src/call_openai_api.py

import os
from langchain_openai import ChatOpenAI
from langchain.prompts import PromptTemplate
from langchain.chains import LLMChain


# Obtener la clave de API directamente del entorno
api_key = os.getenv("OPENAI_API_KEY", "")
if not api_key:
    raise EnvironmentError("OPENAI_API_KEY no definido. Configura este valor en Hugging Face -> Settings -> Secrets.")

# Instanciar el modelo de lenguaje
llm = ChatOpenAI(
    openai_api_key=api_key,
    temperature=0.7,
    model="gpt-4"
)

# Plantilla para generación
template = """
Eres un asistente de IA que orienta a los alumnos a ser mejores personas. Haz una haiku de 5 lineas sobre lo que te estan comentando. Da siempre la respuesta en Español.
Texto:{texto}
Respuesta:
"""

prompt = PromptTemplate(
    input_variables=["texto"],
    template=template
)

chain = LLMChain(
    llm=llm,
    prompt=prompt
)

def save_summary_to_file(summary_text, filename='results/OpenAI_response.txt'):
    try:
        os.makedirs(os.path.dirname(filename), exist_ok=True)
        with open(filename, 'w', encoding='utf-8') as file:
            file.write(summary_text)
        print(f"Resumen guardado en: {filename}")
    except Exception as e:
        print(f"Error al guardar el resumen: {e}")

def read_text_from_file(filename):
    try:
        with open(filename, 'r', encoding='utf-8') as file:
            return file.read()
    except Exception as e:
        print(f"Error al leer el archivo {filename}: {e}")
        return ""

def moni(archivo):
    texto_usuario = read_text_from_file(archivo)
    resultado = chain.run(texto=texto_usuario)
    print("Resultado generado por LLM:")
    print(resultado)
    save_summary_to_file(resultado)
    return resultado