Upload 3 files

app.py

@@ -0,0 +1,62 @@
+import streamlit as st
+from dotenv import load_dotenv
+from bot import get_response
+
+load_dotenv()  # Carga variables de .env
+
+# Configuración de la página
+
+st.title("Bienvenid@, recruiter")
+st.caption("Soy un bot que puede responder preguntas sobre el perfil "
+           "profesional de Lidia. ¡Pregúntame lo que quieras! "
+           "Y ve directo al grano: tengo los límites de frecuencia muy limitados😉. "
+           "Aunque si te quedas con más preguntas, Lidia te las responderá encantada. Recuerda: la IA puede cometer errores.")
+
+# Inicializar historial en session_state
+# session_state persiste entre rerenders de Streamlit
+if "messages" not in st.session_state:
+    st.session_state.messages = []
+    # Mensaje de bienvenida
+    st.session_state.messages.append({
+        "role": "assistant",
+        "content": "Gracias por interesarte por Lidia. "
+                   "Puedo hablarte sobre su experiencia en IA, "
+                   "bases de datos, modelos predictivos y más "
+                   "(es una chica muy interesante). "
+                   "¿Qué te gustaría saber?"
+    })
+
+# Renderizar historial de mensajes
+for message in st.session_state.messages:
+    with st.chat_message(message["role"]):
+        st.markdown(message["content"])
+
+# Input del usuario
+if prompt := st.chat_input("Escribe tu pregunta aquí..."):
+
+    # Añadir mensaje del usuario al historial y mostrarlo
+    st.session_state.messages.append({
+        "role": "user",
+        "content": prompt
+    })
+    with st.chat_message("user"):
+        st.markdown(prompt)
+
+    # Obtener respuesta del bot
+    with st.chat_message("assistant"):
+        with st.spinner("Rebuscando en el baúl de los recuerdos..."):
+            # Pasamos todo el historial EXCEPTO el mensaje de bienvenida
+            # (que es nuestro, no del modelo)
+            history_for_api = [
+                m for m in st.session_state.messages
+                if not (m["role"] == "assistant" and
+                        "Hola! Soy el asistente" in m["content"])
+            ]
+            response = get_response(history_for_api)
+            st.markdown(response)
+
+    # Guardar respuesta en historial
+    st.session_state.messages.append({
+        "role": "assistant",
+        "content": response
+    })

bot.py

@@ -0,0 +1,37 @@
+from google import genai
+from dotenv import load_dotenv
+import os
+from knowledge_base import PROFILE, FEW_SHOT_EXAMPLES
+
+load_dotenv()
+
+client = genai.Client(api_key=os.getenv("GEMINI_API_KEY"))
+
+PROFILE = os.getenv("PROFILE")
+
+SYSTEM_PROMPT = os.getenv("SYSTEM_PROMPT") 
+
+def get_response(conversation_history: list) -> str:
+    try:
+        contents = []
+        for msg in conversation_history:
+            contents.append({
+                "role": "user" if msg["role"] == "user" else "model",
+                "parts": [{"text": msg["content"]}]
+            })
+
+        response = client.models.generate_content(
+            model="gemini-2.5-flash",
+            contents=contents,
+            config={"system_instruction": SYSTEM_PROMPT}
+        )
+        return response.text
+
+    except Exception as e:
+        error = str(e)
+        if "503" in error or "UNAVAILABLE" in error:
+            return "Este bot utiliza uno de los modelos de Gemini. Actualmente, el modelo está experimentando alta demanda en este momento y no puede dar respuesta. Por favor, inténtalo de nuevo en unos minutos."
+        elif "429" in error or "RESOURCE_EXHAUSTED" in error:
+            return "¡Qué guay que os intereséis tanto por Lidia! Pero se ha alcanzado el límite de consultas por ahora. Por favor, sigue preguntando mañana o llama a Lidia :)"
+        else:
+            return "Ha ocurrido un error inesperado. Por favor, inténtalo de nuevo más tarde."

knowledge_base.py

@@ -0,0 +1,7 @@
+import os
+from dotenv import load_dotenv
+
+load_dotenv()
+
+PROFILE = os.getenv("PROFILE")
+FEW_SHOT_EXAMPLES = os.getenv("FEW_SHOT_EXAMPLES")