Update app.py

app.py

@@ -31,26 +31,22 @@ ENRUTADOR_MODELOS = {
 }
 
 # ==========================================
-# 2. LÓGICA DEL ORÁCULO AGÉNTICO
+# 2. LÓGICA DEL ORÁCULO (ENJAMBRE TRANSPARENTE)
 # ==========================================
 def realizar_exegesis_web(consulta, canon_seleccionado):
     modelo_asignado = ENRUTADOR_MODELOS[canon_seleccionado]
+    bitacora_agentes = [] # Aquí guardaremos el rastro de razonamiento transparente
     
     # ---------------------------------------------------------
-    # FASE 1: AGENTE ANALISTA (Extracción Determinista de Entidades)
+    # AGENTE 1: ANALISTA (Extracción de Entidades)
     # ---------------------------------------------------------
+    bitacora_agentes.append("🕵️ **Agente 1 (Analista):** Iniciando disección de la consulta...")
     prompt_extraccion = f"""
     Analiza la siguiente consulta del usuario. Extrae el autor o la obra mencionados y deduce las palabras clave temáticas.
     Si no se menciona ningún autor u obra concreta, deja ese campo estrictamente vacío ("").
     Responde ÚNICAMENTE con un objeto JSON válido, sin texto adicional.
-    
     Consulta: "{consulta}"
-    
-    Formato esperado:
-    {{
-      "autor_obra": "Nombre del autor u obra (o vacío)",
-      "palabras_clave": "concepto 1, concepto 2, tema principal"
-    }}
+    Formato esperado: {{"autor_obra": "Nombre", "palabras_clave": "concepto 1, concepto 2"}}
     """
     
     try:
@@ -62,7 +58,6 @@ def realizar_exegesis_web(consulta, canon_seleccionado):
             ],
             temperature=0.1
         )
-        
         texto_json = respuesta_analista.choices[0].message.content
         match_json = re.search(r'\{.*\}', texto_json, re.DOTALL)
         
@@ -71,72 +66,96 @@ def realizar_exegesis_web(consulta, canon_seleccionado):
             filtro_autor = datos.get("autor_obra", "").strip()
             claves_busqueda = datos.get("palabras_clave", consulta).strip()
         else:
-            filtro_autor = ""
-            claves_busqueda = consulta
+            filtro_autor, claves_busqueda = "", consulta
+            
+        bitacora_agentes.append(f"   ↳ *Autor detectado:* `{filtro_autor if filtro_autor else 'Ninguno'}`")
+        bitacora_agentes.append(f"   ↳ *Claves vectoriales:* `{claves_busqueda}`")
             
     except Exception as e:
-        filtro_autor = ""
-        claves_busqueda = consulta
+        filtro_autor, claves_busqueda = "", consulta
+        bitacora_agentes.append(f"   ⚠️ *Error del Agente 1:* {e}. Usando texto completo.")
 
-    # Formateamos el filtro para Supabase (None si está vacío para ignorarlo)
-    filtro_db = filtro_autor if filtro_autor != "" else None
+    # ---------------------------------------------------------
+    # AGENTE 2: VERIFICADOR DE ARCHIVOS (Búsqueda Determinista SQL)
+    # ---------------------------------------------------------
+    bitacora_agentes.append("\n🗄️ **Agente 2 (Archivero):** Verificando inventario en Supabase...")
+    conteo_autor = 0
+    if filtro_autor:
+        try:
+            # Hacemos un conteo exacto de pasajes que coinciden parcialmente con el nombre usando 'ilike'
+            res_count = supabase.table(canon_seleccionado)\
+                .select("id", count="exact")\
+                .ilike("obra", f"%{filtro_autor}%")\
+                .execute()
+            
+            conteo_autor = res_count.count if res_count.count else 0
+            bitacora_agentes.append(f"   ↳ ✅ **Éxito:** Se han localizado **{conteo_autor}** pasajes catalogados bajo '{filtro_autor}' en la tabla `{canon_seleccionado}`.")
+            
+            if conteo_autor == 0:
+                bitacora_agentes.append("   ↳ ⚠️ *Aviso:* El autor no existe en la base de datos o está escrito de forma diferente (ej. 'Salustio' vs 'Cayo Salustio').")
+        except Exception as e:
+            bitacora_agentes.append(f"   ↳ ⚠️ Error al contar pasajes: {e}")
+    else:
+        bitacora_agentes.append("   ↳ Búsqueda global autorizada (no se restringió a un autor específico).")
 
