Update app.py

app.py

@@ -1,7 +1,6 @@
 import streamlit as st
 from PyPDF2 import PdfReader
 from langchain.text_splitter import RecursiveCharacterTextSplitter
-import os
 from langchain_community.embeddings import HuggingFaceEmbeddings
 from langchain.vectorstores import FAISS
 from langchain_groq import ChatGroq
@@ -11,74 +10,27 @@ from dotenv import load_dotenv
 import re
 
 load_dotenv()
-os.getenv("GROQ_API_KEY")
 
-css_style = """
+# Configuración inicial
+st.set_page_config(page_title="PDF Consultor 🔍", page_icon="🔍", layout="wide")
+GROQ_API_KEY = os.getenv("GROQ_API_KEY")
+
+# CSS personalizado
+st.markdown("""
 <style>
-    .step-number {
-        font-size: 24px;
-        font-weight: bold;
-    }
-    .response-box {
-        padding: 20px;
-        background-color: #f8f9fa;
-        border-radius: 10px;
-        border-left: 5px solid #252850;
-        margin: 20px 0;
-        box-shadow: 0 2px 4px rgba(0,0,0,0.1);
-    }
-    .metadata-box {
-        padding: 20px;
-        background-color: #f0f2f6;
-        border-radius: 10px;
-        margin-bottom: 20px;
-    }
-    .custom-input {
-        font-size: 16px;
-        padding: 10px;
-        border-radius: 5px;
-        border: 1px solid #ccc;
-    }
-    .suggestion-container {
-        border: 1px solid #e0e0e0;
-        border-radius: 8px;
-        padding: 15px;
-        margin: 10px 0;
-        background: #f8f9fa;
-    }
-    .suggestion-btn {
-        width: 100%;
-        margin: 3px 0;
-        padding: 8px;
-        border-radius: 5px;
-        border: 1px solid #252850;
-        background: white;
-        cursor: pointer;
-        transition: all 0.2s;
-    }
-    .suggestion-btn:hover {
-        background: #252850;
-        color: white;
-    }
+    .response-box { padding: 20px; background-color: #f8f9fa; border-radius: 10px; border-left: 5px solid #252850; margin: 20px 0; }
+    .metadata-box { padding: 20px; background-color: #f0f2f6; border-radius: 10px; margin-bottom: 20px; }
+    .step-number { font-size: 24px; font-weight: bold; }
 </style>
-"""
+""", unsafe_allow_html=True)
 
+# Funciones auxiliares
 def eliminar_proceso_pensamiento(texto):
-    texto_limpio = re.sub(r'<.*?>', '', texto, flags=re.DOTALL)
-    lineas = [line.strip() for line in texto_limpio.split('\n') if line.strip()]
-    return lineas[-1] if lineas else "Respuesta no disponible"
+    limpio = re.sub(r'<think>.*?</think>', '', texto, flags=re.DOTALL)
+    return limpio.strip(), re.search(r'<think>(.*?)</think>', texto, re.DOTALL).group(1) if "<think>" in texto else "No disponible"
 
 def get_pdf_text(pdf_docs):
-    text = ""
-    for pdf in pdf_docs:
-        pdf_reader = PdfReader(pdf)
-        for page in pdf_reader.pages:
-            text += page.extract_text()
-    return text
-
-def get_text_chunks(text):
-    text_splitter = RecursiveCharacterTextSplitter(chunk_size=5000, chunk_overlap=500)
-    return text_splitter.split_text(text)
+    return "".join([page.extract_text() for pdf in pdf_docs for page in PdfReader(pdf).pages])
 
 def get_vector_store(text_chunks):
     embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/all-MiniLM-L6-v2")
@@ -86,9 +38,8 @@ def get_vector_store(text_chunks):
 
 def get_conversational_chain():
     prompt_template = """
-    Responde en español exclusivamente con la información solicitada usando el contexto, además sé lo más extenso y detallado posible 
-    siempre que se pueda desarollar, como explicando el contenido de referencias nombradas.
-    Formato: Respuesta directa sin prefijos. Si no hay información, di "No disponible".
+    Responde en español exclusivamente con la información solicitada usando el contexto.
+    Si no hay información, di "No disponible".
     
     Contexto:
     {context}
@@ -98,209 +49,89 @@ def get_conversational_chain():
     
     Respuesta:
     """
-    model = ChatGroq(
-        temperature=0.2,
-        model_name="deepseek-r1-distill-llama-70b",
-        groq_api_key=os.getenv("GROQ_API_KEY")
-    )
-    return load_qa_chain(model, chain_type="stuff", 
-                       prompt=PromptTemplate(template=prompt_template, 
-                                           input_variables=["context", "question"]))
+    model = ChatGroq(temperature=0.2, model_name="deepseek-r1-distill-llama-70b", groq_api_key=GROQ_API_KEY)
+    return load_qa_chain(model, chain_type="stuff", prompt=PromptTemplate(template=prompt_template, input_variables=["context", "question"]))
 
