Update modules/chatbot/chat_process.py

modules/chatbot/chat_process.py

@@ -1,129 +1,137 @@
-# modules/chatbot/chat_process.py
-import os
-import anthropic
-import logging
-from typing import Generator
-
-logger = logging.getLogger(__name__)
-
-class ChatProcessor:
-    def __init__(self):
-        """Inicializa el procesador de chat con la API de Claude"""
-        self.client = anthropic.Anthropic(
-            api_key=os.environ.get("ANTHROPIC_API_KEY")
-        )
-        self.conversation_history = []
-        self.semantic_context = None
-        self.current_lang = 'en'
-
-    def set_semantic_context(self, text, metrics, graph_data, lang_code='en'):
-        """Configura el contexto semántico completo para el chat"""
-        if not text or not metrics:
-            logger.error("Faltan datos esenciales para el contexto semántico")
-            raise ValueError("Texto y métricas son requeridos")
-            
-        self.semantic_context = {
-            'full_text': text,  # Texto completo del documento
-            'key_concepts': metrics.get('key_concepts', []),
-            'concept_centrality': metrics.get('concept_centrality', {}),
-            'graph_available': graph_data is not None,
-            'language': lang_code
-        }
-        self.current_lang = lang_code
-        self.conversation_history = []
-        logger.info("Contexto semántico configurado correctamente")
-
-    def _get_system_prompt(self):
-        """Genera el prompt del sistema con todo el contexto necesario"""
-        if not self.semantic_context:
-            return "You are a helpful assistant."
-            
-        concepts = self.semantic_context['key_concepts']
-        top_concepts = ", ".join([f"{c[0]} ({c[1]:.2f})" for c in concepts[:5]])
-        
-        prompts = {
-            'en': f"""You are a semantic analysis expert. The user analyzed a research article.
-            Full text available (abbreviated for context).
-            Key concepts: {top_concepts}
-            Graph available: {self.semantic_context['graph_available']}
-            
-            Your tasks:
-            1. Answer questions about concepts and their relationships
-            2. Explain the semantic network structure
-            3. Suggest text improvements
-            4. Provide insights based on concept centrality""",
-            
-            'es': f"""Eres un experto en análisis semántico. El usuario analizó un artículo de investigación.
-            Texto completo disponible (abreviado para contexto).
-            Conceptos clave: {top_concepts}
-            Gráfico disponible: {self.semantic_context['graph_available']}
-            
-            Tus tareas:
-            1. Responder preguntas sobre conceptos y sus relaciones
-            2. Explicar la estructura de la red semántica
-            3. Sugerir mejoras al texto
-            4. Proporcionar insights basados en centralidad de conceptos""",
-            
-            'pt': f"""Você é um especialista em análise semântica. O usuário analisou um artigo de pesquisa.
-            Texto completo disponível (abreviado para contexto).
-            Conceitos-chave: {top_concepts}
-            Gráfico disponível: {self.semantic_context['graph_available']}
-            
-            Suas tarefas:
-            1. Responder perguntas sobre conceitos e suas relações
-            2. Explicar a estrutura da rede semântica
-            3. Sugerir melhorias no texto
-            4. Fornecer insights com base na centralidade dos conceitos"""
-        }
-        
-        return prompts.get(self.current_lang, prompts['en'])
-
-    def process_chat_input(self, message: str, lang_code: str) -> Generator[str, None, None]:
-        """Procesa el mensaje con todo el contexto disponible"""
-        try:
-            if not self.semantic_context:
-                yield "Error: Contexto semántico no configurado. Recargue el análisis."
-                return
-                
-            # Actualizar idioma si es diferente
-            if lang_code != self.current_lang:
-                self.current_lang = lang_code
-                logger.info(f"Idioma cambiado a: {lang_code}")
-
-            # Construir historial de mensajes
-            messages = [
-                {
-                    "role": "user",
-                    "content": f"Documento analizado (extracto):\n{self.semantic_context['full_text'][:2000]}..."
-                },
-                *self.conversation_history,
-                {"role": "user", "content": message}
-            ]
-
-            # Llamar a Claude con streaming
-            with self.client.messages.stream(
-                model="claude-3-sonnet-20240229",
-                max_tokens=4000,
-                temperature=0.7,
-                system=self._get_system_prompt(),
-                messages=messages
-            ) as stream:
-                full_response = ""
-                for chunk in stream.text_stream:
-                    full_response += chunk
-                    yield chunk + "��"
-                
-                # Guardar respuesta en historial
-                self.conversation_history.extend([
-                    {"role": "user", "content": message},
-                    {"role": "assistant", "content": full_response}
-                ])
-                logger.info("Respuesta generada y guardada en historial")
-
-        except Exception as e:
-            logger.error(f"Error en process_chat_input: {str(e)}", exc_info=True)
-            yield {
-                'en': "Error processing message. Please reload the analysis.",
-                'es': "Error al procesar mensaje. Recargue el análisis.",
-                'pt': "Erro ao processar mensagem. Recarregue a análise."
