Update app.py

app.py

@@ -1,15 +1,17 @@
 import gradio as gr
-from transformers import AutoModelForCausalLM, AutoTokenizer
-import torch
+import os
+import requests
 
-# Modelo pequeño en español
-model_name = "datificate/gpt2-small-spanish"
-tokenizer = AutoTokenizer.from_pretrained(model_name)
-model = AutoModelForCausalLM.from_pretrained(model_name)
+# Token seguro desde variable de entorno
+API_TOKEN = os.getenv("HF_API_TOKEN")
+MODEL = "tiiuae/falcon-7b-instruct"
 
-# Respuestas fijas (intenciones frecuentes)
+HEADERS = {"Authorization": f"Bearer {API_TOKEN}"}
+
+# Respuestas fijas para preguntas importantes
 RESPUESTAS_FIJAS = {
     "hola": "¡Hola! 😊 Bienvenido a la biblioteca PUCEI. ¿En qué puedo ayudarte?",
+    "saludos": "¡Saludos! Espero que tengas un buen día. ¿En qué puedo ayudarte?",
     "horario": "Nuestro horario es de lunes a viernes de 08:00 a 20:00, y sábados de 08:00 a 13:00.",
     "requerimiento": "Por favor, indica el tipo de requerimiento que deseas realizar.",
     "libros": "Puedes consultar los libros disponibles en nuestra biblioteca desde el catálogo en línea.",
@@ -17,39 +19,44 @@ RESPUESTAS_FIJAS = {
     "contacto": "Puedes contactarnos al correo biblioteca@pucei.edu.ec o al teléfono (06) XXX-XXXX.",
 }
 
+# Detecta intención de la pregunta
+def detectar_intencion(texto):
+    texto = texto.lower()
+    for key, respuesta in RESPUESTAS_FIJAS.items():
+        if key in texto:
+            return respuesta
+    return None
+
+# Llamada a la API de Hugging Face
+def obtener_respuesta_api(texto):
+    url = f"https://api-inference.huggingface.co/models/{MODEL}"
+    data = {"inputs": texto}
+    try:
+        response = requests.post(url, headers=HEADERS, json=data)
+        return response.json()[0]["generated_text"]
+    except:
+        return "Lo siento, no pude procesar tu mensaje en este momento."
+
+# Función principal del chatbot híbrido
 def chatbot_hibrido(message, history):
-    msg_lower = message.lower()
+    respuesta_fija = detectar_intencion(message)
+    if respuesta_fija:
+        history.append((message, respuesta_fija))
+        return "", history
 
-    # Revisar si hay respuesta fija
-    for key, respuesta in RESPUESTAS_FIJAS.items():
-        if key in msg_lower:
-            history.append((message, respuesta))
-            return "", history
-
-    # Si no hay respuesta fija → usar modelo GPT-2 como complemento
-    prompt = f"Tú eres un asistente virtual de la biblioteca PUCEI. Responde de manera breve y clara.\nUsuario: {message}\nBot:"
-    input_ids = tokenizer.encode(prompt, return_tensors="pt")
-
-    output_ids = model.generate(
-        input_ids,
-        max_length=40,   # límite para que no divague
-        do_sample=True,
-        top_k=20,
-        top_p=0.9,
-        pad_token_id=tokenizer.eos_token_id
-    )
-    response = tokenizer.decode(output_ids[0], skip_special_tokens=True)
-    history.append((message, response))
+    respuesta_api = obtener_respuesta_api(message)
+    history.append((message, respuesta_api.strip()))
     return "", history
 
 # Interfaz Gradio
 with gr.Blocks() as demo:
-    gr.Markdown("## 🤖 Chatbot Biblioteca PUCEI (Híbrido, Español)")
+    gr.Markdown("## 🤖 Chatbot Biblioteca PUCEI (Híbrido con Hugging Face API)")
     chatbot_ui = gr.Chatbot()
-    msg = gr.Textbox()
-    clear = gr.Button("Limpiar")
+    msg = gr.Textbox(placeholder="Escribe tu mensaje aquí...")
+    clear = gr.Button("Limpiar conversación")
 
     msg.submit(chatbot_hibrido, [msg, chatbot_ui], [msg, chatbot_ui])
     clear.click(lambda: [], None, chatbot_ui, queue=False)
 
 demo.launch()
+