Update app.py

app.py

@@ -39,34 +39,14 @@ css_style = """
         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;
-    }
 </style>
 """
 
 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"
+    """Extrae el proceso de pensamiento del modelo"""
+    pensamiento = re.findall(r'<think>(.*?)</think>', texto, flags=re.DOTALL)
+    texto_limpio = re.sub(r'<think>.*?</think>', '', texto, flags=re.DOTALL).strip()
+    return texto_limpio, pensamiento[0].strip() if pensamiento else "No disponible"
 
 def get_pdf_text(pdf_docs):
     text = ""
@@ -86,8 +66,7 @@ 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.
+    Responde en español exclusivamente con la información solicitada usando el contexto. 
     Formato: Respuesta directa sin prefijos. Si no hay información, di "No disponible".
     
     Contexto:
@@ -107,75 +86,17 @@ def get_conversational_chain():
                        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'"
-    }
-    
-    metadata = {}
-    chain = get_conversational_chain()
-    
-    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"
-    
-    return metadata
-
-def mostrar_respuesta(texto):
+def mostrar_respuesta(texto, pensamiento):
+    """Muestra la respuesta y el proceso de pensamiento en un contenedor"""
     with st.container():
         st.markdown(f'<div class="response-box">{texto}</div>', unsafe_allow_html=True)
-
-def generar_sugerencias():
-    """Genera preguntas sugeridas simples y generales"""
-    if 'vector_store' not in st.session_state:
-        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
+    # Desplegable para mostrar el proceso de pensamiento del modelo
+    with st.expander("💭 Pensamiento del modelo"):
+        st.markdown(pensamiento)
 
 def procesar_consulta(user_question):
+    """Procesa la consulta del usuario y muestra la respuesta"""
     if 'vector_store' not in st.session_state:
         st.error("Por favor carga un documento primero")
         return
@@ -189,25 +110,20 @@ def procesar_consulta(user_question):
             return_only_outputs=True
         )
         
-    respuesta_final = eliminar_proceso_pensamiento(response['output_text'])
-    mostrar_respuesta(respuesta_final)
+    respuesta_final, pensamiento = eliminar_proceso_pensamiento(response['output_text'])
+    
+    # Mostrar respuesta y pensamiento
+    mostrar_respuesta(respuesta_final, pensamiento)
 
 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
-            
+    # Inicializa estados de sesión
+    if 'documento_cargado' not in st.session_state:
+        st.session_state.documento_cargado = False
+
     # Sidebar - Carga de documentos
     with st.sidebar:
         st.markdown('<p class="step-number">1 Subir archivos</p>', unsafe_allow_html=True)
@@ -218,89 +134,36 @@ def main():
             label_visibility="collapsed"
         )
 
-    # Procesamiento de documentos
-    if pdf_docs and not st.session_state.documento_cargado:
-        with st.spinner("Analizando documento..."):
-            try:
-                raw_text = get_pdf_text(pdf_docs)
-                text_chunks = get_text_chunks(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)}")
-
-    # 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
-        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)
-
-    # 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
-
-    elif not st.session_state.documento_cargado:
-        st.info("Por favor, sube un documento PDF para comenzar.")
+   # Procesamiento automático al cargar documentos
+   if pdf_docs and not st.session_state.documento_cargado:
+       with st.spinner("Procesando documento..."):
+           try:
+               raw_text = get_pdf_text(pdf_docs)
+               text_chunks = get_text_chunks(raw_text)
+               vector_store = get_vector_store(text_chunks)
+               st.session_state.vector_store = vector_store
+               st.session_state.documento_cargado = True
+               st.success("Documento procesado exitosamente.")
+           except Exception as e:
+               st.error(f"Error procesando documento: {str(e)}")
+
+   # Interfaz de consultas
+   if st.session_state.documento_cargado:
+       with st.form("consulta_form"):
+           col1, col2 = st.columns([5, 1])
+           with col1:
+               user_question = st.text_input(
+                   "Escribe tu pregunta:",
+                   placeholder="Ej: ¿Qué normativa regula este proceso?",
+                   label_visibility="collapsed"
+               )
+           with col2:
+               enviar = st.form_submit_button("Enviar ▶")
+       
+       if user_question and enviar:
+           procesar_consulta(user_question)
+   else:
+       st.info("Por favor sube un archivo PDF para comenzar.")
 
 if __name__ == "__main__":
-    main()
+    main()