Creacion de la app

rag_api.py

@@ -0,0 +1,187 @@
+import os
+import requests
+import shutil
+from langchain_community.vectorstores import FAISS
+from fastapi import FastAPI
+from pydantic import BaseModel
+from langchain_huggingface import HuggingFaceEmbeddings
+from langchain_core.runnables import RunnablePassthrough
+from langchain_core.prompts import PromptTemplate
+from langchain_groq import ChatGroq
+
+# --------------------------------------------------------
+# CACHÉ EN /tmp
+# --------------------------------------------------------
+TEMP_CACHE_DIR = '/tmp/huggingface_cache'
+os.environ['TRANSFORMERS_CACHE'] = TEMP_CACHE_DIR
+os.environ['HF_HOME'] = TEMP_CACHE_DIR
+os.environ['SENTENCE_TRANSFORMERS_HOME'] = TEMP_CACHE_DIR
+os.makedirs(TEMP_CACHE_DIR, exist_ok=True)
+
+# --------------------------------------------------------
+# 1. CONFIGURACIÓN
+# --------------------------------------------------------
+URL_FAISS = "https://drive.google.com/uc?export=download&id=1hiVycS4DQHO1MBdC-L_z1TXA6sJO_Y-r"
+URL_PKL = "https://drive.google.com/uc?export=download&id=1vbG8unx88Kb5jn7puGv1gqSM4S6rIUQC"
+DOWNLOAD_DIR  = "/tmp/db_faiss"
+DB_FAISS_PATH = DOWNLOAD_DIR
+
+# --------------------------------------------------------
+# 2. CLASIFICADOR DE INTENCIÓN  ← NUEVO
+# --------------------------------------------------------
+INTENT_PROMPT = PromptTemplate(
+    template="""Eres un clasificador de intenciones para un asistente del portal de la Universidad Poltécnica de Aragua.
+Analiza el mensaje del usuario y clasifícalo en UNA de estas categorías:
+- SALUDO: saludos, despedidas, conversación casual ("hola", "gracias", "adiós", "¿cómo estás?")
+- UNIVERSIDAD: preguntas sobre carreras o programas, investigación, cursos, admisiones, notas, proyectos, postgrado, 
+  PNF, PNFA, diplomados, servivios, Y TAMBIÉN cualquier pregunta relacionada con La Universidad relacionado con: sus autoridades, reglamentos, 
+  servivios estudiantiles, precios de cursos, programas, etc.
+- OTRO: preguntas claramente NO relacionadas con la Universidad tales como: matemáticas, historia, tecnología general, etc.
+IMPORTANTE: Ante la duda, clasifica como Universidad Politécnica de Aragua o UPT Aragua. Solo usa OTRO cuando estés 
+completamente seguro de que no tiene relación con la Universidad.
+Responde SOLO con la categoría, sin explicación.
+Mensaje: {query}
+Categoría:""",
+    input_variables=["query"]
+)
+
+SALUDO_PROMPT = PromptTemplate(
+    template="""Eres UPTA bot, un Asistente Virtual de la UPT Aragua. Estas aquí para ayudar con información sobre admisiones, programas académicos, 
+    servicios, becas y mucho más. Si el usuario se despide o agradece, invítalo a preguntar sobre la universidad.
+Mensaje: {query}
+Respuesta:""",
+    input_variables=["query"]
+)
+
+RAG_PROMPT = PromptTemplate(
+    template="""Eres UPTA bot, un Asistente Virtual experto  de la UPT Aragua. Estas aquí para ayudar con información sobre 
+    admisiones, programas académicos, servicios, becas y mucho más. Tu tarea es responder basándote en el contexto proporcionado. Si el contexto
+    no tiene suficiente información, pide al usuario que te proporcione una pregunta más específica sobre la UPT Aragua para dar una respuesta fiable. Sé amigable, claro y conciso.
+Contexto de la base de datos: {context}
+Pregunta del usuario: {question}
+Respuesta:""",
+    input_variables=["context", "question"]
+)
+
+# --------------------------------------------------------
+# 3. FUNCIONES DE DESCARGA Y CARGA
+# --------------------------------------------------------
+class QueryRequest(BaseModel):
+    query: str
+
+def download_file(url, local_path):
+    file_name = os.path.basename(local_path)
+    print(f"Descargando: {file_name}...")
