Update app.py

app.py

@@ -1,114 +1,120 @@
-# En: app/app.py
-import gradio as gr
-import requests  # Para llamar a nuestra propia API de FastAPI
-import os
-
-# --- 1. Importa tu App de FastAPI ---
-# (Asegúrate de que api/main.py exista en la carpeta 'api')
-from api.main import app as fastapi_app
-
-# --- 2. Define la URL de tu API ---
-# Esto es CLAVE para que funcione en Hugging Face Spaces
-# Busca la URL del Space y, si no la encuentra, usa la local.
-BASE_URL = os.getenv("SPACE_URL", "http://127.0.0.1:7860")
-API_PREDICT_URL = f"{BASE_URL}/api/predict"
-API_COACH_URL = f"{BASE_URL}/api/coach"
-
-
-# --- 3. Lógica de la Interfaz Gradio ---
-# Esta función es el "cerebro" de la UI.
-# Llama a los endpoints FALSOS de FastAPI.
-
-def chatbot_response(chat_message, chat_history, edad, sexo, asistencia, notas):
-    """
-    Función que Gradio ChatInterface llamará.
-    Se comunica con la API (FastAPI) para obtener respuestas.
-    """
-    
-    # --- Paso A: Llamar a /predict ---
-    predict_payload = {
-        "edad": edad,
-        "sexo": sexo,
-        "asistencia": asistencia,
-        "notas": notas
-    }
-    
-    try:
-        # Llama al endpoint /predict de tu API
-        response_predict = requests.post(API_PREDICT_URL, json=predict_payload)
-        response_predict.raise_for_status() # Lanza un error si la API falla
-        predict_data = response_predict.json()
-        score = predict_data.get("score", 0.0)
-        
-    except requests.exceptions.RequestException as e:
-        yield f"Error al conectar con el motor de riesgo (/predict): {e}"
-        return
-
-    # --- Paso B: Llamar a /coach ---
-    coach_payload = {
-        "consulta": chat_message,
-        "riesgo": score
-    }
-
-    try:
-        # Llama al endpoint /coach de tu API
-        response_coach = requests.post(API_COACH_URL, json=coach_payload)
-        response_coach.raise_for_status()
-        coach_data = response_coach.json()
-        
-        # Formatear la respuesta del coach para el chat
-        plan_texto = coach_data.get("plan", "No se pudo generar un plan.")
-        citas = coach_data.get("citas", [])
-        
-        # Esta es la respuesta final que ve el usuario
-        respuesta_final = f"**Riesgo Estimado: {score*100:.0f}%**\n\n{plan_texto}"
-        
-        if citas:
-            respuesta_final += "\n\n**Fuentes (Mock):**\n"
-            for cita in citas:
-                respuesta_final += f"- `{cita}`\n"
-        
-        yield respuesta_final
-        
-    except requests.exceptions.RequestException as e:
-        yield f"Error al conectar con el Coach RAG (/coach): {e}"
-
-
-# --- 4. Definición de la UI de Gradio ---
-with gr.Blocks(theme=gr.themes.Soft(), title="Tutor Virtual") as demo:
-    gr.Markdown("# 🤖 Tutor Virtual Adaptativo (Demo)")
-    gr.Markdown("Esta demo usa un backend **simulado (mock)** para pruebas.")
-    
-    with gr.Row():
-        # --- Columna 1: El "Formulario" (Sidebar) ---
-        with gr.Column(scale=1, min_width=350):
-            with gr.Accordion("Perfil del Alumno", open=True):
-                gr.Markdown("Ingrese los datos del alumno para la simulación.")
-                input_edad = gr.Slider(10, 25, value=18, label="Edad")
-                input_sexo = gr.Radio(["Masculino", "Femenino", "Otro"], value="Masculino", label="Sexo")
-                input_asistencia = gr.Slider(0, 100, value=80, label="Asistencia (%)")
-                input_notas = gr.Slider(1.0, 7.0, step=0.1, value=4.5, label="Promedio Notas")
-            
-            gr.Markdown("*(Nota: El puntaje de riesgo cambiará si las notas son < 4.0)*")
-
-        # --- Columna 2: El "Chat" (Área Principal) ---
-        with gr.Column(scale=4):
-            gr.ChatInterface(
-                fn=chatbot_response,
-                chatbot=gr.Chatbot(height=500, label="Chat con Tutor", avatar_images=("user.png", "bot.png")),
-                textbox=gr.Textbox(placeholder="Hola, ¿en qué puedo ayudarte hoy?"),
-                submit_btn="Enviar Consulta",
-                retry_btn=None,
-                undo_btn=None,
-                clear_btn="Limpiar Chat",
-                # ¡Clave! Pasa los inputs del formulario a la función `chatbot_response`
-                additional_inputs=[input_edad, input_sexo, input_asistencia, input_notas] 
-            )
-
-# --- 5. Montar y Lanzar (La Magia) ---
-# Esto le dice a Gradio que también sirva la API de FastAPI
-# en la ruta "/api"
-app = gr.mount_app(demo, fastapi_app, path="/api")
-
-# NOTA: No uses demo.launch(). 
