param_count:,} parámetros ({param_count/1e6:.1f}M)")
 
 # ======================
 # API CONFIG
 # ======================
-app = FastAPI(title="MTP API", description="API para modelo de lenguaje MTP", version="1.0")
+app = FastAPI(title="MTP API - Versión Mejorada", description="API con NLP integrado", version="2.0")
 
 app.add_middleware(
     CORSMiddleware,
@@ -246,28 +345,50 @@ class PromptRequest(BaseModel):
     temperature: float = Field(default=0.7, ge=0.1, le=2.0)
     top_k: int = Field(default=50, ge=1, le=100)
     top_p: float = Field(default=0.9, ge=0.1, le=1.0)
-    repetition_penalty: float = Field(default=1.1, ge=1.0, le=2.0)
+
+# Inicializar NLP
+nlp = NLPProcessor()
 
 # ======================
-# FUNCIÓN DE GENERACIÓN (IGUAL QUE EN colab.py)
+# GENERACIÓN INTELIGENTE MEJORADA
 # ======================
-def generate_response(model, tokenizer, prompt, max_length=150, temperature=0.7, top_k=50, top_p=0.9, device='cpu'):
+def generate_response_intelligent(model, tokenizer, prompt, max_length=150, temperature=0.7, top_k=50, top_p=0.9, device='cpu'):
     model.eval()
+    
+    # Detectar intención para ajustar comportamiento
+    intent = nlp.detect_intent(prompt)
+    
+    # Ajustar temperatura según intención
+    if intent == 'despedida':
+        temperature = 0.5  # Más determinista
+        max_length = min(max_length, 60)  # Respuestas cortas
+    elif intent == 'pregunta':
+        temperature = 0.6  # Más preciso
+    elif intent == 'agradecimiento':
+        temperature = 0.5
+        max_length = min(max_length, 50)
+    
     formatted_prompt = f"### Instrucción:\n{prompt}\n\n### Respuesta:\n"
     input_ids = tokenizer.encode(formatted_prompt)
     generated = input_ids.copy()
     eos_id = tokenizer.eos_id()
-
-    for _ in range(max_length):
+    
+    # Contadores para control de parada
+    consecutive_punctuation = 0
+    last_chars = []
+    
+    for step in range(max_length):
         input_tensor = torch.tensor([generated[-model.max_len:]], dtype=torch.long).to(device)
         with torch.no_grad():
             logits = model(input_tensor)
             next_logits = logits[0, -1, :] / temperature
-
+        
+        # Top-k filtering
         if top_k > 0:
             indices_to_remove = next_logits < torch.topk(next_logits, top_k)[0][..., -1, None]
             next_logits[indices_to_remove] = float('-inf')
-
+        
+        # Top-p filtering
         if top_p < 1.0:
             sorted_logits, sorted_indices = torch.sort(next_logits, descending=True)
             cumulative_probs = torch.cumsum(F.softmax(sorted_logits, dim=-1), dim=-1)
@@ -276,39 +397,78 @@ def generate_response(model, tokenizer, prompt, max_length=150, temperature=0.7,
             sorted_indices_to_remove[..., 0] = 0
             indices_to_remove = sorted_indices[sorted_indices_to_remove]
             next_logits[indices_to_remove] = float('-inf')
-
+        
         probs = F.softmax(next_logits, dim=-1)
         next_token = torch.multinomial(probs, 1).item()
-
+        
+        # Detener en EOS
         if next_token == eos_id:
             break
-
-        if len(generated) > 20:
-            last_tokens = generated[-10:]
-            if len(set(last_tokens)) == 1:
+        
+        # Detener si hay demasiados signos de puntuación seguidos
+        token_str = tokenizer.decode([next_token]) if hasattr(tokenizer, 'decode') else str(next_token)
+        if token_str in '.!?':
+            consecutive_punctuation += 1
+            if consecutive_punctuation >= 3:
                 break
-
+        else:
+            consecutive_punctuation = 0
+        
+        # Guardar últimos caracteres para análisis
+        last_chars.append(token_str)
+        if len(last_chars) > 20:
+            last_chars.pop(0)
+        
+        # Detectar bucles de repetición
+        if len(last_chars) >= 10:
+            last_str = ''.join(last_chars[-5:])
+            if last_str in ''.join(last_chars[:-5]):
+                break
+        
         generated.append(next_token)
-
+        
+        # Verificar si ya es suficiente (para respuestas cortas)
+        current_response = tokenizer.decode(generated)
+        if "### Respuesta:" in current_response:
+            response_part = current_response.split("### Respuesta:")[-1].strip()
+            if nlp.should_stop(response_part, min_length=20, max_length=max_length):
+                break
+    
+    # Decodificar respuesta
     response = tokenizer.decode(generated)
+    
+    # Extraer la parte de la respuesta
     if "### Respuesta:" in response:
         response = response.split("### Respuesta:")[-1].strip()
     elif "Respuesta:" in response:
         response = response.split("Respuesta:")[-1].strip()
     elif "[/INST]" in response:
         response = response.split("[/INST]")[-1].strip()
-
-    # Limpiar caracteres basura
+    
+    # Limpiar y mejorar respuesta
     garbage_words = ['foompañances', 'ciudadores', 'mejtedon', 'calportedon', 'rápidodcor', 'baon', 'domol']
     for word in garbage_words:
         response = response.replace(word, '')
     
