FOOD-AI / chatbot_nuti.py
caissaa23's picture
Upload 13 files
32ddb02 verified
Raw History Blame Contribute Delete
9.35 kB
import os
import json
from huggingface_hub import InferenceClient
from hf_config import obtener_hf_token
from usuarios import obtener_usuario_actual, obtener_datos_usuario
MODEL_ID = "Qwen/Qwen2.5-7B-Instruct"
MEMORIA_EMOCIONAL_FILE = "memoria_emocional.json"
def cargar_json(path, default):
if os.path.exists(path):
try:
with open(path, "r", encoding="utf-8") as f:
return json.load(f)
except json.JSONDecodeError:
return default
return default
def obtener_perfil():
usuario = obtener_usuario_actual()
datos = obtener_datos_usuario(usuario) if usuario else None
perfil = datos.get("perfil", {}) if datos else {}
return {
"nombre": perfil.get("nombre", usuario or "Usuario"),
"edad": perfil.get("edad", ""),
"peso": perfil.get("peso", ""),
"altura": perfil.get("altura", ""),
"genero": perfil.get("genero", ""),
"actividad": perfil.get("actividad", ""),
"meta": perfil.get("meta", ""),
"condicion": perfil.get("condicion", ""),
"alergias": perfil.get("alergias", ""),
"gustos": perfil.get("gustos", ""),
"no_gusta": perfil.get("no_gusta", ""),
"rutina": perfil.get("rutina", ""),
}
def obtener_contexto_emocional(nombre):
memoria = cargar_json(MEMORIA_EMOCIONAL_FILE, {})
bloque = memoria.get(nombre, {})
alertas = bloque.get("alertas_nutricion", [])
if alertas:
return alertas[-1]
return None
def resumir_historial(historial, limite=6):
if not historial:
return "Sin historial reciente."
partes = []
for item in historial[-limite:]:
if isinstance(item, dict):
rol = item.get("role", "")
content = item.get("content", "")
if rol and content:
partes.append(f"{rol}: {content}")
return "\n".join(partes) if partes else "Sin historial reciente."
def detectar_estilo_usuario(historial):
textos = [
str(item.get("content", ""))
for item in (historial or [])
if isinstance(item, dict) and item.get("role") == "user"
]
unido = " ".join(textos[-8:]).lower()
if not unido.strip():
return "Aún no hay estilo claro; responde natural y fácil de entender."
rasgos = []
if len(unido) < 180:
rasgos.append("prefiere respuestas cortas")
if any(p in unido for p in ["osea", "tipo", "sabes", "porfis", "jaja", "okok"]):
rasgos.append("habla casual y cercana")
if any(p in unido for p in ["paso a paso", "no entiendo", "lento"]):
rasgos.append("le ayudan instrucciones paso a paso")
if any(p in unido for p in ["rápido", "rapido", "directo"]):
rasgos.append("quiere respuestas directas")
if any(p in unido for p in ["calor", "prote", "kcal", "nutrientes"]):
rasgos.append("le importan datos concretos de nutrición")
return ", ".join(rasgos) if rasgos else "responde con tono cercano, claro y práctico"
def construir_system_prompt(perfil, alerta_emocional):
extra_emocional = ""
if alerta_emocional and alerta_emocional.get("tipo") == "ansiedad_comida":
extra_emocional = (
"El usuario puede estar pasando por hambre emocional. "
"Si habla de antojos, snacks o ganas de comer sin hambre, "
"responde con empatía y sugiere pausar, hidratarse y elegir una opción ligera sin juzgar.\n"
)
return f"""
Eres Nuti, la asistente nutricional de Nutribot.
Tu personalidad es directa, clara, útil y profesional, como una asistente experta que responde por mensaje.
No eres coach emocional; si la persona necesita contención emocional, puedes ser amable pero enfocas la respuesta en nutrición práctica.
Cuida mucho la ortografía, acentos y puntuación.
No mezcles palabras en inglés. Nunca uses palabras como "started", "healthy" o "tips" si puedes decirlo en español.
Antes de responder, revisa que la frase suene natural en español mexicano.
Tu trabajo:
- Si el usuario solo saluda, responde breve y pregunta qué necesita.
- Si pregunta sobre nutrición, responde con una recomendación concreta y accionable.
- Usa el perfil del usuario para personalizar.
- No inventes diagnósticos médicos.
- Usa listas cortas cuando ayuden a organizar opciones, porciones o pasos.
- Cuando recomiendes comida, incluye 2 o 3 opciones, porciones y aproximado si conviene.
- Responde breve a media longitud; evita rollos largos.
