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." )