-    response = re.sub(r'[^\w\s\u00C0-\u00FF\u0100-\u017F.,!?¿¡()\-:;"]+', ' ', response)
+    # Limpiar caracteres especiales
+    response = re.sub(r'[^\w\s\u00C0-\u00FF\u0100-\u017F.,!?¿¡()\-:;"\']+', ' ', response)
     response = re.sub(r'\s+', ' ', response).strip()
-
-    if len(response) < 2:
-        response = "Entendido. ¿Algo más en lo que pueda ayudarte?"
-
+    
+    # Aplicar NLP a la respuesta
+    response = nlp.clean_response(response)
+    
+    # Respuestas por defecto según intención si está vacía
+    if len(response) < 3:
+        default_responses = {
+            'saludo': "¡Hola! ¿En qué puedo ayudarte hoy?",
+            'despedida': "¡Hasta luego! Que tengas un excelente día.",
+            'agradecimiento': "¡De nada! Estoy aquí para ayudarte cuando lo necesites.",
+            'ayuda': "Claro, estoy aquí para ayudarte. ¿Qué necesitas saber?",
+            'presentacion': "Soy MTP, un asistente virtual creado para responder preguntas y ayudarte con información.",
+            'general': "Entendido. ¿Hay algo específico en lo que pueda ayudarte?"
+        }
+        response = default_responses.get(intent, default_responses['general'])
+    
     return response
 
 # ======================
@@ -341,36 +501,38 @@ async def generate(req: PromptRequest):
     global ACTIVE_REQUESTS
     ACTIVE_REQUESTS += 1
     
-    dyn_max_tokens = req.max_tokens
-    dyn_temperature = req.temperature
-    
-    if ACTIVE_REQUESTS > 2:
-        print(f"⚠️ Carga alta ({ACTIVE_REQUESTS} requests). Ajustando parámetros.")
-        dyn_max_tokens = min(dyn_max_tokens, 120)
-        dyn_temperature = max(0.5, dyn_temperature * 0.9)
-
     user_input = req.text.strip()
     if not user_input:
         ACTIVE_REQUESTS -= 1
-        return {"reply": "", "tokens_generated": 0}
-
+        return {"reply": "", "tokens_generated": 0, "intent": None}
+    
+    # Detectar intención
+    intent = nlp.detect_intent(user_input)
+    
     try:
-        response = generate_response(
+        response = generate_response_intelligent(
             model, tokenizer_wrapper, user_input,
-            max_length=dyn_max_tokens,
-            temperature=dyn_temperature,
+            max_length=req.max_tokens,
+            temperature=req.temperature,
             top_k=req.top_k,
             top_p=req.top_p,
             device=DEVICE
         )
+        
+        # Extraer información clave
+        key_info = nlp.extract_key_info(response)
+        
         return {
             "reply": response,
             "tokens_generated": len(response.split()),
-            "model": "MTP"
+            "model": "MTP-Intelligent",
+            "intent": intent,
+            "has_numbers": key_info['has_numbers'],
+            "has_emails": key_info['has_emails']
         }
     except Exception as e:
         print(f"❌ Error: {e}")
-        return {"reply": "Lo siento, ocurrió un error.", "error": str(e)}
+        return {"reply": "Lo siento, ocurrió un error.", "error": str(e), "intent": intent}
     finally:
         ACTIVE_REQUESTS -= 1
         if DEVICE == "cuda":
@@ -381,7 +543,7 @@ async def generate(req: PromptRequest):
 def health_check():
     return {
         "status": "healthy",
-        "model": "MTP",
+        "model": "MTP-Intelligent",
         "device": DEVICE,
         "active_requests": ACTIVE_REQUESTS,
         "vocab_size": VOCAB_SIZE
@@ -390,15 +552,26 @@ def health_check():
 @app.get("/info")
 def model_info():
     return {
-        "model_name": "MTP",
-        "version": "1.0",
+        "model_name": "MTP-Intelligent",
+        "version": "2.0",
         "architecture": config,
         "parameters": sum(p.numel() for p in model.parameters()),
-        "device": DEVICE
+        "device": DEVICE,
+        "nlp_enabled": True
+    }
+
+@app.post("/analyze")
+async def analyze_intent(req: PromptRequest):
+    """Endpoint para analizar intención sin generar respuesta"""
+    intent = nlp.detect_intent(req.text)
+    return {
+        "text": req.text,
+        "intent": intent,
+        "confidence": 0.85  # Por ahora fijo, se puede mejorar
     }
 