-def extract_metadata(vector_store):
-    metadata_questions = {
-        "title": "¿Cuál es el título principal del documento? Formato: Respuesta simple con algunas letras en mayúscula si hiciera falta",
-        "entity": "¿A qué organización pertenece este documento?. Formato: Respuesta directa con el nombre de la entidad.",
-        "date": "¿A qué fecha corresponde el documento? Si existen indicios indica la fecha, sino di 'No disponible'"
-    }
+def procesar_consulta(pregunta):
+    if 'vector_store' not in st.session_state:
+        st.error("Por favor carga un documento primero")
+        return
     
-    metadata = {}
     chain = get_conversational_chain()
+    docs = st.session_state.vector_store.similarity_search(pregunta)
     
-    for key, question in metadata_questions.items():
-        docs = vector_store.similarity_search(question, k=2)
-        response = chain(
-            {"input_documents": docs, "question": question},
-            return_only_outputs=True
-        )
-        clean_response = eliminar_proceso_pensamiento(response['output_text'])
-        metadata[key] = clean_response if clean_response else "No disponible"
+    with st.spinner("Analizando documento..."):
+        response = chain({"input_documents": docs, "question": pregunta}, return_only_outputs=True)
     
-    return metadata
+    respuesta_final, pensamiento = eliminar_proceso_pensamiento(response['output_text'])
+    mostrar_respuesta(respuesta_final, pensamiento)
 
-def mostrar_respuesta(texto):
-    with st.container():
-        st.markdown(f'<div class="response-box">{texto}</div>', unsafe_allow_html=True)
+def mostrar_respuesta(respuesta, pensamiento):
+    st.markdown(f'<div class="response-box">{respuesta}</div>', unsafe_allow_html=True)
+    with st.expander("💭 Pensamiento del modelo"):
+        st.write(pensamiento)
 
 def generar_sugerencias():
-    """Genera preguntas sugeridas simples y generales"""
     if 'vector_store' not in st.session_state:
-        return
+        return []
     
-    try:
-        docs = st.session_state.vector_store.similarity_search("", k=3)
-        context = "\n".join([doc.page_content for doc in docs])
-        
-        prompt_template = """
-        Genera exactamente 3 preguntas en español basadas en el contexto.
-        Las preguntas deben ser en español, simples y sencillas de máximo 10 palabras.
-        Formato de respuesta:
-        1. [Pregunta completa en español]
-        2. [Pregunta completa en español]
-        3. [Pregunta completa en español]
-        
-        Contexto:
-        {context}
-        """
-        
-        model = ChatGroq(
-            temperature=0.4,
-            model_name="deepseek-r1-distill-llama-70b",
-            groq_api_key=os.getenv("GROQ_API_KEY")
-        )
-        
-        response = model.invoke(prompt_template.format(context=context))
-        
-        preguntas = []
-        for line in response.content.split("\n"):
-            line = line.strip()
-            if line and line[0].isdigit():
-                pregunta = line.split('. ', 1)[1] if '. ' in line else line[2:]
-                if pregunta:
-                    preguntas.append(pregunta)
-        
-        return preguntas[:3]
-        
-    except Exception as e:
-        st.error(f"Error generando sugerencias: {str(e)}")
-        return
-
-def procesar_consulta(user_question):
-    if 'vector_store' not in st.session_state:
-        st.error("Por favor carga un documento primero")
-        return
+    docs = st.session_state.vector_store.similarity_search("", k=3)
+    context = "\n".join([doc.page_content for doc in docs])
     
-    chain = get_conversational_chain()
-    docs = st.session_state.vector_store.similarity_search(user_question)
+    prompt_template = """
+    Genera exactamente 3 preguntas simples en español basadas en este contexto.
     
-    with st.spinner("Analizando documento..."):
-        response = chain(
-            {"input_documents": docs, "question": user_question},
-            return_only_outputs=True
-        )
-        
-    respuesta_final = eliminar_proceso_pensamiento(response['output_text'])
-    mostrar_respuesta(respuesta_final)
+    Contexto:
+    {context}
+    
+    Preguntas sugeridas:
+    """
+    
+    model = ChatGroq(temperature=0.4, model_name="deepseek-r1-distill-llama-70b", groq_api_key=GROQ_API_KEY)
+    response = model.invoke(prompt_template.format(context=context))
+    
+    preguntas = [line.split('. ', 1)[1] for line in response.content.split("\n") if line.strip() and line[0].isdigit()]
+    return preguntas[:3]
 
+# Aplicación principal
 def main():
-    st.set_page_config(page_title="PDF Consultor 🔍", page_icon="🔍", layout="wide")
     st.title("PDF Consultor 🔍")
-    st.markdown(css_style, unsafe_allow_html=True)
 
