| |
| import os |
| import anthropic |
| import logging |
| from typing import Generator |
|
|
| logger = logging.getLogger(__name__) |
|
|
| class ChatProcessor: |
| def __init__(self): |
| """Inicializa el procesador de chat con la API de Claude""" |
| self.client = anthropic.Anthropic( |
| api_key=os.environ.get("ANTHROPIC_API_KEY") |
| ) |
| self.conversation_history = [] |
| self.semantic_context = None |
| self.current_lang = 'en' |
|
|
| def set_semantic_context(self, text, metrics, graph_data, lang_code='en'): |
| """Configura el contexto semántico completo para el chat""" |
| if not text or not metrics: |
| logger.error("Faltan datos esenciales para el contexto semántico") |
| raise ValueError("Texto y métricas son requeridos") |
| |
| self.semantic_context = { |
| 'full_text': text, |
| 'key_concepts': metrics.get('key_concepts', []), |
| 'concept_centrality': metrics.get('concept_centrality', {}), |
| 'graph_available': graph_data is not None, |
| 'language': lang_code |
| } |
| self.current_lang = lang_code |
| self.conversation_history = [] |
| logger.info("Contexto semántico configurado correctamente") |
|
|
| def _get_system_prompt(self): |
| """Genera el prompt del sistema con todo el contexto necesario""" |
| if not self.semantic_context: |
| return "You are a helpful assistant." |
| |
| concepts = self.semantic_context['key_concepts'] |
| top_concepts = ", ".join([f"{c[0]} ({c[1]:.2f})" for c in concepts[:5]]) |
| |
| prompts = { |
| 'en': f"""You are a semantic analysis expert. The user analyzed a research article. |
| Full text available (abbreviated for context). |
| Key concepts: {top_concepts} |
| Graph available: {self.semantic_context['graph_available']} |
| |
| Your tasks: |
| 1. Answer questions about concepts and their relationships |
| 2. Explain the semantic network structure |
| 3. Suggest text improvements |
| 4. Provide insights based on concept centrality |
| 5. IMPORTANT FORMATTING: Always format citations or numerical references using brackets with a leading space (e.g., text [1], concept [2]).""", |
| |
| 'es': f"""Eres un experto en análisis semántico. El usuario analizó un artículo de investigación. |
| Texto completo disponible (abreviado para contexto). |
| Conceptos clave: {top_concepts} |
| Gráfico disponible: {self.semantic_context['graph_available']} |
| |
| Tus tareas: |
| 1. Responder preguntas sobre conceptos y sus relaciones |
| 2. Explicar la estructura de la red semántica |
| 3. Sugerir mejoras al texto |
| 4. Proporcionar insights basados en centralidad de conceptos |
| 5. FORMATO IMPORTANTE: Formatea siempre las citas o referencias numéricas usando corchetes y asegurando un espacio antes (por ejemplo: texto [1], concepto [2]).""", |
| |
| 'pt': f"""Você é um especialista em análise semântica. O usuário analisou um artigo de pesquisa. |
| Texto completo disponível (abreviado para contexto). |
| Conceitos-chave: {top_concepts} |
| Gráfico disponível: {self.semantic_context['graph_available']} |
| |
| Suas tarefas: |
| 1. Responder perguntas sobre conceitos e suas relações |
| 2. Explicar a estrutura da rede semântica |
| 3. Sugerir melhorias no texto |
| 4. Fornecer insights com base na centralidade dos conceitos |
| 5. FORMATAÇÃO IMPORTANTE: Formate sempre as citações ou referências numéricas usando colchetes e garantindo um espaço antes (por exemplo: texto [1], conceito [2]).""", |
| |
| 'fr': f"""Vous êtes un expert en analyse sémantique. L'utilisateur a analysé un article de recherche. |
| Texte complet disponible (abrégé pour le contexte). |
| Concepts clés: {top_concepts} |
| Graphique disponible: {self.semantic_context['graph_available']} |
| |
| Vos tâches: |
| 1. Répondre aux questions sur les concepts et leurs relations |
| 2. Expliquer la structure du réseau sémantique |
| 3. Suggérer des améliorations de texte |
| 4. Fournir des insights basés sur la centralité des concepts |
| 5. FORMATAGE IMPORTANT: Formatez toujours les citations ou les références numériques en utilisant des crochets et en assurant un espace avant (par exemple: texte [1], concept [2]).""" |
| } |
| |
| return prompts.get(self.current_lang, prompts['en']) |
|
|
| def clean_generated_text(self, text): |
| """Limpia caracteres especiales del texto generado SIN eliminar espacios en blanco de los extremos.""" |
| |
| return text.replace("\u2588", "").replace("▌", "") |
|
|
| def process_chat_input(self, message: str, lang_code: str) -> Generator[str, None, None]: |
| """Procesa el mensaje con todo el contexto disponible""" |
| try: |
| if not self.semantic_context: |
| yield "Error: Contexto semántico no configurado. Recargue el análisis." |
| return |
| |
| if lang_code != self.current_lang: |
| self.current_lang = lang_code |
| logger.info(f"Idioma cambiado a: {lang_code}") |
|
|
| messages = [ |
| { |
| "role": "user", |
| "content": f"Documento analizado (extracto):\n{self.semantic_context['full_text'][:2000]}..." |
| }, |
| *self.conversation_history, |
| {"role": "user", "content": message} |
| ] |
|
|
| with self.client.messages.stream( |
| model="claude-sonnet-4-5-20250929", |
| max_tokens=4000, |
| temperature=0.7, |
| system=self._get_system_prompt(), |
| messages=messages |
| ) as stream: |
| full_response = "" |
| for chunk in stream.text_stream: |
| cleaned_chunk = self.clean_generated_text(chunk) |
| full_response += cleaned_chunk |
| yield cleaned_chunk |
| |
| |
| self.conversation_history.extend([ |
| {"role": "user", "content": message}, |
| {"role": "assistant", "content": full_response.strip()} |
| ]) |
| logger.info("Respuesta generada y guardada en historial") |
|
|
| except Exception as e: |
| logger.error(f"Error en process_chat_input: {str(e)}", exc_info=True) |
| error_messages = { |
| 'en': "Error processing message. Please reload the analysis.", |
| 'es': "Error al procesar mensaje. Recargue el análisis.", |
| 'pt': "Erro ao processar mensagem. Recarregue a análise.", |
| 'fr': "Erreur lors du traitement du message. Veuillez recharger l'analyse." |
| } |
| yield error_messages.get(self.current_lang, "Processing error") |