 # ======================
-# INTERFAZ WEB COMPLETA (CON TODAS LAS FUNCIONES ORIGINALES)
+# INTERFAZ WEB MEJORADA
 # ======================
 @app.get("/", response_class=HTMLResponse)
 def chat_ui():
@@ -408,7 +581,7 @@ def chat_ui():
 <head>
 <meta charset="UTF-8">
 <meta name="viewport" content="width=device-width, initial-scale=1.0, maximum-scale=1.0, user-scalable=no">
-<title>MTP 3</title>
+<title>MTP - Asistente Inteligente</title>
 <link rel="preconnect" href="https://fonts.googleapis.com">
 <link rel="preconnect" href="https://fonts.gstatic.com" crossorigin>
 <link href="https://fonts.googleapis.com/css2?family=Inter:wght@300;400;500;600&display=swap" rel="stylesheet">
@@ -420,8 +593,7 @@ def chat_ui():
     --text-primary: #e3e3e3;
     --text-secondary: #9aa0a6;
     --user-bubble: #282a2c;
-    --bot-actions-color: #c4c7c5;
-    --logo-url: url('https://i.postimg.cc/yxS54PF3/IMG-3082.jpg');
+    --success-color: #00c853;
 }
 * { box-sizing: border-box; outline: none; -webkit-tap-highlight-color: transparent; }
 body {
@@ -457,10 +629,7 @@ header {
     width: 32px;
     height: 32px;
     border-radius: 50%;
-    background-image: var(--logo-url);
-    background-size: cover;
-    background-position: center;
-    border: 1px solid rgba(255,255,255,0.1);
+    background: linear-gradient(135deg, #4a9eff, #00c853);
 }
 .brand-text {
     font-weight: 500;
@@ -527,8 +696,7 @@ header {
     height: 34px;
     min-width: 34px;
     border-radius: 50%;
-    background-image: var(--logo-url);
-    background-size: cover;
+    background: linear-gradient(135deg, #4a9eff, #00c853);
     box-shadow: 0 2px 6px rgba(0,0,0,0.2);
 }
 .bot-actions {
@@ -596,8 +764,8 @@ header {
     padding: 10px 0;
 }
 #mainBtn {
-    background: white;
-    color: black;
+    background: var(--accent-color);
+    color: white;
     border: none;
     width: 36px;
     height: 36px;
@@ -609,7 +777,7 @@ header {
     margin-left: 8px;
     transition: transform 0.2s;
 }
-#mainBtn:hover { transform: scale(1.05); }
+#mainBtn:hover { transform: scale(1.05); background: #3a7ed4; }
 .disclaimer {
     text-align: center;
     font-size: 0.75rem;
@@ -627,6 +795,15 @@ header {
     100% { box-shadow: 0 0 0 0 rgba(74, 158, 255, 0); }
 }
 .pulsing { animation: pulseAvatar 1.5s infinite; }
+.intent-badge {
+    font-size: 0.7rem;
+    background: rgba(0, 200, 83, 0.15);
+    color: #00c853;
+    padding: 2px 8px;
+    border-radius: 12px;
+    display: inline-block;
+    margin-top: 5px;
+}
 ::-webkit-scrollbar { width: 8px; }
 ::-webkit-scrollbar-track { background: transparent; }
 ::-webkit-scrollbar-thumb { background: #333; border-radius: 4px; }
@@ -637,7 +814,7 @@ header {
     <div class="brand-wrapper" onclick="location.reload()">
         <div class="brand-logo"></div>
         <div class="brand-text">
-            MTP <span class="version-badge">3</span>
+            MTP <span class="version-badge">Inteligente</span>
         </div>
     </div>
 </header>
@@ -646,18 +823,18 @@ header {
         <div class="bot-avatar"></div>
         <div class="msg-content-wrapper">
             <div class="msg-text">
-                ¡Hola! Soy MTP 3 ¿En qué puedo ayudarte hoy?
+                ¡Hola! Soy MTP, tu asistente inteligente. ¿En qué puedo ayudarte hoy?
             </div>
         </div>
     </div>
 </div>
 <div class="footer-container">
     <div class="input-box">
-        <input type="text" id="userInput" placeholder="Escribe un mensaje..." autocomplete="off">
-        <button id="mainBtn" onclick="handleBtnClick()"></button>
