Update modules/chatbot/chat_process.py

modules/chatbot/chat_process.py

@@ -1,6 +1,6 @@
-# modules/chatbot/chatbot/chat_process.py
-import anthropic
+# modules/chatbot/chat_process.py
 import os
+import anthropic
 import logging
 from typing import Dict, Generator
 
@@ -10,63 +10,44 @@ class ChatProcessor:
     def __init__(self):
         """
         Inicializa el procesador de chat con la API de Claude
-        Raises:
-            ValueError: Si no se encuentra la clave API
         """
         api_key = os.environ.get("ANTHROPIC_API_KEY")
         if not api_key:
-            raise ValueError("No se encontró ANTHROPIC_API_KEY en las variables de entorno")
+            raise ValueError("No se encontró la clave API de Anthropic. Asegúrate de configurarla en las variables de entorno.")
             
         self.client = anthropic.Anthropic(api_key=api_key)
         self.conversation_history = []
 
     def process_chat_input(self, message: str, lang_code: str) -> Generator[str, None, None]:
         """
-        Procesa el input del chat y genera respuestas por chunks
-        Args:
-            message: Mensaje del usuario
-            lang_code: Código del idioma para contexto
-        Yields:
-            str: Chunks de la respuesta
+        Procesa el mensaje y genera una respuesta
         """
         try:
             # Agregar mensaje a la historia
             self.conversation_history.append(f"Human: {message}")
-            
-            # Construir el prompt con contexto del idioma
-            system_prompt = f"You are an AI assistant for AIdeaText. Respond in {lang_code}."
-            
-            # Generar respuesta usando Claude API
-            response = self.client.messages.create(
-                model="claude-3-opus-20240229",
-                max_tokens=300,
+            full_message = "\n".join(self.conversation_history)
+
+            # Generar respuesta usando la API de Claude
+            response = self.client.completions.create(
+                model="claude-2",
+                prompt=f"{full_message}\n\nAssistant:",
+                max_tokens_to_sample=300,
                 temperature=0.7,
-                system=system_prompt,
-                messages=[
-                    {
-                        "role": "user",
-                        "content": message
-                    }
-                ],
-                stream=True
+                stop_sequences=["Human:"]
             )
 
-            # Procesar la respuesta en streaming
-            full_response = ""
-            try:
-                for chunk in response:
-                    if chunk.delta.text:  # Verificar si hay texto en el chunk
-                        chunk_text = chunk.delta.text
-                        yield chunk_text
-                        full_response += chunk_text
-                
-                # Guardar la respuesta completa en el historial
-                if full_response:
-                    self.conversation_history.append(f"Assistant: {full_response}")
-                
-            except Exception as e:
-                logger.error(f"Error en streaming de respuesta: {str(e)}")
-                yield f"Error en la comunicación: {str(e)}"
+            # Procesar la respuesta
+            claude_response = response.completion.strip()
+            self.conversation_history.append(f"Assistant: {claude_response}")
+
+            # Mantener un historial limitado
+            if len(self.conversation_history) > 10:
+                self.conversation_history = self.conversation_history[-10:]
+
+            # Dividir la respuesta en palabras para streaming
+            words = claude_response.split()
+            for word in words:
+                yield word + " "
 
         except Exception as e:
             logger.error(f"Error en process_chat_input: {str(e)}")
@@ -75,8 +56,6 @@ class ChatProcessor:
     def get_conversation_history(self) -> list:
         """
         Retorna el historial de la conversación
-        Returns:
-            list: Lista de mensajes
         """
         return self.conversation_history