aa

app.py

@@ -1,27 +1,27 @@
 import os
 import asyncio
 import google.generativeai as genai
-from openai import OpenAI
+from openai import OpenAI, APIError as OpenAIError
 import gradio as gr
 
 # Configuración de claves de API
 NVIDIA_API_KEY = os.getenv("NVIDIA_API_KEY")
 GEMINI_API_KEY = os.getenv("GEMINI_API_KEY")
 
-# Configuración del modelo de Google
-google_model = genai.GenerativeModel(
-    "gemini-exp-1114",
-    system_instruction="""
+# Instrucciones del sistema por defecto (pueden ser modificadas por el usuario)
+default_system_instruction = """
 Actúa como un Ministro de la Corte Suprema de Chile, específicamente de la Primera Sala especializada en Derecho de Familia, para revisar y perfeccionar un borrador de resolución judicial. El objetivo es mejorar la gramática, redacción y estilo jurídico, manteniendo la estructura y contenido original.
-
 Como Ministro de la Corte Suprema de Chile, especializado en Derecho de Familia, y con una vasta y reconocida trayectoria en la judicatura, tu misión es revisar y perfeccionar un borrador de resolución judicial, aplicando un tono formal, autoritario e impersonal, empleando el modo imperativo en expresiones de orden y mandato judicial. Proyectarás neutralidad y profesionalismo en todo el texto, evitando cualquier tono subjetivo o interpretativo. Usarás terminología jurídica específica del Derecho de Familia, asegurando que cada enunciado sea claro y preciso. Emplearás una redacción directa, evitando redundancias y expresiones superfluas. Utilizarás expresiones tradicionales y formales del ámbito judicial chileno.
-
 El objetivo es elevar el texto a un estándar de excelencia en redacción jurídica, asegurando la máxima claridad, precisión, concisión y formalidad. **No debes modificar la estructura del borrador, tampoco agregar fundamentación o hechos. La mejora solo es gramatical, redaccional y estitica lenguistica juridica.**
 **Resolución Final Consolidada:**
 *   Presentar el documento final perfeccionado, que incorpora las mejoras propias.
 # Ejemplos
 "Vistos y considerando lo expuesto, y de conformidad con lo dispuesto en los artículos 224 y siguientes del Código Civil, se resuelve: Que se acoge la demanda interpuesta. Se condena al demandado al pago de una pensión alimenticia..." (En un caso real, esta sección continuaría con más detalles y sería más larga)
-""",
+"""
+
+# Configuración del modelo de Google
+google_model = genai.GenerativeModel(
+    "gemini-exp-1114",
     generation_config={
         "temperature": 0.5,
         "top_p": 0.9,
@@ -36,59 +36,77 @@ nvidia_client = OpenAI(
     base_url="https://integrate.api.nvidia.com/v1",
     api_key=NVIDIA_API_KEY
 )
-nvidia_system_message = {
-    "role": "system",
-    "content": """
-Actúa como un Ministro de la Corte Suprema de Chile, específicamente de la Primera Sala especializada en Derecho de Familia, para revisar y perfeccionar un borrador de resolución judicial. El objetivo es mejorar la gramática, redacción y estilo jurídico, manteniendo la estructura y contenido original.
-
-Como Ministro de la Corte Suprema de Chile, especializado en Derecho de Familia, y con una vasta y reconocida trayectoria en la judicatura, tu misión es revisar y perfeccionar un borrador de resolución judicial, aplicando un tono formal, autoritario e impersonal, empleando el modo imperativo en expresiones de orden y mandato judicial. Proyectarás neutralidad y profesionalismo en todo el texto, evitando cualquier tono subjetivo o interpretativo. Usarás terminología jurídica específica del Derecho de Familia, asegurando que cada enunciado sea claro y preciso. Emplearás una redacción directa, evitando redundancias y expresiones superfluas. Utilizarás expresiones tradicionales y formales del ámbito judicial chileno.
-
-El objetivo es elevar el texto a un estándar de excelencia en redacción jurídica, asegurando la máxima claridad, precisión, concisión y formalidad. **No debes modificar la estructura del borrador, tampoco agregar fundamentación o hechos. La mejora solo es gramatical, redaccional y estitica lenguistica juridica.**
-**Resolución Final Consolidada:**
-*   Presentar el documento final perfeccionado, que incorpora las mejoras propias.
-# Ejemplos
-"Vistos y considerando lo expuesto, y de conformidad con lo dispuesto en los artículos 224 y siguientes del Código Civil, se resuelve: Que se acoge la demanda interpuesta. Se condena al demandado al pago de una pensión alimenticia..." (En un caso real, esta sección continuaría con más detalles y sería más larga)
-"""
-}
 
