app.py

# app_streamlit_es.py
import streamlit as st
from transformers import pipeline

# Cargar pipeline genérico de generación
generador = pipeline("text-generation", model="IIC/MEL")  # o modelo instructivo compatible

st.set_page_config(page_title="Interface MEL", layout="wide")
st.title("Interfaz MEL: documentos 🔍")
st.write("Sube tus documentos, escribe tu prompt (tarea deseada) y obtén la respuesta generada.")
prompt = st.text_area("Prompt (instrucción al modelo)", height=100, placeholder="Ejemplo: “Resume este texto” o “Clasifica según categoría legal”")

archivos = st.file_uploader("Sube documentos (.txt, .md, .pdf)", accept_multiple_files=True)
if st.button("Generar respuesta"):
    texts = []
    for fichero in archivos:
        try:
            texto = fichero.read().decode("utf‑8")
        except:
            texto = ""  # podrías usar pdfplumber o similar para PDF
        texts.append(texto)
    contenido = "\n\n".join(texts)
    entrada = prompt + "\n\n" + contenido
    # Generar con límite de tokens razonable
    salida = generador(entrada, max_new_tokens=512, do_sample=False)
    respuesta = salida[0]["generated_text"]
    st.text_area("Resultado", value=respuesta, height=300)
    st.download_button("Descargar resultado (.txt)", data=respuesta, file_name="resultado.txt")