-   # Estados de sesión
-    estados = {
-        'documento_cargado': False,
-        'sugerencias': [],
-        'pregunta_actual': "",
-        'respuestas': []
-    }
-    for key, value in estados.items():
-        if key not in st.session_state:
-            st.session_state[key] = value
-            
-    # Sidebar - Carga de documentos
-    with st.sidebar:
-        st.markdown('<p class="step-number">1 Subir archivos</p>', unsafe_allow_html=True)
-        pdf_docs = st.file_uploader(
-            "Subir PDF(s)", 
-            accept_multiple_files=True,
-            type=["pdf"],
-            label_visibility="collapsed"
-        )
+    # Estados de sesión
+    if 'documento_cargado' not in st.session_state:
+        st.session_state.documento_cargado = False
+        st.session_state.sugerencias = []
+        st.session_state.pregunta_actual = ""
 
-    # Procesamiento de documentos
-    if pdf_docs and not st.session_state.documento_cargado:
-        with st.spinner("Analizando documento..."):
-            try:
+    # Sidebar de carga de documentos
+    with st.sidebar:
+        st.markdown('<p class="step-number">1. Subir archivos</p>', unsafe_allow_html=True)
+        pdf_docs = st.file_uploader("Subir PDF(s)", accept_multiple_files=True, type=["pdf"])
+    
+        if pdf_docs and not st.session_state.documento_cargado:
+            with st.spinner("Procesando documento..."):
                 raw_text = get_pdf_text(pdf_docs)
-                text_chunks = get_text_chunks(raw_text)
+                text_chunks = RecursiveCharacterTextSplitter(chunk_size=5000, chunk_overlap=500).split_text(raw_text)
                 vector_store = get_vector_store(text_chunks)
-                
-                st.session_state.metadata = extract_metadata(vector_store)
                 st.session_state.vector_store = vector_store
                 st.session_state.documento_cargado = True
                 st.session_state.sugerencias = generar_sugerencias()
-                
-                st.rerun()
-                
-            except Exception as e:
-                st.error(f"Error procesando documento: {str(e)}")
+                st.success("Documento procesado exitosamente.")
+                st.experimental_rerun()
 
-    # Sección principal
-    if 'metadata' in st.session_state:
-        # Mostrar metadatos
-        st.markdown("---")
-        cols = st.columns(3)
-        campos_metadata = [
-            ("📄 Título", "title"),
-            ("🏛️ Entidad", "entity"), 
-            ("📅 Fecha", "date")
-        ]
-        
-        for col, (icono, key) in zip(cols, campos_metadata):
-            with col:
-                st.markdown(f"""
-                <div class="metadata-box">
-                    <div style="font-size:16px; margin-bottom:10px;">{icono}</div>
-                    {st.session_state.metadata[key]}
-                </div>
-                """, unsafe_allow_html=True)
-        
-        # Sugerencias
+    # Mostrar sugerencias y formulario principal
+    if st.session_state.documento_cargado:
         if st.session_state.sugerencias:
-            st.markdown("---")
-            with st.container():
-                st.markdown("""
-                <div class="suggestion-container">
-                    <div style="font-size:14px; color:#666; margin-bottom:8px;">💡 ¿Necesitas ideas?</div>
-                """, unsafe_allow_html=True)
-                
-                cols_sugerencias = st.columns(3)
-                for i, (col, pregunta) in enumerate(zip(cols_sugerencias, st.session_state.sugerencias)):
-                    with col:
-                        if st.button(
-                            pregunta,
-                            key=f"sug_{i}",
-                            help="Haz clic para usar esta pregunta",
-                            use_container_width=True
-                        ):
-                            st.session_state.pregunta_actual = pregunta
-                
-                st.markdown("</div>", unsafe_allow_html=True)
+            st.subheader("💡 Preguntas sugeridas:")
+            for pregunta in st.session_state.sugerencias:
+                if st.button(pregunta):
+                    procesar_consulta(pregunta)
 
-    # Formulario de consulta
-    if st.session_state.documento_cargado:
-        with st.form(key="consulta_form"):
-            col1, col2 = st.columns([5, 1])
-            with col1:
-                pregunta_usuario = st.text_input(
-                    "Escribe tu pregunta:",
-                    value=st.session_state.get('pregunta_actual', ''),
-                    placeholder="Ej: ¿De qué trata este documento?",
-                    label_visibility="collapsed"
-                )
-            with col2:
-                st.markdown("<br>", unsafe_allow_html=True)
-                enviar = st.form_submit_button("Enviar ▶")
-            
-            if enviar or st.session_state.pregunta_actual:
-                pregunta_final = pregunta_usuario or st.session_state.pregunta_actual
-                procesar_consulta(pregunta_final)
-                if 'pregunta_actual' in st.session_state:
-                    del st.session_state.pregunta_actual
+        with st.form("consulta_form"):
+            pregunta_usuario = st.text_input("Escribe tu pregunta:", placeholder="Ej: ¿Qué normativa regula este proceso?")
+            enviar = st.form_submit_button("Enviar ▶")
+            if enviar and pregunta_usuario:
+                procesar_consulta(pregunta_usuario)
 
-    elif not st.session_state.documento_cargado:
-        st.info("Por favor, sube un documento PDF para comenzar.")
- 
 if __name__ == "__main__":
-    main()
+    main()