Update app.py

app.py

@@ -1,30 +1,3 @@
-import os
-import subprocess
-
-# Ensure SentencePiece and Accelerate are installed
-try:
-    import sentencepiece
-except ImportError:
-    subprocess.check_call([os.sys.executable, "-m", "pip", "install", "sentencepiece"])
-
-try:
-    import accelerate
-except ImportError:
-    subprocess.check_call([os.sys.executable, "-m", "pip", "install", "accelerate"])
-
-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"  # or "gpt2-medium", "gpt2-large", "gpt2-xl"
-tokenizer = GPT2Tokenizer.from_pretrained(model_name)
-model = GPT2LMHeadModel.from_pretrained(model_name).to(device)
-
-# Function to generate text using GPT-2 and evaluate the prompt
 def evaluar_prompt(prompt):
     try:
         # Encode the prompt
@@ -54,26 +27,31 @@ def evaluar_prompt(prompt):
         # Evaluate clarity
         if len(prompt.split()) < 5:
             claridad_consejo = "Tu prompt es muy corto, lo que puede generar ambigüedad. Intenta expandirlo para proporcionar más contexto o detalles específicos."
+        elif len(prompt.split()) > 20:
+            claridad_consejo = "Tu prompt es muy largo. Considera simplificarlo para que sea más directo y fácil de entender."
         else:
             claridad_consejo = "Tu prompt es claro y está bien definido, lo que facilita un análisis efectivo."
 
         # Evaluate logic
-        if any(word in prompt.lower() for word in ["mejor", "peor", "único"]):
-            logica_consejo = f"Palabras como '{', '.join([w for w in ['mejor', 'peor', 'único'] if w in prompt.lower()])}' sugieren una perspectiva subjetiva. Reformula el prompt para enfocarte en criterios objetivos."
+        subjective_terms = ["mejor", "peor", "único", "excelente", "terrible"]
+        if any(word in prompt.lower() for word in subjective_terms):
+            logica_consejo = f"Palabras como '{', '.join([w for w in subjective_terms if w in prompt.lower()])}' sugieren una perspectiva subjetiva. Reformula el prompt para enfocarte en criterios objetivos."
         else:
             logica_consejo = "El prompt evita términos subjetivos, lo que ayuda a mantener un enfoque objetivo."
 
         # Evaluate relevance
-        if any(word in prompt.lower() for word in ["cliente", "experiencia", "empresa", "servicio"]):
+        relevant_terms = ["cliente", "experiencia", "empresa", "servicio", "producto"]
+        if any(word in prompt.lower() for word in relevant_terms):
             relevancia_consejo = "El prompt es relevante y está alineado con el objetivo de mejorar la experiencia del cliente."
         else:
             relevancia_consejo = "El prompt podría no estar directamente relacionado con el objetivo principal. Asegúrate de que aborde claramente la cuestión principal."
 
         # Evaluate evidence request
-        if any(word in prompt.lower() for word in ["evidencia", "pruebas", "demuestra", "ejemplos"]):
+        evidence_terms = ["evidencia", "pruebas", "demuestra", "ejemplos", "citas", "datos"]
+        if any(word in prompt.lower() for word in evidence_terms):
             evidencia_consejo = "El prompt ya solicita evidencia, lo cual es positivo para un análisis detallado."
         else:
-            evidencia_consejo = "Considera pedir explícitamente ejemplos específicos o evidencia sobre cómo mejorar la experiencia del cliente, para obtener respuestas más detalladas y fundamentadas."
+            evidencia_consejo = "Considera pedir explícitamente ejemplos específicos o evidencia para obtener respuestas más detalladas y fundamentadas."
 