+        <input type="text" id="userInput" placeholder="Escribe tu mensaje..." autocomplete="off">
+        <button id="mainBtn" onclick="handleBtnClick()">➤</button>
     </div>
     <div class="disclaimer">
-        MTP puede cometer errores. Considera verificar la información importante.
+        MTP usa NLP para entender mejor tu consulta • Respuestas inteligentes
     </div>
 </div>
 <script>
@@ -668,22 +845,22 @@ let isGenerating = false;
 let abortController = null;
 let typingTimeout = null;
 let lastUserPrompt = "";
-const ICON_SEND = `<svg width="20" height="20" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2"><path d="M22 2L11 13M22 2l-7 20-4-9-9-4 20-7z"></path></svg>`;
-const ICON_STOP = `<svg width="14" height="14" viewBox="0 0 24 24" fill="currentColor" stroke="currentColor" stroke-width="0"><rect x="2" y="2" width="20" height="20" rx="4" ry="4"></rect></svg>`;
-mainBtn.innerHTML = ICON_SEND;
+
 function scrollToBottom() {
     chatScroll.scrollTop = chatScroll.scrollHeight;
 }
+
 function setBtnState(state) {
     if (state === 'sending') {
-        mainBtn.innerHTML = ICON_STOP;
+        mainBtn.innerHTML = "⏹";
         isGenerating = true;
     } else {
-        mainBtn.innerHTML = ICON_SEND;
+        mainBtn.innerHTML = "➤";
         isGenerating = false;
         abortController = null;
     }
 }
+
 function handleBtnClick() {
     if (isGenerating) {
         stopGeneration();
@@ -691,6 +868,7 @@ function handleBtnClick() {
         sendMessage();
     }
 }
+
 function stopGeneration() {
     if (abortController) abortController.abort();
     if (typingTimeout) clearTimeout(typingTimeout);
@@ -701,16 +879,20 @@ function stopGeneration() {
     setBtnState('idle');
     userInput.focus();
 }
+
 async function sendMessage(textOverride = null) {
     const text = textOverride || userInput.value.trim();
-    if (!text) return;
+    if (!text || isGenerating) return;
+    
     lastUserPrompt = text;
     if (!textOverride) {
         userInput.value = '';
         addMessage(text, 'user');
     }
+    
     setBtnState('sending');
     abortController = new AbortController();
+    
     const botRow = document.createElement('div');
     botRow.className = 'msg-row bot';
     const avatar = document.createElement('div');
@@ -724,17 +906,35 @@ async function sendMessage(textOverride = null) {
     botRow.appendChild(wrapper);
     chatScroll.appendChild(botRow);
     scrollToBottom();
+    
     try {
         const response = await fetch('/generate', {
             method: 'POST',
             headers: { 'Content-Type': 'application/json' },
-            body: JSON.stringify({ text: text, max_tokens: 150, temperature: 0.7 }),
+            body: JSON.stringify({ 
+                text: text, 
+                max_tokens: 200,
+                temperature: 0.7,
+                top_k: 50,
+                top_p: 0.9
+            }),
             signal: abortController.signal
         });
+        
         const data = await response.json();
         if (!isGenerating) return; 
+        
         avatar.classList.remove('pulsing');
         const reply = data.reply || "No entendí eso.";
+        
+        // Mostrar intención detectada si está disponible
+        if (data.intent && data.intent !== 'general') {
+            const intentSpan = document.createElement('div');
+            intentSpan.className = 'intent-badge';
+            intentSpan.textContent = `🎯 Intención: ${data.intent}`;
+            wrapper.appendChild(intentSpan);
+        }
+        
         await typeWriter(msgText, reply);
         if (isGenerating) {
