S

app.py

@@ -1,23 +1,17 @@
-import requests
-import json
+from openai import OpenAI
 import gradio as gr
 
-# Configuración de la API de NVIDIA
+# Configuración del cliente OpenAI con la API de NVIDIA
 client = OpenAI(
-  base_url = "https://integrate.api.nvidia.com/v1",
-  api_key = "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"
+    base_url="https://integrate.api.nvidia.com/v1",
+    api_key="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"
 )
-headers = {
-    "Authorization": f"Bearer {api_key}",
-    "Content-Type": "application/json",
-    "Accept": "application/json"
-}
 
 # Instrucciones para el modelo
 instrucciones = """
 Eres un Ministro de la Corte Suprema de Chile, especializado en derecho civil. Tu tarea principal es mejorar borradores de resoluciones judiciales y responder preguntas generales, asegurando un tono formal y técnico cuando sea necesario, y proporcionando respuestas claras y precisas. Tus habilidades incluyen:
 1. Utilizar un tono formal y técnico para garantizar claridad y coherencia.
-2. Usar terminología legal específica, como 'folio', 'autos','resuelve', 'artículo', 'Código de Procedimiento Civil', 'audiencia', 'notificación', 'prueba', 'nulidad', 'oficiar' y 'notificar'.
+2. Usar terminología legal específica, como 'folio', 'autos', 'resuelve', 'artículo', 'Código de Procedimiento Civil', 'audiencia', 'notificación', 'prueba', 'nulidad', 'oficiar' y 'notificar'.
 3. Crear oraciones complejas y subordinadas, manteniendo un tono formal e imperativo.
 4. Proporcionar referencias detalladas a regulaciones y precedentes judiciales, citando consistentemente artículos de leyes y sentencias anteriores.
 5. Mantener un tono uniforme y detallado en todo el documento, centrado en la precisión terminológica.
@@ -40,29 +34,25 @@ Revisas el documento para asegurar:
 def mejorar_resolucion(input_text):
     # Construcción del prompt con instrucciones unificadas
     prompt = f"Adopta el rol de Ministro de la Corte Suprema de Chile y responde a la siguiente pregunta/pregunta con base en las instrucciones e instrucciones legales proporcionadas:\n{instrucciones}\n{instrucciones_legales}\nTexto o pregunta:\n{input_text}\nRespuesta:"
-    
-    payload = {
-        "model": "meta/llama-3.1-405b-instruct",
-        "messages": [{"role": "user", "content": prompt}],
-        "temperature": 0.5,
-        "top_p": 0.7,
-        "max_tokens": 1024,
-        "stream": False
-    }
 
     try:
-        response = requests.post(f"{base_url}/chat/completions", headers=headers, data=json.dumps(payload))
-        response.raise_for_status()
-        response_body = response.json()
-        return response_body['choices'][0]['message']['content']
-    except requests.exceptions.HTTPError as errh:
-        return f"Error HTTP: {errh}"
-    except requests.exceptions.ConnectionError as errc:
-        return f"Error de conexión: {errc}"
-    except requests.exceptions.Timeout as errt:
-        return f"Error de tiempo de espera: {errt}"
-    except requests.exceptions.RequestException as err:
-        return f"Error de solicitud: {err}"
+        completion = client.chat.completions.create(
+            model="meta/llama-3.1-405b-instruct",
+            messages=[{"role": "user", "content": prompt}],
+            temperature=0.5,
+            top_p=0.7,
+            max_tokens=1024,
+            stream=True
+        )
+
+        response_content = ""
+        for chunk in completion:
+            if chunk.choices[0].delta.content is not None:
+                response_content += chunk.choices[0].delta.content
+        return response_content.strip()
+
+    except Exception as e:
+        return f"Error: {e}"
 
 # Definición de la interfaz de Gradio
 with gr.Blocks() as demo: