feat: promt init chatgpt

app.py

@@ -1,68 +1,74 @@
 import gradio as gr
-import pandas as pd
-import matplotlib.pyplot as plt
-import openai
+import fitz  # PyMuPDF para procesar PDFs
 
-# Configura tu clave de OpenAI (si lo necesitas)
-openai.api_key = "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"
+# Variable global para almacenar el contenido del archivo PDF cargado en memoria
+contenido_pdf = None
 
-# Función para analizar documentos cargados
-def analizar_documento(documento):
-    # Aquí podrías realizar un análisis más detallado según el tipo de documento.
-    # Por simplicidad, estamos cargando el archivo como un DataFrame de pandas.
-    
+# Función para cargar el archivo PDF y extraer su contenido como texto
+def cargar_archivo_pdf(documento):
+    global contenido_pdf
     try:
-        df = pd.read_excel(documento.name)
-    except Exception:
-        return "Error al procesar el documento. Asegúrate de que sea un archivo Excel."
-
-    # Simulación de análisis básico
-    resumen = df.describe().to_string()
-
-    # Generar gráfico simple
-    plt.figure(figsize=(8, 6))
-    df.plot(kind='bar')
-    plt.title('Gráfico de Ejemplo')
-    plt.savefig('grafico.png')
-    plt.close()
+        # Abre el archivo PDF y extrae todo el texto
+        doc = fitz.open(stream=documento.read(), filetype="pdf")
+        contenido_pdf = ""
+        for pagina in doc:
+            contenido_pdf += pagina.get_text()
+        if contenido_pdf.strip() == "":
+            return "No se pudo extraer texto del archivo PDF. Asegúrate de que no esté escaneado."
+        return "Archivo PDF cargado con éxito. Ahora puedes hacer preguntas sobre el documento."
+    except Exception as e:
+        return f"Error al procesar el archivo: {e}"
 
-    return resumen, 'grafico.png'
+# Función para procesar las preguntas sobre el archivo PDF cargado
+def procesar_pregunta(pregunta):
+    global contenido_pdf
+    if contenido_pdf is None:
+        return "Por favor, carga un archivo PDF antes de hacer preguntas."
+    
+    # Simulación de procesamiento de la pregunta (aquí puedes mejorar el análisis)
+    if "total" in pregunta.lower():
+        # Simulación de un análisis de la pregunta
+        return f"Respuesta simulada: El archivo menciona la palabra 'total' en el texto."
+    elif "resumen" in pregunta.lower():
+        # Devolver los primeros 500 caracteres del archivo como un resumen
+        return f"Resumen del archivo:\n{contenido_pdf[:500]}..."
+    else:
+        return "Lo siento, no puedo responder a esa pregunta. Prueba con algo como '¿Cuál es el total?' o 'Dame un resumen del archivo'."
 
-# Función para generar el análisis desde la API de OpenAI (simulado en este caso)
-def chat_gpt(message, documento=None):
-    # Ejemplo de mensaje simulado
-    respuesta = f"Análisis de GPT basado en el mensaje: {message}."
+# Definir la interfaz gráfica con Gradio
+def crear_interface():
+    with gr.Blocks() as demo:
+        gr.Markdown("# Asistente Contable para Archivos PDF")
 
-    if documento:
-        resumen_documento, _ = analizar_documento(documento)
-        respuesta += f"\nAdemás, aquí tienes un análisis del documento cargado:\n{resumen_documento}"
+        # Sección de carga de archivo PDF
+        archivo_input = gr.File(label="Cargar documento PDF", type="file")
+        archivo_output = gr.Textbox(label="Estado del archivo")
 
-    return respuesta
+        # Sección de preguntas y respuestas
+        pregunta_input = gr.Textbox(label="Haz tu pregunta", placeholder="Ej: ¿Cuál es el total mencionado en el documento?")
+        respuesta_output = gr.Textbox(label="Respuesta")
 
-# Interfaz de Gradio
-def procesar_chat(message, file):
-    if file:
-        respuesta, grafico = analizar_documento(file)
-        return f"Análisis detallado del archivo:\n{respuesta}", grafico
-    else:
-        respuesta = chat_gpt(message)
-        return respuesta, None
+        # Historial de preguntas y respuestas
+        historial = gr.Textbox(label="Historial", interactive=False)
 
-# Definir la interfaz gráfica usando Gradio
-interface = gr.Interface(
-    fn=procesar_chat, 
-    inputs=[
-        gr.Textbox(label="Escribe tu consulta aquí", placeholder="Ej: ¿Cuál es el análisis del balance general?"),
-        gr.File(label="Cargar documento contable")
-    ], 
-    outputs=[
-        gr.Textbox(label="Respuesta del Asistente"),
-        gr.Image(label="Gráfico Generado")
-    ],
-    title="Asistente Contable y Financiero de Chile",
-    description="Este asistente analiza documentos contables y financieros en base a la normativa chilena (IFRS, PCGA).",
-    allow_flagging=False
-)
+        # Función que actualiza el historial
+        def actualizar_historial(pregunta, respuesta, historial_actual):
+            return historial_actual + f"Pregunta: {pregunta}\nRespuesta: {respuesta}\n\n"
+        
+        # Conectar los inputs/outputs con las funciones
+        archivo_input.change(cargar_archivo_pdf, archivo_input, archivo_output)
+        pregunta_input.submit(
+            fn=lambda pregunta: (respuesta := procesar_pregunta(pregunta), respuesta),
+            inputs=pregunta_input,
+            outputs=[respuesta_output, respuesta_output]
+        )
+        pregunta_input.submit(
+            actualizar_historial, [pregunta_input, respuesta_output, historial], historial
+        )
+        
+    return demo
 
-# Ejecutar la interfaz
-interface.launch()
+# Iniciar la interfaz
+if __name__ == "__main__":
+    interfaz = crear_interface()
+    interfaz.launch()

dockerfile

@@ -0,0 +1,25 @@
+# Usamos una imagen base ligera de Python 3.10
+FROM python:3.10-slim
+
+# Establecemos el directorio de trabajo en el contenedor
+WORKDIR /app
+
+# Copiamos los archivos de requirements.txt al contenedor
+COPY requirements.txt .
+
+# Actualizamos los paquetes del sistema y luego instalamos las dependencias de Python
+RUN apt-get update && apt-get install -y --no-install-recommends \
+    build-essential \
+    && pip install --no-cache-dir --upgrade pip \
+    && pip install --no-cache-dir -r requirements.txt \
+    && apt-get clean \
+    && rm -rf /var/lib/apt/lists/*
+
+# Copiamos todo el contenido del directorio de trabajo actual al contenedor
+COPY . .
+
+# Exponemos el puerto 7860 que es el puerto por defecto de Gradio
+EXPOSE 7860
+
+# Ejecutamos la aplicación Gradio cuando el contenedor inicie
+CMD ["python", "app.py"]

requirements.txt

@@ -3,3 +3,4 @@ pandas
 matplotlib
 openai
 httpx
+fitz