         # Compile suggestions
         sugerencias = "### Sugerencias para Mejorar:\n"
@@ -85,108 +63,16 @@ def evaluar_prompt(prompt):
         sugerencias += f"\n* **Evidencia:** {evidencia_consejo}"
 
         # If no advice is necessary, indicate that the prompt is strong
-        if not any([claridad_consejo, logica_consejo, relevancia_consejo, evidencia_consejo]):
+        if all(
+            consejo == "Tu prompt es claro y está bien definido, lo que facilita un análisis efectivo." or 
+            consejo == "El prompt evita términos subjetivos, lo que ayuda a mantener un enfoque objetivo." or 
+            consejo == "El prompt es relevante y está alineado con el objetivo de mejorar la experiencia del cliente." or 
+            consejo == "El prompt ya solicita evidencia, lo cual es positivo para un análisis detallado." 
+            for consejo in [claridad_consejo, logica_consejo, relevancia_consejo, evidencia_consejo]
+        ):
             sugerencias += "\nTu prompt está bien construido y no presenta áreas importantes para mejorar."
 
         return sugerencias, 85  # Returning suggestions and an arbitrary score as an example
 
     except Exception as e:
         return str(e), "Error"
-
-def interfaz():
-    with gr.Blocks(css="""
-        body {
-            font-family: 'Helvetica Neue', Arial, sans-serif;
-            background-color: #f7f7f7;
-            color: #333333;
-            margin: 0;
-            padding: 0;
-        }
-        .container {
-            max-width: 800px;
-            margin: 0 auto;
-            padding: 40px;
-            display: flex;
-            flex-direction: column;
-            align-items: center;
-            background-color: #ffffff;
-            border-radius: 8px;
-            box-shadow: 0 4px 12px rgba(0, 0, 0, 0.1);
-        }
-        .hero-section {
-            text-align: center;
-            margin-bottom: 40px;
-        }
-        .hero-section h1 {
-            font-size: 36px;
-            font-weight: bold;
-            color: #007BFF;
-            margin-bottom: 10px;
-        }
-        .hero-section p {
-            font-size: 18px;
-            color: #666;
-            margin-top: 0;
-        }
-        .evaluation-section {
-            width: 100%;
-            display: flex;
-            flex-direction: column;
-            gap: 20px;
-        }
-        .evaluation-section h2 {
-            font-size: 28px;
-            font-weight: bold;
-            color: #333;
-            margin-bottom: 10px;
-        }
-        .evaluation-section .gr-textbox,
-        .evaluation-section .gr-number {
-            width: 100%;
-            padding: 12px;
-            font-size: 16px;
-            border: 1px solid #ddd;
-            border-radius: 4px;
-            box-sizing: border-box;
-            transition: border-color 0.2s;
-        }
-        .evaluation-section .gr-textbox:focus,
-        .evaluation-section .gr-number:focus {
-            border-color: #007BFF;
-            outline: none;
-        }
-        .evaluation-section .gr-button {
-            background-color: #007BFF;
-            color: white;
-            padding: 12px 20px;
-            font-size: 16px;
-            font-weight: bold;
-            border: none;
-            border-radius: 4px;
-            cursor: pointer;
-            transition: background-color 0.2s;
-            text-align: center;
-        }
-        .evaluation-section .gr-button:hover {
-            background-color: #0056b3;
-        }
-    """) as demo:
-        with gr.Row(elem_id="hero-section"):
-            gr.Markdown("<div class='container'><h1>Evaluación de Prompts</h1><p>Ingrese su prompt a continuación para recibir sugerencias de mejora basadas en principios de pensamiento crítico.</p></div>", elem_classes="hero-section")
-        
-        with gr.Row(elem_id="evaluation-section"):
-            with gr.Column(elem_id="left"):
-                prompt_input = gr.Textbox(label="Escribe tu prompt aquí:", placeholder="Escribe tu prompt...", elem_classes="gr-textbox")
-                feedback_output = gr.Textbox(label="Retroalimentación:", interactive=False, elem_classes="gr-textbox")
-                calificacion_output = gr.Number(label="Calificación Final:", interactive=False, elem_classes="gr-number")
-        
-                with gr.Row(elem_id="button-container"):
-                    evaluar_button = gr.Button("Evaluar Prompt", elem_classes="gr-button")
-        
-                evaluar_button.click(evaluar_prompt, inputs=prompt_input, outputs=[feedback_output, calificacion_output])
-    
-    return demo
-
-# Run the interface
-demo = interfaz()
-demo.launch()