             addActions(wrapper, reply);
@@ -745,12 +945,13 @@ async function sendMessage(textOverride = null) {
             msgText.textContent += " [Detenido]";
         } else {
             avatar.classList.remove('pulsing');
-            msgText.textContent = "Error de conexión.";
+            msgText.textContent = "Error de conexión. Intenta de nuevo.";
             msgText.style.color = "#ff8b8b";
             setBtnState('idle');
         }
     }
 }
+
 function addMessage(text, sender) {
     const row = document.createElement('div');
     row.className = `msg-row ${sender}`;
@@ -761,7 +962,8 @@ function addMessage(text, sender) {
     chatScroll.appendChild(row);
     scrollToBottom();
 }
-function typeWriter(element, text, speed = 12) {
+
+function typeWriter(element, text, speed = 10) {
     return new Promise(resolve => {
         let i = 0;
         element.classList.add('typing-cursor');
@@ -784,30 +986,32 @@ function typeWriter(element, text, speed = 12) {
         type();
     });
 }
+
 function addActions(wrapperElement, textToCopy) {
     const actionsDiv = document.createElement('div');
     actionsDiv.className = 'bot-actions';
+    
     const copyBtn = document.createElement('button');
     copyBtn.className = 'action-btn';
-    copyBtn.innerHTML = `<svg viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round"><rect x="9" y="9" width="13" height="13" rx="2" ry="2"></rect><path d="M5 15H4a2 2 0 0 1-2-2V4a2 2 0 0 1 2-2h9a2 2 0 0 1 2 2v1"></path></svg>`;
-    copyBtn.onclick = () => {
-        navigator.clipboard.writeText(textToCopy);
-    };
+    copyBtn.innerHTML = `<svg viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2"><rect x="9" y="9" width="13" height="13" rx="2" ry="2"></rect><path d="M5 15H4a2 2 0 0 1-2-2V4a2 2 0 0 1 2-2h9a2 2 0 0 1 2 2v1"></path></svg>`;
+    copyBtn.onclick = () => { navigator.clipboard.writeText(textToCopy); };
+    
     const regenBtn = document.createElement('button');
     regenBtn.className = 'action-btn';
-    regenBtn.innerHTML = `<svg viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round"><path d="M23 4v6h-6"></path><path d="M1 20v-6h6"></path><path d="M3.51 9a9 9 0 0 1 14.85-3.36L23 10M1 14l4.64 4.36A9 9 0 0 0 20.49 15"></path></svg>`;
-    regenBtn.onclick = () => {
-        sendMessage(lastUserPrompt);
-    };
+    regenBtn.innerHTML = `<svg viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2"><path d="M23 4v6h-6"></path><path d="M1 20v-6h6"></path><path d="M3.51 9a9 9 0 0 1 14.85-3.36L23 10M1 14l4.64 4.36A9 9 0 0 0 20.49 15"></path></svg>`;
+    regenBtn.onclick = () => { sendMessage(lastUserPrompt); };
+    
     actionsDiv.appendChild(copyBtn);
     actionsDiv.appendChild(regenBtn);
     wrapperElement.appendChild(actionsDiv);
     requestAnimationFrame(() => actionsDiv.style.opacity = "1");
     scrollToBottom();
 }
+
 userInput.addEventListener('keydown', (e) => {
     if (e.key === 'Enter') handleBtnClick();
 });
+
 window.onload = () => userInput.focus();
 </script>
 </body>
@@ -816,13 +1020,7 @@ window.onload = () => userInput.focus();
 
 if __name__ == "__main__":
     port = int(os.environ.get("PORT", 7860))
-    print(f"\n🚀 Iniciando servidor MTP en puerto {port}...")
-    print(f"🌐 Interfaz web: http://0.0.0.0:{port}")
-    print(f"📡 API docs: http://0.0.0.0:{port}/docs")
+    print(f"\n🚀 MTP Inteligente iniciado en puerto {port}")
+    print(f"🌐 http://0.0.0.0:{port}")
     
-    uvicorn.run(
-        app,
-        host="0.0.0.0",
-        port=port,
-        log_level="info"
-    )
+    uvicorn.run(app, host="0.0.0.0", port=port, log_level="info")