Update app.py

app.py

@@ -44,7 +44,7 @@ class ControlDeTraficoIA:
         self.peticiones = deque()
         self.tokens_procesados = deque()
         
-        # Límites de cuota
+        # Límites de cuota oficiales para gemma-4-31b
         self.MAX_RPM = 5       # Máximo 5 peticiones por minuto
         self.MAX_TPM = 30000   # Máximo 30,000 tokens por minuto
 
@@ -81,11 +81,11 @@ class ControlDeTraficoIA:
         with self.lock:
             now = time.time()
             self.peticiones.append(now)
-            self.tokens_processed_now = self.tokens_procesados.append((now, estimado_tokens))
+            self.tokens_procesados.append((now, estimado_tokens))
 
 control_trafico = ControlDeTraficoIA()
 
-# 4. PROCESAMIENTO DE HISTORIALES
+# 4. PROCESAMIENTO MULTI-ARCHIVO DE HISTORIALES
 def parse_telegram_text(text_obj):
     if isinstance(text_obj, str):
         return text_obj
@@ -136,8 +136,10 @@ for file_path in sorted(json_files):
 
 del seen_messages
 
-CHUNK_SIZE = 15
-OVERLAP = 5
+# OPTIMIZACIÓN 1: Chunks más grandes (30 mensajes) y mayor solapamiento (10 mensajes)
+# Esto garantiza que las conversaciones y reseñas largas no se corten a la mitad
+CHUNK_SIZE = 30
+OVERLAP = 10
 documents = []
 for i in range(0, len(valid_messages), CHUNK_SIZE - OVERLAP):
     chunk_msgs = valid_messages[i : i + CHUNK_SIZE]
@@ -156,7 +158,9 @@ embeddings = HuggingFaceEmbeddings(
 if documents:
     print("🧠 Creando base de datos unificada...")
     vectorstore = FAISS.from_documents(documents, embeddings)
-    retriever = vectorstore.as_retriever(search_kwargs={"k": 8})
+    
+    # OPTIMIZACIÓN 2: k=15 (Recupera el doble de contexto de memoria para el modelo)
+    retriever = vectorstore.as_retriever(search_kwargs={"k": 15})
     print("✅ Base de datos lista.")
 else:
     print("⚠️ No hay documentos para indexar.")
@@ -217,7 +221,7 @@ def handle_query(message):
             )
             return
 
-        # 1. Recuperar contexto de FAISS
+        # 1. Recuperar contexto de FAISS (Ahora trae 15 bloques para un contexto ultra robusto)
         docs = retriever.invoke(message.text)
         context_text = "\n\n---\n\n".join([doc.page_content for doc in docs])
         
@@ -241,7 +245,7 @@ def handle_query(message):
             # Dormir el hilo secundario para esperar la vacante de cuota de forma segura
             time.sleep(espera_necesaria)
             
-            # Registrar el consumo forzado ya que se cumplió el tiempo de espera requerido
+            # Registrar el consumo forzado ya que se cumplió el tiempo de espera de la ventana de 1 minuto
             control_trafico.registrar_consumo_forzado(estimacion_tokens)
             
             # Volver a activar la animación de escribiendo en el chat de Telegram