Update app.py

app.py

@@ -1,6 +1,7 @@
 import os
 import json
 import glob
+import sys
 import threading
 import telebot
 import gradio as gr
@@ -17,15 +18,23 @@ def apreton_de_manos_gpu():
 
 print(f"🤖 {apreton_de_manos_gpu()}")
 
-# 2. CARGA DE CREDENCIALES
+# 2. CARGA DE CREDENCIALES Y VALIDACIÓN ESTRICTA
 TELEGRAM_TOKEN = os.environ.get("TELEGRAM_TOKEN")
 CEREBRAS_API_KEY = os.environ.get("CEREBRAS_API_KEY")
 
 if not TELEGRAM_TOKEN or not CEREBRAS_API_KEY:
     print("❌ ERROR: Faltan las variables de entorno TELEGRAM_TOKEN o CEREBRAS_API_KEY.")
+    sys.exit(1) # Detiene la ejecución antes de que rompa el bot
 
 bot = telebot.TeleBot(TELEGRAM_TOKEN)
 
+# Reutilizamos el cliente de forma global
+cerebras_client = OpenAI(
+    base_url="https://api.cerebras.ai/v1",
+    api_key=CEREBRAS_API_KEY,
+    timeout=30.0 
+)
+
 # 3. PROCESAMIENTO MULTI-ARCHIVO DE HISTORIALES DE TELEGRAM
 def parse_telegram_text(text_obj):
     if isinstance(text_obj, str):
@@ -40,13 +49,12 @@ def parse_telegram_text(text_obj):
         return out
     return ""
 
-# Buscar automáticamente todos los archivos que coincidan con 'result*.json'
 json_files = glob.glob("result*.json")
 print(f"📥 Archivos de historial encontrados en el servidor: {json_files}")
 
 valid_messages = []
+seen_messages = set() # Conjunto para búsquedas O(1) ultra rápidas
 
-# Leer y consolidar todos los JSONs detectados
 for file_path in sorted(json_files):
     print(f"📖 Leyendo {file_path}...")
     try:
@@ -65,12 +73,11 @@ for file_path in sorted(json_files):
             
             user = msg.get('from', 'Desconocido')
             date = msg.get('date', '').replace('T', ' ')
-            
-            # Formatear el mensaje
             msg_str = f"[{date}] {user}: {text}"
             
-            # Evitar duplicados exactos si los JSONs se solapan
-            if msg_str not in valid_messages:
+            # Optimización clave: la búsqueda en conjuntos es instantánea
+            if msg_str not in seen_messages:
+                seen_messages.add(msg_str)
                 valid_messages.append(msg_str)
                 file_messages_count += 1
                 
@@ -78,7 +85,10 @@ for file_path in sorted(json_files):
     except Exception as e:
         print(f"❌ Error al procesar el archivo {file_path}: {e}")
 
-# Agrupación en Chunks de contexto (ventana de 15 mensajes con solape de 5)
+# Liberamos memoria del set de control ya que no se usará más
+del seen_messages
+
+# Agrupación en Chunks de contexto
 CHUNK_SIZE = 15
 OVERLAP = 5
 documents = []
@@ -89,7 +99,7 @@ for i in range(0, len(valid_messages), CHUNK_SIZE - OVERLAP):
 
 print(f"📊 Total consolidado: {len(documents)} bloques de conversación únicos listos para indexar.")
 
-# 4. CONFIGURACIÓN DE EMBEDDINGS (Procesado en CPU para evitar fallos de PyTorch)
+# 4. CONFIGURACIÓN DE EMBEDDINGS (CPU)
 print("🚀 Cargando embeddings en dispositivo: CPU")
 embeddings = HuggingFaceEmbeddings(
     model_name="Qwen/Qwen3-Embedding-0.6B",
@@ -114,12 +124,6 @@ def obtener_respuesta_rag(user_query):
         docs = retriever.invoke(user_query)
         context_text = "\n\n---\n\n".join([doc.page_content for doc in docs])
         
-        client = OpenAI(
-          base_url = "https://api.cerebras.ai/v1",
-          api_key = CEREBRAS_API_KEY,
-          timeout = 30.0 
-        )
-        
         MODELO_ELEGIDO = "gemma-4-31b"
         
         prompt = f"""Eres un asistente útil, respetuoso y analítico basado ÚNICAMENTE en el historial de chat provisto.
@@ -136,12 +140,12 @@ PREGUNTA DEL USUARIO:
 Responde de forma estructurada. Si no sabes la respuesta porque no está en el contexto, di que no hay información sobre eso en el grupo.
 """
 
-        completion = client.chat.completions.create(
-          model=MODELO_ELEGIDO,
-          messages=[{"role":"user","content": prompt}],
-          temperature=0.3,
-          max_tokens=4096,
-          stream=False
+        completion = cerebras_client.chat.completions.create(
+            model=MODELO_ELEGIDO,
+            messages=[{"role": "user", "content": prompt}],
+            temperature=0.3,
+            max_tokens=4096,
+            stream=False
         )
         return completion.choices[0].message.content
         
@@ -161,10 +165,19 @@ def send_welcome(message):
 
 @bot.message_handler(func=lambda message: True)
 def handle_query(message):
-    bot.send_chat_action(message.chat.id, 'typing')
-    msg_espera = bot.reply_to(message, "🔍 Buscando en el historial unificado y procesando con Cerebras...")
-    respuesta_ia = obtener_respuesta_rag(message.text)
-    bot.edit_message_text(chat_id=message.chat.id, message_id=msg_espera.message_id, text=respuesta_ia)
+    try:
+        bot.send_chat_action(message.chat.id, 'typing')
+        msg_espera = bot.reply_to(message, "🔍 Buscando en el historial unificado y procesando con Cerebras...")
+        
+        respuesta_ia = obtener_respuesta_rag(message.text)
+        
+        # Control de longitud máxima de Telegram (4096 caracteres)
+        if len(respuesta_ia) > 4000:
+            respuesta_ia = respuesta_ia[:4000] + "\n\n⚠️ *Respuesta truncada por longitud máxima...*"
+            
+        bot.edit_message_text(chat_id=message.chat.id, message_id=msg_espera.message_id, text=respuesta_ia)
+    except Exception as e:
+        print(f"❌ Error al gestionar mensaje de Telegram: {e}")
 
 # 7. FUNCIÓN PARA CORRER EL BOT EN HILO SECUNDARIO
 def run_telegram_bot():