-# Función para llamar al modelo de Google
-async def google_response(borrador):
+# Función genérica para generar contenido
+async def generate_content(client, model_name, system_instruction, borrador, is_nvidia=False):
     try:
-        response = await asyncio.to_thread(google_model.generate_content, borrador)
-        return response.text
+        if is_nvidia:
+            messages = [
+                {"role": "system", "content": system_instruction},
+                {"role": "user", "content": borrador}
+            ]
+            completion = await asyncio.to_thread(
+                client.chat.completions.create,
+                model=model_name,
+                messages=messages,
+                temperature=0.5,
+                top_p=0.7,
+                max_tokens=4000
+            )
+            return completion.choices[0].message.content
+        else:  # Suponemos que es Google Gemini
+            client.system_instruction = system_instruction
+            response = await asyncio.to_thread(client.generate_content, borrador)
+            return response.text
+    except genai.types.GenerativeContentError as e:
+        return f"Error en Google Gemini (Contenido): {str(e)}"
+    except OpenAIError as e:
+        return f"Error en NVIDIA API: {str(e.message)}"
     except Exception as e:
-        return f"Error en Google Generative AI: {str(e)}"
+        return f"Error en {model_name}: {str(e)}"
 
-# Función para llamar al modelo de NVIDIA
-async def nvidia_response(borrador):
-    try:
-        messages = [nvidia_system_message, {"role": "user", "content": borrador}]
-        completion = await asyncio.to_thread(
-            nvidia_client.chat.completions.create,
-            model="meta/llama-3.1-405b-instruct",
-            messages=messages,
-            temperature=0.5,
-            top_p=0.7,
-            max_tokens=4000
+# Función predict para devolver una respuesta unificada
+async def predict(borrador, model_choice, system_instruction_google, system_instruction_nvidia):
+    if model_choice == "Ambos":
+        google_task = asyncio.create_task(
+            generate_content(google_model, "gemini-exp-1114", system_instruction_google, borrador)
         )
-        return completion.choices[0].message.content
-    except Exception as e:
-        return f"Error en NVIDIA API: {str(e)}"
-
-# Función predict para devolver respuestas separadas
-async def predict(borrador):
-    google_task = asyncio.create_task(google_response(borrador))
-    nvidia_task = asyncio.create_task(nvidia_response(borrador))
-
-    google_result = await google_task
-    nvidia_result = await nvidia_task
-
-    return google_result, nvidia_result
+        nvidia_task = asyncio.create_task(
+            generate_content(nvidia_client, "meta/llama-3.1-405b-instruct", system_instruction_nvidia, borrador, is_nvidia=True)
+        )
+        google_result, nvidia_result = await asyncio.gather(google_task, nvidia_task)
+        return f"**Google Gemini:**\n{google_result}\n\n---\n\n**NVIDIA:**\n{nvidia_result}"
+    elif model_choice == "Google Gemini":
+        google_result = await generate_content(google_model, "gemini-exp-1114", system_instruction_google, borrador)
+        return f"**Google Gemini:**\n{google_result}"
+    elif model_choice == "NVIDIA":
+        nvidia_result = await generate_content(nvidia_client, "meta/llama-3.1-405b-instruct", system_instruction_nvidia, borrador, is_nvidia=True)
+        return f"**NVIDIA:**\n{nvidia_result}"
 
 # Configuración de la interfaz
 with gr.Blocks() as demo:
     gr.Markdown("# Comparador de Modelos Jurídicos: Google Gemini vs NVIDIA")
 
+    model_choice = gr.Radio(
+        label="Seleccionar Modelo",
+        choices=["Ambos", "Google Gemini", "NVIDIA"],
+        value="Ambos"
+    )
+
+    with gr.Accordion("Instrucciones del Sistema (Opcional)", open=False):
+            system_instruction_text_google = gr.Textbox(
+                 label="Instrucción del Sistema para Google Gemini",
+                 placeholder="Introduce la instrucción del sistema para Google Gemini...",
+                 lines=6,
+                 value=default_system_instruction
+             )
+            system_instruction_text_nvidia = gr.Textbox(
+                label="Instrucción del Sistema para NVIDIA",
+                placeholder="Introduce la instrucción del sistema para NVIDIA...",
+                lines=6,
+                value=default_system_instruction
+            )
+
     input_text = gr.Textbox(
         label="Borrador de Resolución",
         placeholder="Introduce el texto que deseas perfeccionar...",
@@ -96,16 +114,25 @@ with gr.Blocks() as demo:
     )
     submit_button = gr.Button("Enviar")
 
-    gr.Markdown("### Resultado Google Gemini")
-    google_output = gr.Textbox(label="Texto Revisado por Google", lines=8, interactive=False)
-
-    gr.Markdown("### Resultado NVIDIA")
-    nvidia_output = gr.Textbox(label="Texto Revisado por NVIDIA", lines=8, interactive=False)
+    with gr.Column():
+        processing_indicator = gr.Label(value="", visible=False)
+        gr.Markdown("### Resultado Consolidado")
+        consolidated_output = gr.Textbox(label="Texto Revisado", lines=16, interactive=False) # Un solo campo de salida
 
     submit_button.click(
+        fn=lambda: [True, False],
+        inputs=[],
+        outputs=[processing_indicator, consolidated_output],
+        queue=False
+    ).then(
         predict,
-        inputs=[input_text],
-        outputs=[google_output, nvidia_output]
+        inputs=[input_text, model_choice, system_instruction_text_google, system_instruction_text_nvidia],
+        outputs=[consolidated_output] # La salida va al campo unificado
+    ).then(
+        fn=lambda: [False, True],
+        inputs=[],
+        outputs=[processing_indicator, consolidated_output],
+        queue=False
     )
 
 if __name__ == "__main__":