app.py

from dotenv import load_dotenv
import streamlit as st
import os
import google.generativeai as genai
import random

# Cargar las variables de entorno
load_dotenv()

# Configurar la API de Google
genai.configure(api_key=os.getenv("GOOGLE_API_KEY"))

# Función para obtener una mención del producto de manera probabilística
def get_random_product_mention():
    mentions = ["Directa", "Indirecta", "Metafórica"]
    probabilities = [0.35, 0.25, 0.40]
    return random.choices(mentions, probabilities)[0]

# Crear la instrucción de mención basada en la opción seleccionada
def get_mention_instruction(product_mention, product):
    if product_mention == "Directa":
        return f"Introduce directamente el producto '{product}' como la solución clara al problema que enfrenta el lector."
    elif product_mention == "Indirecta":
        return f"Referencia sutilmente el producto '{product}' como una posible solución al problema del lector sin nombrarlo explícitamente."
    elif product_mention == "Metafórica":
        return f"Introduce el producto '{product}' usando una metáfora, conectándolo simbólicamente a la solución que necesita el lector."
    return ""

# Ejemplos de llamados a la acción por tipo
cta_types = {
    "directos": [
        "Descarga la guía para mejorar mi productividad diaria.",
        "Suscribite a la página para recibir actualizaciones y promociones exclusivas.",
        "Únete a la prueba gratis de 14 días y descubrir nuevas funciones.",
        "Registrate a la página para acceder a contenido premium y estrategias efectivas.",
        "Compra ahora y obtén un regalo especial con tu pedido."
    ],
    "urgencia": [
        "Inscribete ahora para asegurar tu lugar, antes de que se agoten las plazas.",
        "Únete ahora para comenzar tu transformación hoy y no pierdas más tiempo."
    ],
    "descuento": [
        "Compra ahora y aprovecha el 50% de descuento.",
        "Haz tu pedido ahora y obten un 30% de descuento adicional."
    ],
    "exclusividad": [
        "Accede al contenido exclusivo solo para miembros.",
        "Se parte de un grupo selecto y disfruta de beneficios únicos."
    ],
    "beneficio_claro": [
        "Mejora tu productividad en solo una semana.",
        "Transforma tu carrera profesional con herramientas avanzadas."
    ],
    "personalización": [
        "Descubre cómo personalizar esta oferta.",
        "Elige las opciones que mejor se adapten a tus necesidades."
    ]
}

# Función para que el modelo elija automáticamente el tipo de CTA y el CTA específico
def get_random_cta():
    cta_type = random.choice(list(cta_types.keys()))  # Selección aleatoria del tipo de CTA
    cta = random.choice(cta_types[cta_type])  # Selección aleatoria del CTA dentro del tipo
    return cta

# Función para generar los textos, incluyendo el texto introductorio y el CTA
def generate_texts(number_of_texts, target_audience, product, call_to_action, temperature):
    product_mention = get_random_product_mention()
    mention_instruction = get_mention_instruction(product_mention, product)

    # Configuración del modelo
    generation_config = {
        "temperature": temperature,  
        "top_p": 0.85,       
        "top_k": 128,        
        "max_output_tokens": 2048,
        "response_mime_type": "text/plain",
    }

    # Configuración del modelo generativo y las instrucciones del sistema
    model = genai.GenerativeModel(
        model_name="gemini-1.5-flash",  # Nombre del modelo que estamos utilizando
        generation_config=generation_config,  # Configuración de generación
        system_instruction=(
            f"Eres un experto copywriter especializado en escribir mensajes o textos que atraen la atención de {target_audience} para promover {product} que soluciona los problemas de {target_audience}. "
            "Tu tarea es crear textos que incluyan un mensaje introductorio breve, atractivo y directo, seguido de un llamado a la acción (CTA) efectivo para promover {product}, tomando en cuenta los puntos dolorosos de {target_audience} y el {call_to_action} a realizar."
            "El texto introductorio debe ser corto, pero inspirador, y el CTA debe ser claro, directo y persuasivo, siguiendo la estructura 'Acción + conector + Valor'."
            "Asegúrate de que el texto sea creativo, fluido, y adaptado al tono que genera confianza y deseo de actuar."
        )
    )

