Update app.py

app.py

@@ -1,7 +1,7 @@
 import gradio as gr
 import PyPDF2
-import requests
 import os
+from huggingface_hub import InferenceClient
 
 # ============= EXTRAER TEXTO DEL PDF =============
 def extraer_texto_pdf(pdf_file):
@@ -18,7 +18,7 @@ def extraer_texto_pdf(pdf_file):
 def analizar_con_llm(texto):
     """El LLM analiza la factura y devuelve un resumen en un párrafo"""
     
-    token = os.getenv("aa")
+    token = os.getenv("HF_TOKEN")
     if not token:
         return "❌ Error: Falta configurar HF_TOKEN en Settings → Secrets"
     
@@ -36,46 +36,24 @@ def analizar_con_llm(texto):
 TEXTO DE LA FACTURA:
 {texto_limpio}
 
-Responde en un solo párrafo claro y conciso:"""
+Responde en un solo párrafo claro y conciso en español:"""
 
-    # Modelo LLM gratuito y funcional
-    API_URL = "https://api-inference.huggingface.co/models/mistralai/Mistral-7B-Instruct-v0.2"
-    
-    headers = {
-        "Content-Type": "application/json",
-        "Authorization": f"Bearer {token}"
-    }
-    
-    payload = {
-        "inputs": prompt,
-        "parameters": {
-            "max_new_tokens": 500,
-            "temperature": 0.3,
-            "return_full_text": False
-        },
-        "options": {
-            "wait_for_model": True
-        }
-    }
-    
     try:
-        response = requests.post(API_URL, headers=headers, json=payload, timeout=60)
+        # Usar el nuevo InferenceClient de Hugging Face
+        client = InferenceClient(token=token)
         
-        if response.status_code == 503:
-            return "⏳ El modelo está cargando, intenta en 20 segundos..."
-        
-        if response.status_code != 200:
-            return f"❌ Error {response.status_code}: {response.text[:200]}"
-        
-        resultado = response.json()
+        # Llamar al modelo con chat.completions (compatible con OpenAI)
+        response = client.chat.completions.create(
+            model="mistralai/Mistral-7B-Instruct-v0.2",
+            messages=[
+                {"role": "user", "content": prompt}
+            ],
+            max_tokens=500,
+            temperature=0.3
+        )
         
         # Extraer respuesta
-        if isinstance(resultado, list) and len(resultado) > 0:
-            return resultado[0].get('generated_text', 'Sin respuesta')
-        elif isinstance(resultado, dict):
-            return resultado.get('generated_text', 'Sin respuesta')
-        
-        return "❌ No se pudo obtener respuesta del modelo"
+        return response.choices[0].message.content
     
     except Exception as e:
         return f"❌ Error: {str(e)}"
@@ -135,8 +113,9 @@ with gr.Blocks(title="Analizador de Facturas con IA") as demo:
     gr.Markdown("""
     ---
     **Configuración necesaria:**
-    1. Ve a Settings → Secrets
-    2. Crea: `HF_TOKEN` = tu token de https://huggingface.co/settings/tokens
+    1. Instala: `pip install huggingface_hub`
+    2. Ve a Settings → Secrets
+    3. Crea: `HF_TOKEN` = tu token de https://huggingface.co/settings/tokens
     """)
 
 if __name__ == "__main__":