     # ---------------------------------------------------------
-    # FASE 2: EL MATEMÁTICO (Vectorización de palabras clave)
+    # AGENTE 3: EL MATEMÁTICO (Vectorización y Similitud)
     # ---------------------------------------------------------
-    # Vectorizamos la suma de las claves extraídas y la consulta para máxima precisión
+    bitacora_agentes.append("\n📐 **Agente 3 (Matemático):** Trazando coordenadas semánticas...")
     texto_a_vectorizar = f"{claves_busqueda}. {consulta}"
     vector_query = modelo_vectorial.encode(texto_a_vectorizar, convert_to_tensor=False).tolist()
+    
+    filtro_db = filtro_autor if filtro_autor != "" else None
+    pasajes = []
 
-    # ---------------------------------------------------------
-    # FASE 3: EL ALMACÉN (Búsqueda Híbrida en Supabase)
-    # ---------------------------------------------------------
     try:
         respuesta_db = supabase.rpc(
             "buscar_pasajes_clasicos",
             {
                 "query_embedding": vector_query,
                 "match_threshold": 0.15, 
-                "match_count": 15,
+                "match_count": 5,
                 "tabla_destino": canon_seleccionado,
                 "filtro_autor_obra": filtro_db
             }
         ).execute()
 
         pasajes = respuesta_db.data
+        if pasajes:
+            bitacora_agentes.append(f"   ↳ ✅ **Éxito:** Se han rescatado **{len(pasajes)}** pasajes que superan el umbral de similitud semántica (0.15).")
+        else:
+            bitacora_agentes.append(f"   ↳ ❌ **Fallo semántico:** Aunque hay {conteo_autor} pasajes del autor, ninguno de ellos coincide conceptualmente con las coordenadas de tus palabras clave. La distancia matemática es demasiado grande.")
+            
+    except Exception as e:
+        bitacora_agentes.append(f"   ↳ ⚠️ Error en la búsqueda vectorial: {e}")
 
-        if not pasajes:
-            return "❌ No database matches found. / No se hallaron testimonios.", ""
+    # ---------------------------------------------------------
+    # AGENTE 4: EL FILÓLOGO (Explicador Transparente y Exégeta)
+    # ---------------------------------------------------------
+    bitacora_agentes.append("\n✍️ **Agente 4 (Filólogo):** Redactando respuesta final basada en la evidencia...")
+    
+    contexto_documentos = ""
+    for i, frag in enumerate(pasajes or []):
+        obra = frag.get("obra", "Desconocida")
+        texto = frag.get("texto_original", "")
+        contexto_documentos += f"\n[Documento {i+1} - Obra: {obra}]\n{texto}\n"
 
-        contexto_documentos = ""
-        for i, frag in enumerate(pasajes):
-            obra = frag.get("obra", "Desconocida")
-            texto = frag.get("texto_original", "")
-            contexto_documentos += f"\n[Documento {i+1} - Obra: {obra}]\n{texto}\n"
+    # Convertimos la bitácora en texto para pasársela al LLM y que entienda todo lo que ha pasado
+    historial_transparente = "\n".join(bitacora_agentes)
 
-        # ---------------------------------------------------------
-        # FASE 4: EL FILÓLOGO (Exégesis Final)
-        # ---------------------------------------------------------
-        prompt_sistema = """
-        Eres un riguroso filólogo clásico e historiador.
-        
-        INSTRUCCIONES VITALES:
-        1. IDIOMA: Detecta el idioma de la "Consulta del Usuario". Toda tu respuesta DEBE estar exclusivamente en ese idioma (usa Chino Tradicional si aplica).
-        2. SELECCIÓN: Evalúa los [Documentos] antiguos proporcionados y escoge los más pertinentes.
-        3. TRANSPARENCIA: Escribe tu proceso lógico dentro de etiquetas <razonamiento> y </razonamiento>.
-        
-        FORMATO DE SALIDA ESPERADO:
-        <razonamiento>
-        (Tu proceso lógico aquí)
-        </razonamiento>
-        ### 📌 Documento seleccionado: [Nombre de la obra]
-        > [Texto original del documento elegido]
-        ---
-        [Tu exégesis final]
-        """
-
-        prompt_usuario = f"Consulta del Usuario: {consulta}\n\nDocumentos recuperados de la base de datos:{contexto_documentos}"
+    prompt_sistema = """
+    Eres el Oráculo Filológico, el agente final de un enjambre de IA.
+    
+    INSTRUCCIONES VITALES:
+    1. IDIOMA: Responde EXCLUSIVAMENTE en el idioma de la "Consulta del Usuario" (Español o Chino Tradicional).
+    2. TRANSPARENCIA: Lee el "Historial de los Agentes". Si no se encontraron documentos, DEBES explicarle al usuario amablemente qué pasó (por ejemplo: "El Agente Archivero encontró X textos del autor, pero el Agente Matemático determinó que ninguno habla de tus palabras clave...").
+    3. EXÉGESIS: Si hay documentos recuperados, analízalos rigurosamente en relación con la consulta.
+    4. Escribe tu proceso lógico final dentro de etiquetas <razonamiento> y </razonamiento>.
+    """
 
