Update app.py

app.py

@@ -1,21 +1,9 @@
-import gradio as gr
-from transformers import GPT2Tokenizer, GPT2LMHeadModel
-import torch
-
-# Check if a GPU is available, otherwise use CPU
-device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
-
-# Load GPT-2 model and tokenizer
-model_name = "gpt2"
-tokenizer = GPT2Tokenizer.from_pretrained(model_name)
-model = GPT2LMHeadModel.from_pretrained(model_name).to(device)
-
 def evaluar_prompt(prompt):
     try:
         # Encode the prompt
         inputs = tokenizer(prompt, return_tensors="pt").to(device)
         
-        # Generate text
+        # Generate text (though this step isn't really affecting your feedback)
         outputs = model.generate(
             inputs["input_ids"], 
             max_length=150,
@@ -27,9 +15,10 @@ def evaluar_prompt(prompt):
             temperature=0.7
         )
         
-        # Decode the generated text
+        # Decode the generated text (not crucial for the feedback)
         generated_text = tokenizer.decode(outputs[0], skip_special_tokens=True)
 
+        # Initialize variables to store detailed advice
         claridad_consejo = ""
         logica_consejo = ""
         relevancia_consejo = ""
@@ -64,31 +53,24 @@ def evaluar_prompt(prompt):
         else:
             evidencia_consejo = "Considera pedir explícitamente ejemplos específicos o evidencia para obtener respuestas más detalladas y fundamentadas."
 
+        # Compile suggestions
         sugerencias = "### Sugerencias para Mejorar:\n"
-        sugerencias += f"\n* **Claridad:** {claridad_consejo}"
-        sugerencias += f"\n* **Lógica:** {logica_consejo}"
-        sugerencias += f"\n* **Relevancia:** {relevancia_consejo}"
-        sugerencias += f"\n* **Evidencia:** {evidencia_consejo}"
+        
+        # Add feedback for each category only if there is something to improve
+        if claridad_consejo != "Tu prompt es claro y está bien definido, lo que facilita un análisis efectivo.":
+            sugerencias += f"\n* **Claridad:** {claridad_consejo}"
+        if logica_consejo != "El prompt evita términos subjetivos, lo que ayuda a mantener un enfoque objetivo.":
+            sugerencias += f"\n* **Lógica:** {logica_consejo}"
+        if relevancia_consejo != "El prompt es relevante y está alineado con el objetivo de mejorar la experiencia del cliente.":
+            sugerencias += f"\n* **Relevancia:** {relevancia_consejo}"
+        if evidencia_consejo != "El prompt ya solicita evidencia, lo cual es positivo para un análisis detallado.":
+            sugerencias += f"\n* **Evidencia:** {evidencia_consejo}"
 
-        if not any([claridad_consejo, logica_consejo, relevancia_consejo, evidencia_consejo]):
-            sugerencias += "\nTu prompt está bien construido y no presenta áreas importantes para mejorar."
+        # If everything is fine, suggest no improvement
+        if not sugerencias.strip() or "### Sugerencias para Mejorar:\n" == sugerencias:
+            sugerencias = "Tu prompt está bien construido y no presenta áreas importantes para mejorar."
 
         return sugerencias, 85
 
     except Exception as e:
         return str(e), "Error"
-
-def interfaz():
-    with gr.Blocks() as demo:
-        prompt_input = gr.Textbox(label="Escribe tu prompt aquí:")
-        feedback_output = gr.Textbox(label="Retroalimentación:", interactive=False)
-        calificacion_output = gr.Number(label="Calificación Final:", interactive=False)
-        evaluar_button = gr.Button("Evaluar Prompt")
-        
-        evaluar_button.click(evaluar_prompt, inputs=prompt_input, outputs=[feedback_output, calificacion_output])
-    
-    return demo
-
-# Run the interface
-demo = interfaz()
-demo.launch()