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] # Función para crear el texto introductorio aleatorio def generate_intro_text(): intros = [ "¿Sabías que puedes cambiar tu vida en un solo paso?", "Imagínate alcanzando tus metas más rápido de lo que crees.", "Es momento de tomar el control de tu futuro.", "¿Te gustaría dominar una habilidad que te transforme?", "No dejes pasar esta oportunidad única para mejorar tu vida.", "Ahora tienes la oportunidad de hacer algo increíble.", "El primer paso hacia tus sueños está frente a ti.", "No lo pienses más, el cambio comienza aquí y ahora.", ] return random.choice(intros) # Función para generar texto inicial dinámico basado en contexto def generate_dynamic_intro(target_audience, product, call_to_action): templates = [ f"¿Estás listo para transformar tu vida con {product}?", f"Imagina cómo {product} puede ayudarte a {call_to_action}.", f"Para {target_audience}, {product} es la solución ideal para {call_to_action}.", f"¿Quieres saber cómo {product} puede hacer tu vida más fácil? Descúbrelo ahora.", f"{product} es la herramienta que necesitas para {call_to_action}.", ] return random.choice(templates) # 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": [ "asiste a nuestro webinar para convertirte en un padre amoroso.", "regístrate en nuestro curso para mejorar tu habilidad en ventas.", "comienza ahora para acceder a contenido exclusivo que transformará tu negocio." ], "urgencia": [ "inscríbete ahora antes de que se agoten las plazas para el evento.", "actúa rápido y comienza tu proceso de transformación hoy mismo." ], "descuento": [ "aprovecha este descuento especial y empieza a aprender con nosotros.", "obtén un descuento exclusivo al registrarte hoy." ], "exclusividad": [ "conviértete en parte de nuestro grupo exclusivo de miembros.", "disfruta de acceso único a herramientas premium con tu suscripción." ], "beneficio_claro": [ "mejora tu productividad en solo una semana.", "transforma tu vida y tus resultados con nuestra metodología probada." ], "personalización": [ "descubre cómo puedes personalizar tu experiencia con nuestro curso.", "elige las opciones que mejor se adapten a tus necesidades y comienza hoy." ] } # 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 combinar texto inicial y CTA def generate_intro_text_with_cta(intro_text, cta): return f"{intro_text} {cta}" # Función para generar llamados a la acción def generate_ctas(number_of_ctas, 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 ayudarme a escribir llamados a la acción (CTA) para mi [página web, landing, correo]," f"teniendo en cuenta los puntos dolorosos de mi {target_audience} y el {product} y la {call_to_action} a realizar." "Recuerda que un buen CTA debe tener:\n\n" "1. **Acción**: Palabras que invitan a realizar un movimiento (e.g., 'Descarga', 'Suscribete').\n" "2. **Valor**: Explica el beneficio que el usuario obtendrá al realizar la acción.\n\n" "Asegúrate de que cada llamado a la acción siga la estructura de 'Acción + conector + Valor', y evita incluir explicaciones como 'Acción: Descubrir' o 'Valor: Un oasis de paz en medio del caos'.\n" "Los llamados de acción deben de ser cortos y concisos, basate en estos ejemplos para realizar tu tarea de crear los CTA's:\n\n" "**Ejemplos de CTAs en Voz Activa en Segunda Persona:**\n" "- 'Asiste a nuestro webinar para convertirte en un padre amoroso.'\n" "- 'Regístrate en nuestro curso para mejorar tu habilidad en ventas.'\n" "- 'Comienza ahora para acceder a contenido exclusivo que transformará tu negocio.'\n" "Usa estos lineamientos para generar CTAs de alta conversión en español." ) ) # Crear un mensaje para el modelo que incluye los CTAs generados según los tipos seleccionados ctas_instruction = ( f"Tu tarea es crear {number_of_ctas} llamados a la acción efectivos dirigidos a {target_audience}, " f"para promover {call_to_action} usa la siguiente mención: {mention_instruction}. " "Asegúrate de que cada llamado a la acción siga la estructura de 'Acción + conector + Valor', " "como los ejemplos proporcionados anteriormente." ) # Generar el resultado utilizando el modelo con la instrucción de CTA específica try: response = model.generate_content([ctas_instruction]) # Extraer el texto de la respuesta generated_ctas = response.candidates[0].content.parts[0].text.strip() # Retornar el resultado return generated_ctas except Exception as e: raise ValueError(f"Error al generar los CTA: {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("

Quick Prompt

", unsafe_allow_html=True) st.markdown("

Transforma tu mensaje en llamados de acción que inspiren a tu audiencia a tomar decisiones al instante.

", unsafe_allow_html=True) # Añadir CSS personalizado para el botón st.markdown(""" """, 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_ctas = st.selectbox("Número de llamados a la acción", 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 Llamados a la Acción") # Mostrar los llamados a la acción generados if submit: if target_audience and product and call_to_action: try: # Generar texto inicial dinámico intro_text = generate_dynamic_intro(target_audience, product, call_to_action) # Generar CTAs generated_ctas = generate_ctas(number_of_ctas, target_audience, product, call_to_action, temperature) # Combinar con texto inicial combined_ctas = [ generate_intro_text_with_cta(intro_text, cta.strip()) for cta in generated_ctas.split('\n') ] # Mostrar CTAs combinados col2.markdown(f"""
""", 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.")