+# En: app/app.py
+import gradio as gr
+import requests  # Para llamar a nuestra propia API de FastAPI
+import os
+
+# --- 1. Importa tu App de FastAPI ---
+# (Asegúrate de que api/main.py exista en la carpeta 'api')
+from api.main import app as fastapi_app
+
+# --- 2. Define la URL de tu API ---
+# Esto es CLAVE para que funcione en Hugging Face Spaces
+# Busca la URL del Space y, si no la encuentra, usa la local.
+BASE_URL = os.getenv("SPACE_URL", "http://127.0.0.1:7860")
+API_PREDICT_URL = f"{BASE_URL}/api/predict"
+API_COACH_URL = f"{BASE_URL}/api/coach"
+
+
+# --- 3. Lógica de la Interfaz Gradio ---
+# Esta función es el "cerebro" de la UI.
+# Llama a los endpoints FALSOS de FastAPI.
+
+def chatbot_response(chat_message, chat_history, edad, sexo, asistencia, notas):
+    """
+    Función que Gradio ChatInterface llamará.
+    Se comunica con la API (FastAPI) para obtener respuestas.
+    """
+    
+    # --- Paso A: Llamar a /predict ---
+    predict_payload = {
+        "edad": edad,
+        "sexo": sexo,
+        "asistencia": asistencia,
+        "notas": notas
+    }
+    
+    try:
+        # Llama al endpoint /predict de tu API
+        response_predict = requests.post(API_PREDICT_URL, json=predict_payload)
+        response_predict.raise_for_status() # Lanza un error si la API falla
+        predict_data = response_predict.json()
+        score = predict_data.get("score", 0.0)
+        
+    except requests.exceptions.RequestException as e:
+        yield f"Error al conectar con el motor de riesgo (/predict): {e}"
+        return
+
+    # --- Paso B: Llamar a /coach ---
+    coach_payload = {
+        "consulta": chat_message,
+        "riesgo": score
+    }
+
+    try:
+        # Llama al endpoint /coach de tu API
+        response_coach = requests.post(API_COACH_URL, json=coach_payload)
+        response_coach.raise_for_status()
+        coach_data = response_coach.json()
+        
+        # Formatear la respuesta del coach para el chat
+        plan_texto = coach_data.get("plan", "No se pudo generar un plan.")
+        citas = coach_data.get("citas", [])
+        
+        # Esta es la respuesta final que ve el usuario
+        respuesta_final = f"**Riesgo Estimado: {score*100:.0f}%**\n\n{plan_texto}"
+        
+        if citas:
+            respuesta_final += "\n\n**Fuentes (Mock):**\n"
+            for cita in citas:
+                respuesta_final += f"- `{cita}`\n"
+        
+        yield respuesta_final
+        
+    except requests.exceptions.RequestException as e:
+        yield f"Error al conectar con el Coach RAG (/coach): {e}"
+
+
+# --- 4. Definición de la UI de Gradio ---
+with gr.Blocks(theme=gr.themes.Soft(), title="Tutor Virtual") as demo:
+    gr.Markdown("# 🤖 Tutor Virtual Adaptativo (Demo)")
+    gr.Markdown("Esta demo usa un backend **simulado (mock)** para pruebas.")
+    
+    with gr.Row():
+        # --- Columna 1: El "Formulario" (Sidebar) ---
+        with gr.Column(scale=1, min_width=350):
+            with gr.Accordion("Perfil del Alumno", open=True):
+                gr.Markdown("Ingrese los datos del alumno para la simulación.")
+                input_edad = gr.Slider(10, 25, value=18, label="Edad")
+                input_sexo = gr.Radio(["Masculino", "Femenino", "Otro"], value="Masculino", label="Sexo")
+                input_asistencia = gr.Slider(0, 100, value=80, label="Asistencia (%)")
+                input_notas = gr.Slider(1.0, 7.0, step=0.1, value=4.5, label="Promedio Notas")
+            
+            gr.Markdown("*(Nota: El puntaje de riesgo cambiará si las notas son < 4.0)*")
+
+       # --- Columna 2: El "Chat" (Área Principal) ---
+        with gr.Column(scale=4):
+            gr.ChatInterface(
+                fn=chatbot_response,
+                
+                chatbot=gr.Chatbot(
+                    height=500, 
+                    label="Chat con Tutor", 
+                    avatar_images=("user.png", "bot.png"),
+                    type='messages'  # <--- 1. AÑADE ESTA LÍNEA (para el warning)
+                ),
+                
+                textbox=gr.Textbox(placeholder="Hola, ¿en qué puedo ayudarte hoy?"),
+                submit_btn="Enviar Consulta",
+                # retry_btn=None,  <--- 2. BORRA ESTA LÍNEA (para el error)
+                # undo_btn=None,   <--- 3. BORRA ESTA LÍNEA (para el error)
+                clear_btn="Limpiar Chat",
+                additional_inputs=[input_edad, input_sexo, input_asistencia, input_notas] 
+            )
+
+# --- 5. Montar y Lanzar (La Magia) ---
+# Esto le dice a Gradio que también sirva la API de FastAPI
+# en la ruta "/api"
+app = gr.mount_app(demo, fastapi_app, path="/api")
+
+# NOTA: No uses demo.launch(). 
 # Hugging Face usará la variable 'app' para lanzar el servidor.