+    prompt_usuario = f"Consulta del Usuario: {consulta}\n\n=== Historial de los Agentes (Para tu conocimiento) ===\n{historial_transparente}\n\n=== Documentos Recuperados ===\n{contexto_documentos if pasajes else 'NINGUNO'}"
+
+    try:
         response = cliente_ia.chat.completions.create(
             model=modelo_asignado,
             messages=[
@@ -148,49 +167,46 @@ def realizar_exegesis_web(consulta, canon_seleccionado):
 
         respuesta_completa = response.choices[0].message.content
         
-        # Bloque informativo para la interfaz gráfica (Muestra qué dedujo el Agente Analista)
-        info_extraccion = f"**🔍 Diagnóstico del Agente Analista:**\n- **Autor/Obra Detectado:** `{filtro_autor if filtro_autor else 'Ninguno (Búsqueda global)'}`\n- **Claves Vectorizadas:** `{claves_busqueda}`\n\n---\n"
-        
+        # Juntamos la bitácora técnica con el razonamiento del modelo para la interfaz
         match = re.search(r'<razonamiento>(.*?)</razonamiento>', respuesta_completa, re.DOTALL | re.IGNORECASE)
         if match:
-            texto_razonamiento = info_extraccion + match.group(1).strip()
+            texto_razonamiento = historial_transparente + "\n\n**💭 Reflexión final del Filólogo:**\n" + match.group(1).strip()
             texto_exegesis = respuesta_completa.replace(match.group(0), '').strip()
         else:
-            texto_razonamiento = info_extraccion + "El modelo no proporcionó un rastro de razonamiento explícito."
+            texto_razonamiento = historial_transparente + "\n\n**💭 Reflexión final del Filólogo:**\nNo se generaron etiquetas de razonamiento."
             texto_exegesis = respuesta_completa
 
         return texto_exegesis, texto_razonamiento
 
     except Exception as e:
-        return f"⚠️ Error general: {str(e)}", ""
+        return f"⚠️ Error en la fase de exégesis: {str(e)}", historial_transparente
 
 # ==========================================
-# 3. INTERFAZ GRÁFICA TRILINGÜE (Simplificada)
+# 3. INTERFAZ GRÁFICA
 # ==========================================
 with gr.Blocks() as demo:
-    gr.Markdown("# 🏛️ Socrates - Philological Oracle / Oráculo Filológico / 哲學神諭")
-    gr.Markdown("Agentic RAG System: Auto-metadata extraction & Hybrid Search enabled.")
+    gr.Markdown("# 🏛️ Socrates - Philological Oracle")
+    gr.Markdown("Agentic RAG System: *Glass-Box Swarm Architecture* (Transparencia Total)")
     
     with gr.Row():
         with gr.Column(scale=1):
             canon_dropdown = gr.Dropdown(
                 choices=["textos_clasicos_latin_v3", "textos_clasicos_griego_v3", "textos_clasicos_chino_v3"],
                 value="textos_clasicos_latin_v3",
-                label="📚 Canon / 經典"
+                label="📚 Canon"
             )
-            # Hemos eliminado la caja de Filtro Manual; la IA lo hace sola ahora
             consulta_input = gr.Textbox(
-                label="✍️ Query / Consulta / 查詢",
-                placeholder="Ej: La crítica de Salustio a la decadencia de la res publica...",
+                label="✍️ Query / Consulta",
+                placeholder="Ej: La decadencia moral en Salustio...",
                 lines=4
             )
             boton_consultar = gr.Button("Invoke / Invocar / 召喚", variant="primary")
             
         with gr.Column(scale=2):
-            with gr.Accordion("🧠 Reasoning Trace / Razonamiento del Sistema / 系統推理", open=False):
+            with gr.Accordion("🧠 Reasoning Trace (Bitácora del Enjambre) / 系統推理", open=True):
                 salida_razonamiento = gr.Markdown(label="")
                 
-            salida_markdown = gr.Markdown(label="Exegesis / 詮釋")
+            salida_markdown = gr.Markdown(label="Exegesis")
 
     boton_consultar.click(
         fn=realizar_exegesis_web,