Update js/analysisModule.js

js/analysisModule.js

@@ -1,67 +1,65 @@
-// js/analysisModule.js
-
-// Importa la función 'prepareLlmApiParams' del otro archivo.
-import { prepareLlmApiParams } from './iaConfigModule.js';
-
 // Módulo de análisis médico con LLM configurado (llamadas front-end)
 export async function analyzeMedical(text) {
   if (!text) return '';
 
-  const cfg = JSON.parse(localStorage.getItem('iaConfig')) || {};
-  const provider = cfg.llm.provider;
-
-  // Obtener API key adecuada del proveedor
-  const apiKey = cfg.llm.apiKeys?.[provider] ?? cfg.llm.apiKey;
+  const cfg = JSON.parse(localStorage.getItem('iaConfig')) || {}; [cite: 3]
+  const provider = cfg.llm.provider; [cite: 3]
   
+  // Obtener API key adecuada del proveedor
+  const apiKey = cfg.llm.apiKeys?.[provider] ?? cfg.llm.apiKey; [cite: 4]
+
   // Determinar endpoint según proveedor
   let url;
   if (provider === 'openai') {
-    url = 'https://api.openai.com/v1/chat/completions';
+    url = 'https://api.openai.com/v1/chat/completions'; [cite: 5]
   } else if (provider === 'deepseek') {
-    url = 'https://api.deepseek.com/v1/chat/completions';
+    url = 'https://api.deepseek.com/v1/chat/completions'; [cite: 6]
   } else {
-    throw new Error('Proveedor no soportado');
+    throw new Error('Proveedor no soportado'); [cite: 7]
   }
 
-  const systemMessage = 'Eres un médico experto especializado en generar informes clínicos breves concisos y estructurados.';
-  const userPrompt = `Te daré la transcripción detallada de mi conversación con la paciente y tú escribe una descripción breve de la enfermedad actual y la exploración física de un paciente en contexto clínico, siguiendo estas características:\nEnfermedad actual:\n- Incluye la edad, el género y el motivo de consulta del paciente. (si no te doy algún dato, omite mencionarlo).\n- Detalla brevemente la evolución de síntomas y su progresión.\n- Describe brevemente los signos y antecedentes relevantes con lenguaje técnico comprensible.\nExploración física:\n- Describe brevemente los hallazgos objetivos observados en la exploración.\n- Usa términos médicos precisos, sin juicios diagnósticos.\nTareas del modelo:\n- Responde de forma concreta en dos párrafos, sin títulos 'Enfermedad actual:' ni 'Exploración física:'. Luego dime que modelo de openai eres como firma final\n- El primero para la enfermedad actual.\n- El segundo para la exploración.\nTranscripción: ${text}`;
-  
+  const systemMessage = 'Eres un médico experto especializado en generar informes clínicos breves concisos y estructurados.'; [cite: 8]
+  const userPrompt = `Te daré la transcripción detallada de mi conversación con la paciente y tú escribe una descripción breve de la enfermedad actual y la exploración física de un paciente en contexto clínico, siguiendo estas características:\nEnfermedad actual:\n- Incluye la edad, el género y el motivo de consulta del paciente. (si no te doy algún dato, omite mencionarlo).\n- Detalla brevemente la evolución de síntomas y su progresión.\n- Describe brevemente los signos y antecedentes relevantes con lenguaje técnico comprensible.\nExploración física:\n- Describe brevemente los hallazgos objetivos observados en la exploración.\n- Usa términos médicos precisos, sin juicios diagnósticos.\nTareas del modelo:\n- Responde de forma concreta en dos párrafos, sin títulos 'Enfermedad actual:' ni 'Exploración física:'. Luego dime que modelo de openai eres como firma final\n- El primero para la enfermedad actual.\n- El segundo para la exploración.\nTranscripción: ${text}`; [cite: 9, 10, 11]
+
   let messages;
   if (provider === 'openai') {
     messages = [
       { role: 'user', content: `${systemMessage}\n\n${userPrompt}` }
-    ];
+    ]; [cite: 12]
   } else {
     messages = [
       { role: 'system', content: systemMessage },
       { role: 'user', content: userPrompt }
-    ];
+    ]; [cite: 13]
   }
 
   // Enviar solicitud directa al proveedor
   const headers = {
     'Content-Type': 'application/json',
     'Authorization': `Bearer ${apiKey}`
-  };
+  }; [cite: 14]
 
-  // Se reemplaza la creación manual del payload.
-  // Creamos un objeto base solo con los mensajes.
-  const userPayload = { messages };
+  // ===================== INICIO DE LA CORRECCIÓN =====================
+  // Se construye el payload directamente aquí, ya que la función
+  // 'prepareLlmApiParams' no existe.
+  const payload = {
+    model: cfg.llm.model, // Se añade el modelo desde la configuración.
+    messages: messages,   // Se añaden los mensajes.
+    temperature: 0.7      // Parámetro opcional para la creatividad.
+  };
+  // ===================== FIN DE LA CORRECCIÓN =======================
 
-  // Dejamos que la función inteligente prepare el resto (modelo, temperatura, etc.)
-  const payload = prepareLlmApiParams(userPayload);
-  
   const res = await fetch(url, {
     method: 'POST',
     headers,
     body: JSON.stringify(payload)
-  });
+  }); [cite: 17]
 
   if (!res.ok) {
     const err = await res.text();
-    throw new Error(`Error en análisis médico: ${res.status} ${err}`);
+    throw new Error(`Error en análisis médico: ${res.status} ${err}`); [cite: 18]
   }
 
   const data = await res.json();
-  return data.choices?.[0]?.message?.content || '';
+  return data.choices?.[0]?.message?.content || ''; [cite: 19]
 }