Update app.py

app.py

@@ -18,26 +18,11 @@ def generate_gemini_content(prompt, model_name='gemini-pro-vision', image=None):
     response = model.generate_content([prompt, image])
     return response
 
-# Function to handle errors and display appropriate messages
-def handle_errors(error_message, error_flag):
-    if "text must be a valid text with maximum 5000 character" in error_message and not error_flag:
-        error_response = ("La pregunta que está realizando puede que vaya en contra de las políticas de Google Bard e INIF. "
-                          "Por favor, reformule su pregunta sin temas no permitidos o pregunte algo diferente. "
-                          "Para más información consulte: https://policies.google.com/terms/generative-ai/use-policy "
-                          "o www.inif.com.co/laura-chatbot/use-policy")
-        st.error(error_response)
-        error_flag = True  # Set the error_flag to True after displaying the error message
-        return error_response
-    else:
-        error_response = f"Error: {error_message}\nDisculpa, soy una inteligencia artificial que aún se encuentra en desarrollo y está en fase alfa. En este momento no puedo responder a tu pregunta adecuadamente, pero en el futuro seré capaz de hacerlo."
-        st.error(error_response)
-        return error_response
-
 # Streamlit app
 def main():
     st.set_page_config(page_title="Laura Chatbot - INIF", page_icon="🤖")
     st.title("Laura Chatbot - INIF")
-    st.sidebar.title("Configuración de Gemini")
+    st.sidebar.title("Configuración de Laura")
 
     # Configurar la API key de Gemini (reemplazar con tu clave de API de Gemini)
     genai.configure(api_key='AIzaSyA4k6JoFNZsf8L1ixLMMRjEMoBPns5SHZk')
@@ -101,15 +86,14 @@ def main():
                             st.warning("No se encontraron candidatos en la respuesta.")
             else:
                 # Otros modelos Gemini seleccionados
-                try:
-                    response = get_response(user_input)
-                    res_text = ""
-                    for chunk in response:
-                        res_text += chunk.text
-                    st.markdown(f"Assistant: {to_markdown(res_text)}")
-                    messages.append({"role": "model", "parts": [res_text]})
-                except Exception as e:
-                    handle_errors(str(e), False)
+                response = get_response(user_input)
+
+                # Mostrar respuesta del modelo solo una vez
+                res_text = ""
+                for chunk in response:
+                    res_text += chunk.text
+                st.markdown(f"Assistant: {to_markdown(res_text)}")
+                messages.append({"role": "model", "parts": [res_text]})
 
     # Actualizar historial de mensajes en la sesión de Streamlit
     st.session_state["messages"] = messages