Perfil del usuario:
- Nombre: {perfil['nombre']}
- Edad: {perfil['edad']}
- Peso: {perfil['peso']}
- Altura: {perfil['altura']}
- Género: {perfil['genero']}
- Actividad: {perfil['actividad']}
- Meta: {perfil['meta']}
- Condición: {perfil['condicion']}
- Alergias: {perfil['alergias']}
- Gustos: {perfil['gustos']}
- Alimentos que no le gustan o prefiere evitar: {perfil['no_gusta']}
- Rutina diaria: {perfil['rutina']}
{extra_emocional}
Si el mensaje es ambiguo, primero aclara o responde de forma conversacional.
""".strip()
def respuesta_basica_nuti(mensaje, perfil):
texto = mensaje.lower()
nombre = str(perfil.get("nombre") or "Usuario").strip() or "Usuario"
meta = str(perfil.get("meta") or "").strip()
alergias = str(perfil.get("alergias") or "").strip()
gustos = str(perfil.get("gustos") or "").strip()
no_gusta = str(perfil.get("no_gusta") or "").strip()
rutina = str(perfil.get("rutina") or "").strip()
if any(palabra in texto for palabra in ["hola", "buenas", "hey"]):
return (
f"Hola, {nombre}. Estoy en modo básico porque falta activar el token de IA, "
"pero puedo ayudarte con orientación general de nutrición. Cuéntame qué comiste, "
"qué meta tienes o qué duda quieres resolver."
)
if any(palabra in texto for palabra in ["desayuno", "comida", "cena", "snack", "colación"]):
alergias_txt = f" evitando {alergias}" if alergias else ""
gustos_txt = f" Puedes usar alimentos que te gustan, como {gustos}." if gustos else ""
evita_txt = f" Si no te gusta o prefieres evitar {no_gusta}, cámbialo por algo similar." if no_gusta else ""
rutina_txt = f" Toma en cuenta tu rutina: {rutina}." if rutina else ""
return (
"Una opción equilibrada puede incluir proteína, verduras o fruta, carbohidrato de buena calidad "
f"y agua{alergias_txt}. Por ejemplo: huevo o yogur griego, fruta, avena o tortilla, "
"y una porción de verduras si aplica. Ajusta cantidades según tu hambre y tu objetivo."
f"{gustos_txt}{evita_txt}{rutina_txt}"
)
if any(palabra in texto for palabra in ["bajar", "peso", "adelgazar", "grasa"]):
return (
"Para bajar grasa de forma sana, prioriza comidas completas, suficiente proteína, verduras, agua "
"y movimiento constante. Evita saltarte comidas si eso te causa mucha hambre después. "
"Lo más importante es que sea sostenible."
)
if any(palabra in texto for palabra in ["subir", "masa", "músculo", "musculo", "proteína", "proteina"]):
return (
"Para apoyar masa muscular, combina entrenamiento de fuerza con proteína suficiente en el día, "
"carbohidratos para energía y descanso. Puedes repartir proteína en 3 o 4 comidas."
)
meta_txt = f" Tomaré en cuenta tu meta: {meta}." if meta else ""
return (
"Puedo orientarte de forma general, pero la IA completa todavía no está activada en esta sesión local."
f"{meta_txt} Si me dices tu comida, horario o duda específica, te doy una recomendación práctica."
)
def buscar_respuesta(mensaje, historial):
perfil = obtener_perfil()
nombre = str(perfil.get("nombre") or "Usuario").strip() or "Usuario"
alerta_emocional = obtener_contexto_emocional(nombre)
hf_token = obtener_hf_token()
if not hf_token:
return respuesta_basica_nuti(mensaje, perfil)
system_prompt = construir_system_prompt(perfil, alerta_emocional)
historial_texto = resumir_historial(historial)
estilo = detectar_estilo_usuario(historial)
user_prompt = f"""
Historial reciente:
{historial_texto}
Estilo del usuario detectado:
{estilo}
Mensaje actual del usuario:
{mensaje}
Responde directamente al usuario.
Usa español correcto, natural y con buena ortografía. Evita mezclar inglés.
Adapta el tono al estilo del usuario, pero mantente como asistente nutricional: clara, práctica y directa.
""".strip()
try:
client = InferenceClient(provider="auto", token=hf_token, timeout=25)
completion = client.chat.completions.create(
model=MODEL_ID,
messages=[
{"role": "system", "content": system_prompt},
{"role": "user", "content": user_prompt},
],
temperature=0.48,
max_tokens=220,
)
respuesta = completion.choices[0].message.content.strip()
return respuesta if respuesta else "No pude generar respuesta ahorita."
except Exception:
respuesta = respuesta_basica_nuti(mensaje, perfil)
return (
f"{respuesta}\n\n"
"Estoy usando una respuesta básica por ahora; intenta de nuevo en unos segundos para una recomendación más completa."
)