Upload app.py

app.py

@@ -0,0 +1,132 @@
+import gradio as gr
+import json
+from llama_cpp import Llama
+import spacy
+
+class ProcesadorAutodiagnostico:
+    def __init__(self):
+        # Initialize Llama model
+        self.llm = Llama(
+            model_path="./models/llama-2-7b-chat.gguf",  # We'll need to specify the correct path
+            n_ctx=2048,  # Context window
+            n_threads=4  # Adjust based on available resources
+        )
+        self.nlp = spacy.load("es_core_news_sm")
+        
+    def generar_prompt(self, texto: str) -> str:
+        return f"""Analiza el siguiente texto y extrae información estructurada para un autodiagnóstico.
+El texto describe un reto o proyecto relacionado con tecnologías cognitivas.
+
+Texto: {texto}
+
+Genera un JSON con la siguiente estructura, manteniendo solo la información relevante encontrada en el texto:
+{{
+    "datos_generales": {{
+        "sector": "",
+        "ubicacion": ""
+    }},
+    "reto": {{
+        "descripcion": "",
+        "contexto": "",
+        "alcance": ""
+    }},
+    "conocimientos_cogtech": {{
+        "terminos_desconocidos": [],
+        "conceptos_dudosos": [],
+        "areas_desconfianza": []
+    }},
+    "dominio_actual": {{
+        "aspectos_dominados": [],
+        "experiencia_previa": [],
+        "recursos_disponibles": []
+    }},
+    "entrampes": {{
+        "tecnicos": [],
+        "implementacion": [],
+        "organizacionales": []
+    }},
+    "objetivos": {{
+        "corto_plazo": [],
+        "esperados_microtaller": []
+    }}
+}}
+
+Asegúrate de:
+1. Identificar términos técnicos que generan dudas
+2. Detectar preocupaciones y áreas de desconfianza
+3. Identificar objetivos explícitos e implícitos
+4. Clasificar correctamente los entrampes
+5. Mantener el contexto del sector y ubicación
+
+JSON:"""
+
+    def procesar_texto(self, texto: str) -> dict:
+        # Generate prompt
+        prompt = self.generar_prompt(texto)
+        
+        # Get completion from LLaMa
+        response = self.llm(
+            prompt,
+            max_tokens=2048,
+            temperature=0.1,  # Low temperature for more consistent results
+            top_p=0.9,
+            stop=["```"]  # Stop at code blocks if any
+        )
+        
+        try:
+            # Parse the response as JSON
+            resultado = json.loads(response['choices'][0]['text'])
+            
+            # Post-process with spaCy if needed
+            doc = self.nlp(texto)
+            # Add any additional processing here
+            
+            return resultado
+        except json.JSONDecodeError:
+            # Fallback in case of invalid JSON
+            return {
+                "error": "No se pudo procesar el texto correctamente",
+                "texto_original": texto
+            }
+
+def procesar_con_gradio(texto_input: str) -> str:
+    """Wrapper function for Gradio interface"""
+    procesador = ProcesadorAutodiagnostico()
+    try:
+        resultado = procesador.procesar_texto(texto_input)
+        return json.dumps(resultado, indent=2, ensure_ascii=False)
+    except Exception as e:
+        return json.dumps({
+            "error": f"Error en el procesamiento: {str(e)}",
+            "texto_original": texto_input
+        }, indent=2, ensure_ascii=False)
+
+# Create the Gradio interface
+with gr.Blocks() as app:
+    gr.Markdown("# Autodiagnóstico CogTech")
+    gr.Markdown("""
+    ## Instrucciones
+    Describe tu situación considerando:
+    - Tu reto o necesidad principal
+    - Qué conoces y qué dudas tienes sobre tecnologías cognitivas
+    - Qué obstáculos o dificultades enfrentas
+    - Qué esperas lograr
+    """)
+    
+    with gr.Row():
+        texto_input = gr.Textbox(
+            label="Tu descripción",
+            placeholder="Describe tu situación...",
+            lines=10
+        )
+        json_output = gr.JSON(label="Autodiagnóstico Estructurado")
+    
+    analizar_btn = gr.Button("Generar Autodiagnóstico")
+    analizar_btn.click(
+        fn=procesar_con_gradio,
+        inputs=texto_input,
+        outputs=json_output
+    )
+
+if __name__ == "__main__":
+    app.launch()