+# modules/chatbot/chat_process.py
+import os
+import anthropic
+import logging
+from typing import Generator
+
+logger = logging.getLogger(__name__)
+
+class ChatProcessor:
+    def __init__(self):
+        """Inicializa el procesador de chat con la API de Claude"""
+        self.client = anthropic.Anthropic(
+            api_key=os.environ.get("ANTHROPIC_API_KEY")
+        )
+        self.conversation_history = []
+        self.semantic_context = None
+        self.current_lang = 'en'
+
+    def set_semantic_context(self, text, metrics, graph_data, lang_code='en'):
+        """Configura el contexto semántico completo para el chat"""
+        if not text or not metrics:
+            logger.error("Faltan datos esenciales para el contexto semántico")
+            raise ValueError("Texto y métricas son requeridos")
+            
+        self.semantic_context = {
+            'full_text': text,  # Texto completo del documento
+            'key_concepts': metrics.get('key_concepts', []),
+            'concept_centrality': metrics.get('concept_centrality', {}),
+            'graph_available': graph_data is not None,
+            'language': lang_code
+        }
+        self.current_lang = lang_code
+        self.conversation_history = []
+        logger.info("Contexto semántico configurado correctamente")
+
+    def _get_system_prompt(self):
+        """Genera el prompt del sistema con todo el contexto necesario"""
+        if not self.semantic_context:
+            return "You are a helpful assistant."
+            
+        concepts = self.semantic_context['key_concepts']
+        top_concepts = ", ".join([f"{c[0]} ({c[1]:.2f})" for c in concepts[:5]])
+        
+        prompts = {
+            'en': f"""You are a semantic analysis expert. The user analyzed a research article.
+            Full text available (abbreviated for context).
+            Key concepts: {top_concepts}
+            Graph available: {self.semantic_context['graph_available']}
+            
+            Your tasks:
+            1. Answer questions about concepts and their relationships
+            2. Explain the semantic network structure
+            3. Suggest text improvements
+            4. Provide insights based on concept centrality""",
+            
+            'es': f"""Eres un experto en análisis semántico. El usuario analizó un artículo de investigación.
+            Texto completo disponible (abreviado para contexto).
+            Conceptos clave: {top_concepts}
+            Gráfico disponible: {self.semantic_context['graph_available']}
+            
+            Tus tareas:
+            1. Responder preguntas sobre conceptos y sus relaciones
+            2. Explicar la estructura de la red semántica
+            3. Sugerir mejoras al texto
+            4. Proporcionar insights basados en centralidad de conceptos""",
+            
+            'pt': f"""Você é um especialista em análise semântica. O usuário analisou um artigo de pesquisa.
+            Texto completo disponível (abreviado para contexto).
+            Conceitos-chave: {top_concepts}
+            Gráfico disponível: {self.semantic_context['graph_available']}
+            
+            Suas tarefas:
+            1. Responder perguntas sobre conceitos e suas relações
+            2. Explicar a estrutura da rede semântica
+            3. Sugerir melhorias no texto
+            4. Fornecer insights com base na centralidade dos conceitos"""
+        }
+        
+        return prompts.get(self.current_lang, prompts['en'])
+
+    def process_chat_input(self, message: str, lang_code: str) -> Generator[str, None, None]:
+        """Procesa el mensaje con todo el contexto disponible"""
+        try:
+            if not self.semantic_context:
+                yield "Error: Contexto semántico no configurado. Recargue el análisis."
+                return
+                
+            # Actualizar idioma si es diferente
+            if lang_code != self.current_lang:
+                self.current_lang = lang_code
+                logger.info(f"Idioma cambiado a: {lang_code}")
+
+            # Construir historial de mensajes
+            messages = [
+                {
+                    "role": "user",
+                    "content": f"Documento analizado (extracto):\n{self.semantic_context['full_text'][:2000]}..."
+                },
+                *self.conversation_history,
+                {"role": "user", "content": message}
+            ]
+
+            # Llamar a Claude con streaming
+            with self.client.messages.stream(
+                model="claude-3-sonnet-20240229",
+                max_tokens=4000,
+                temperature=0.7,
+                system=self._get_system_prompt(),
+                messages=messages
+            ) as stream:
+                full_response = ""
+                for chunk in stream.text_stream:
+                    full_response += chunk
+                    yield chunk + "▌"
+                
+                # Guardar respuesta en historial
+                self.conversation_history.extend([
+                    {"role": "user", "content": message},
+                    {"role": "assistant", "content": full_response}
+                ])
+                logger.info("Respuesta generada y guardada en historial")
+
+        # Asegurar limpieza de caracteres especiales
+        def clean_generated_text(text):
+            return text.replace("\u2588", "").replace("▌", "").strip()
+        
+        # Aplicar limpieza a la generación
+        for chunk in self.generate_response(user_input, lang_code):
+            yield clean_generated_text(chunk)
+            
+        except Exception as e:
+            logger.error(f"Error en process_chat_input: {str(e)}", exc_info=True)
+            yield {
+                'en': "Error processing message. Please reload the analysis.",
+                'es': "Error al procesar mensaje. Recargue el análisis.",
+                'pt': "Erro ao processar mensagem. Recarregue a análise."
             }.get(self.current_lang, "Processing error")