    # Crear un mensaje para el modelo que incluye los CTAs generados según los tipos seleccionados
    texts_instruction = (
        f"Tu tarea es generar {number_of_texts} combinaciones de textos. Cada texto debe comenzar con un mensaje introductorio corto y atractivo, seguido de un CTA relacionado con {call_to_action}. "
        f"Puedes usar frases introductorias como 'Y si a ti te gustaría aprender todo esto...', pero asegúrate de que sea breve y poderosa. "
        f"Recuerda que el CTA debe tener la estructura 'Acción + conector + Valor', como los ejemplos proporcionados."
    )

    # Generar el resultado utilizando el modelo con la instrucción de CTA específica
    try:
        response = model.generate_content([texts_instruction])
        
        # Extraer el texto de la respuesta
        generated_texts = response.candidates[0].content.parts[0].text.strip()  # Modificado aquí
        
        # Retornar el resultado
        return generated_texts
    except Exception as e:
        raise ValueError(f"Error al generar los textos: {str(e)}")

# Configurar la interfaz de usuario con Streamlit
st.set_page_config(page_title="QuickPrompt", layout="wide")

# Centrar el título y el subtítulo
st.markdown("<h1 style='text-align: center;'>Quick Prompt</h1>", unsafe_allow_html=True)
st.markdown("<h4 style='text-align: center;'>Transforma tu mensaje en llamados de acción que inspiren a tu audiencia a tomar decisiones al instante.</h4>", unsafe_allow_html=True)

# Añadir CSS personalizado para el botón
st.markdown("""
    <style>
    div.stButton > button {
        background-color: #FFCC00;
        color: black;
        width: 90%;
        height: 60px;
        font-weight: bold;
        font-size: 22px;
        text-transform: uppercase;
        border: 1px solid #000000;
        border-radius: 8px;
        display: block;
        margin: 0 auto;
    }
    div.stButton > button:hover {
        background-color: #FFD700;
        color: black;
    }
    </style>
""", unsafe_allow_html=True)

# Crear columnas
col1, col2 = st.columns([1, 2])  

# Columnas de entrada
with col1:
    target_audience = st.text_input("¿Quién es tu público objetivo?", placeholder="Ejemplo: Estudiantes Universitarios")
    product = st.text_input("¿Qué producto tienes en mente?", placeholder="Ejemplo: Curso de Inglés")
    call_to_action = st.text_input("¿Qué acción deseas que tomen?", placeholder="Ejemplo: Inscribirse al curso")
    number_of_texts = st.selectbox("Número de textos", options=[1, 2, 3, 4, 5], index=2)
    temperature = st.slider("Creatividad", min_value=0.0, max_value=2.0, value=0.8, step=0.1)

    # Botón de enviar
    submit = st.button("Generar Textos")

# Mostrar los textos generados
if submit:
    if target_audience and product and call_to_action:
        try:
            # Obtener la respuesta del modelo
            generated_texts = generate_texts(number_of_texts, target_audience, product, call_to_action, temperature)
            col2.markdown(f"""
                <div style="border: 1px solid #000000; padding: 5px; border-radius: 8px; background-color: #ffffff;">
                    <h4>Mira la magia en acción:</h4>
                    <p>{generated_texts}</p>
                </div>
            """, unsafe_allow_html=True)
        except ValueError as e:
            col2.error(f"Error: {str(e)}")
        except Exception as e:
            col2.error(f"Error inesperado: {str(e)}")
    else:
        col2.error("Por favor, proporciona el público objetivo, el producto y la acción.")