Update app.py

app.py

@@ -1,7 +1,7 @@
 # ==============================================================================
 # EL DETECTIVE DE ALIMENTOS - EDICIÓN HÍBRIDA DE ALTA DISPONIBILIDAD
 # Desarrollado por: Jairo Alexander & Diana Milena Soler Martinez
-# Motor: Gemini 2.5 Flash Lite + FooDB.ca Graph + Fast-Path Local Engine
+# Motor: Gemini 2.5 Flash / 2.0 Flash + FooDB.ca Graph + Fast-Path Local Engine
 # ==============================================================================
 
 import streamlit as st
@@ -66,10 +66,10 @@ def get_gemini_client():
         logger.warning(f"❌ Error instanciando cliente Gemini: {e}")
         return None
 
-# --- CASCADA DE MODELOS DE GEMINI CON FALLBACK ---
+# --- CASCADA CON MODELOS OFICIALES DE GEMINI ---
 def generate_content_with_fallback(gemini_client, prompt):
-    """Prueba los modelos disponibles en la cuenta de Google AI Studio en cascada."""
-    models_to_try = ['gemini-2.5-flash-lite', 'gemini-2.5-flash', 'gemini-1.5-flash']
+    """Llama a los modelos oficiales vigentes en Google AI Studio en cascada."""
+    models_to_try = ['gemini-2.5-flash', 'gemini-2.0-flash', 'gemini-1.5-flash']
     for model_name in models_to_try:
         try:
             response = gemini_client.models.generate_content(
@@ -78,13 +78,13 @@ def generate_content_with_fallback(gemini_client, prompt):
             )
             if response and response.text:
                 logger.info(f"✅ Respuesta exitosa generada por el modelo: {model_name}")
-                return response.text
+                return response.text, model_name
         except Exception as e:
-            logger.warning(f"⚠️ Modelo {model_name} no disponible ({e}), probando siguiente modelo...")
+            logger.warning(f"⚠️ Modelo {model_name} no disponible ({e}), probando siguiente...")
             continue
-    raise RuntimeError("Todos los modelos de Gemini fallaron o no están disponibles.")
+    raise RuntimeError("Ningún modelo de Gemini respondió adecuadamente.")
 
-# --- CARGA ULTRA-RÁPIDA DE DATOS Y FOODB (CERO COPIA EN MEMORIA) ---
+# --- CARGA ULTRA-RÁPIDA DE DATOS Y FOODB ---
 @st.cache_resource
 def load_data():
     try:
@@ -206,7 +206,7 @@ FOOD_TO_COMPOUND_MAP = {
     "calabaza": ["salicilatos", "fodmaps"],
     "zanahoria": ["salicilatos"],
 
-    # FERMENTADOS
+    # FERMENTADOS Y PLANTAS
     "kimchi": ["histamina", "tiramina", "sulfitos", "fodmaps"],
     "kombucha": ["histamina", "alcohol", "fructosa"],
 
@@ -1042,11 +1042,8 @@ def generate_detailed_analysis(query, match, entities=None, food_compound_map=No
     NO incluyas descargos de responsabilidad.
     """
     try:
-        response = gemini_client.models.generate_content(
-            model='gemini-2.5-flash-lite',
-            contents=prompt
-        )
-        ai_report = "🤖 **Análisis Redactado por IA Gemini 2.5 Flash Lite:**\n\n" + response.text + TEXTO_BANDERAS_ROJAS
+        raw_text, used_model = generate_content_with_fallback(gemini_client, prompt)
+        ai_report = f"🤖 **Análisis Redactado por IA Gemini ({used_model}):**\n\n" + raw_text + TEXTO_BANDERAS_ROJAS
         global_learned_cache[cache_lookup_key] = ai_report
         return ai_report
     except Exception as e:
@@ -1203,7 +1200,7 @@ if submitted:
         st.session_state.search_results = None
         st.session_state.entities = None
 
-        with st.spinner("🔍 Analizando pistas..."):
+        with st.spinner("🔍 Analizando pistas con Gemini..."):
             raw_entities = extract_entities_with_gemini(current_query)
             reinforced = reinforce_entities_with_keywords(raw_entities, current_query, FOOD_TO_COMPOUND_MAP, MASTER_SYMPTOM_MAP)
             final_symptoms = translate_symptoms_local(reinforced.get("sintomas", []), MASTER_SYMPTOM_MAP)