Update app.py

app.py

@@ -148,79 +148,78 @@ def chat(user_input, chat_history, current_step, user_context):
         chat_history.append(("assistant", siguiente_pregunta))
     else:
         resultado = predict_disponibilidad(user_context)
-    if "error" in resultado:
-        chat_history.append(("assistant", resultado["error"] + " Reiniciando conversación..."))
-        user_context = {
-            "ubicacion": None,
-            "month": None,
-            "day": None,
-            "hour": None,
-            "target_pct": None,
-            "temperature": None,
-            "lluvia": None
-        }
-        current_step = 0
-        chat_history.append(("assistant", preguntar_al_usuario(preguntas[0][1])))
-        return chat_history, current_step, user_context
-    else:
-        clima = resultado["candidatas"][0]
-
-        # 🧾 Resumen del contexto
-        fecha_str = f"{user_context['day']:02d}/{user_context['month']:02d}/2025"
-        hora_str = f"{user_context['hour']:02d}:00h"
-        resumen_contexto = (
-            f"📍 *Ubicación*: {user_context['ubicacion']}\n"
-            f"🗓️ *Día*: {fecha_str}\n"
-            f"🕒 *Hora*: {hora_str}\n"
-            f"🎯 *Porcentaje mínimo deseado de bicis*: {int(user_context['target_pct'] * 100)}%"
-        )
-
-        # 📈 Predicción meteorológica
-        resumen_meteo = (
-            f"🌡️ *Temperatura esperada*: {clima['temperature']}°C\n"
-            f"☔ *Precipitación esperada*: {clima['precip']} mm"
-        )
-
-        # 🚲 Disponibilidad de estaciones
-        msg_estaciones = "🚲 *Estaciones más cercanas ordenadas por disponibilidad:*\n"
-        for r in resultado["candidatas"]:
-            emoji = "✅" if r["pred_pct"] >= resultado["target_pct"] else "⚠️"
-            msg_estaciones += (
-                f"{emoji} '{r['address']}' (ID {r['station_id']}): "
-                f"{round(r['pred_pct']*100)}% disponibilidad\n"
+        if "error" in resultado:
+            chat_history.append(("assistant", resultado["error"] + " Reiniciando conversación..."))
+            user_context = {
+                "ubicacion": None,
+                "month": None,
+                "day": None,
+                "hour": None,
+                "target_pct": None,
+                "temperature": None,
+                "lluvia": None
+            }
+            current_step = 0
+            chat_history.append(("assistant", preguntar_al_usuario(preguntas[0][1])))
+            return chat_history, current_step, user_context
+        else:
+            clima = resultado["candidatas"][0]
+
+            # 🧾 Resumen del contexto
+            fecha_str = f"{user_context['day']:02d}/{user_context['month']:02d}/2025"
+            hora_str = f"{user_context['hour']:02d}:00h"
+            resumen_contexto = (
+                f"📍 *Ubicación*: {user_context['ubicacion']}\n"
+                f"🗓️ *Día*: {fecha_str}\n"
+                f"🕒 *Hora*: {hora_str}\n"
+                f"🎯 *Porcentaje mínimo deseado de bicis*: {int(user_context['target_pct'] * 100)}%"
             )
 
-        # Construir mensaje completo
-        mensaje_final = f"{resumen_contexto}\n\n{resumen_meteo}\n\n{msg_estaciones}"
-        chat_history.append(("assistant", mensaje_final.strip()))
-
-        # 🧠 Resumen generado por LLM
-        # 🧠 Resumen generado por LLM
-        resumen_llm = client.chat.completions.create(
-            messages=[
-                {
-                    "role": "system",
-                    "content": (
-                        "Eres un asistente experto en movilidad urbana. Resume al usuario de forma clara y amigable "
-                        "si podrá encontrar bicis disponibles, indicando las mejores estaciones según los datos meteorológicos "
-                        "y el porcentaje mínimo requerido."
-                    )
-                },
-                {"role": "user", "content": mensaje_final.strip()}
-            ],
-            model="llama-3.3-70b-versatile",
-            temperature=0.5,
-            max_completion_tokens=256
-        ).choices[0].message.content.strip()
-        
-        # Añadir texto fijo al final del resumen
-        resumen_llm += "\n\nSi quieres hacer otra consulta, dime una nueva ubicación o escribe 'reiniciar'."
-        
-        chat_history.append(("assistant", resumen_llm))
+            # 📈 Predicción meteorológica
+            resumen_meteo = (
+                f"🌡️ *Temperatura esperada*: {clima['temperature']}°C\n"
+                f"☔ *Precipitación esperada*: {clima['precip']} mm"
+            )
 
+            # 🚲 Disponibilidad de estaciones
+            msg_estaciones = "🚲 *Estaciones más cercanas ordenadas por disponibilidad:*\n"
+            for r in resultado["candidatas"]:
+                emoji = "✅" if r["pred_pct"] >= resultado["target_pct"] else "⚠️"
+                msg_estaciones += (
+                    f"{emoji} '{r['address']}' (ID {r['station_id']}): "
+                    f"{round(r['pred_pct']*100)}% disponibilidad\n"
+                )
+
+            # Construir mensaje completo
+            mensaje_final = f"{resumen_contexto}\n\n{resumen_meteo}\n\n{msg_estaciones}"
+            chat_history.append(("assistant", mensaje_final.strip()))
+
+            # 🧠 Resumen generado por LLM
+            resumen_llm = client.chat.completions.create(
+                messages=[
+                    {
+                        "role": "system",
+                        "content": (
+                            "Eres un asistente experto en movilidad urbana. Resume al usuario de forma clara y amigable "
+                            "si podrá encontrar bicis disponibles, indicando las mejores estaciones según los datos meteorológicos "
+                            "y el porcentaje mínimo requerido."
+                        )
+                    },
+                    {"role": "user", "content": mensaje_final.strip()}
+                ],
+                model="llama-3.3-70b-versatile",
+                temperature=0.5,
+                max_completion_tokens=256
+            ).choices[0].message.content.strip()
+
+            # Añadir texto fijo al final del resumen
+            resumen_llm += "\n\nSi quieres hacer otra consulta, dime una nueva ubicación o escribe 'reiniciar'."
+
+            chat_history.append(("assistant", resumen_llm))
 
     return chat_history, current_step, user_context
 
+
 # Interfaz Gradio
 with gr.Blocks() as demo:
     chatbot = gr.Chatbot()