+    headers = {'User-Agent': 'Mozilla/5.0'}
+    try:
+        response = requests.get(url, stream=True, headers=headers, timeout=30)
+        if response.status_code == 403:
+            raise PermissionError(f"Error 403: {file_name} no es público.")
+        response.raise_for_status()
+        os.makedirs(os.path.dirname(local_path), exist_ok=True)
+        with open(local_path, 'wb') as f:
+            shutil.copyfileobj(response.raw, f)
+        print(f"✓ {file_name} descargado.")
+    except requests.exceptions.RequestException as e:
+        raise RuntimeError(f"Fallo al descargar {file_name}: {e}")
+
+def load_and_configure_rag():
+    try:
+        download_file(URL_FAISS, os.path.join(DOWNLOAD_DIR, 'index.faiss'))
+        download_file(URL_PKL,   os.path.join(DOWNLOAD_DIR, 'index.pkl'))
+
+        print("Cargando embeddings...")
+        embeddings = HuggingFaceEmbeddings(
+            model_name="sentence-transformers/all-MiniLM-L6-v2",
+            model_kwargs={'device': 'cpu'},
+            cache_folder=TEMP_CACHE_DIR
+        )
+
+        print("Cargando FAISS...")
+        vectorstore = FAISS.load_local(
+            DB_FAISS_PATH, embeddings, allow_dangerous_deserialization=True
+        )
+
+        llm = ChatGroq(temperature=0.150, model_name="openai/gpt-oss-120b")
+
+        # Cadena clasificadora de intención
+        intent_chain = INTENT_PROMPT | llm
+
+        # Cadena para saludos
+        saludo_chain = SALUDO_PROMPT | llm
+
+        # Cadena RAG principal
+        retriever  = vectorstore.as_retriever(search_kwargs={"k": 4})
+        rag_chain  = (
+            {"context": retriever, "question": RunnablePassthrough()}
+            | RAG_PROMPT
+            | llm
+        )
+
+        return intent_chain, saludo_chain, rag_chain, retriever
+
+    except Exception as e:
+        print(f"Error CRÍTICO al inicializar: {type(e).__name__}: {e}")
+        raise RuntimeError(f"Falla al cargar RAG: {e}")
+
+# --------------------------------------------------------
+# 4. FASTAPI
+# --------------------------------------------------------
+app = FastAPI(title="UPT Aragua bot RAG API")
+
+intent_chain = saludo_chain = qa_chain = retriever = None
+
+try:
+    intent_chain, saludo_chain, qa_chain, retriever = load_and_configure_rag()
+except RuntimeError:
+    pass
+
+@app.get("/")
+def home():
+    if qa_chain is None:
+        return {"error": "RAG no inicializado. Revisa los logs."}
+    return {"message": "API UPT Aragua bot operativa. Usa /query."}
+
+@app.post("/query")
+async def process_query(request: QueryRequest):
+    if qa_chain is None:
+        return {"error": "El sistema RAG no se pudo cargar."}
+
+    try:
+        # ── 1. Clasificar intención ──────────────────────────────
+        intent_result = intent_chain.invoke({"query": request.query})
+        intent = intent_result.content.strip().upper()
+        print(f"[Intent] '{request.query}' → {intent}")
+
+        # ── 2. Ruta según intención ──────────────────────────────
+        if "SALUDO" in intent:
+            respuesta = saludo_chain.invoke({"query": request.query})
+            return {
+                "query": request.query,
+                "response": respuesta.content,
+                "intent": "SALUDO",
+                "sources": []
+            }
+
+        elif "OTRO" in intent:
+            return {
+                "query": request.query,
+                "response": "Soy UPTA bot, estoy especializado en la UPT Aragua. ¿Tienes alguna pregunta sobre programas, carreras, inscripciones, fechas...? 🥗",
+                "intent": "OTRO",
+                "sources": []
+            }
+
+        else:
+            # UNIVERSIDAD o cualquier categoría no reconocida → RAG
+            respuesta  = qa_chain.invoke(request.query)
+            docs       = retriever.invoke(request.query)
+            sources    = [doc.metadata.get("source", "N/A") for doc in docs]
+            return {
+                "query":    request.query,
+                "response": respuesta.content,
+                "intent":   "UNIVERSIDAD",
+                "sources":  sources
+            }
+
+    except Exception as e:
+        return {"error": f"Error al procesar la consulta: {e}"}