Add OpenAI integration and interactive AI interface

✨ Features added:
- OpenAI LLM integration using langchain
- Interactive web interface for asking questions
- New endpoint: POST /api/generate for AI responses
- Enhanced health check with OpenAI status
- Added required dependencies (langchain, langchain-openai, python-dotenv)

🔧 Improvements:
- Beautiful interactive UI with JavaScript
- Real-time question/answer functionality
- Error handling for missing API key
- Complete setup instructions in SETUP.md

📚 Based on router.py example with simplification for direct integration

SETUP.md

@@ -0,0 +1,53 @@
+# Configuración de SciResearch API
+
+## 🔑 Configurar OpenAI API Key
+
+Para que la funcionalidad de IA funcione correctamente, necesitas configurar tu API key de OpenAI:
+
+### Para uso local:
+1. Crea un archivo `.env` en la raíz del proyecto
+2. Agrega tu API key de OpenAI:
+```
+OPENAI_API_KEY=tu_api_key_aqui
+```
+
+### Para Hugging Face Spaces:
+1. Ve a tu Space: https://huggingface.co/spaces/sccastillo/sciresearch
+2. Haz clic en "Settings" 
+3. Ve a la sección "Variables and secrets"
+4. Agrega una nueva variable:
+   - **Name**: `OPENAI_API_KEY`
+   - **Value**: Tu API key de OpenAI (sk-...)
+
+## 🚀 Características
+
+- **Interfaz web interactiva**: Pregunta directamente en la página principal
+- **API REST**: Endpoint `/api/generate` para integración
+- **Respuestas inteligentes**: Usa OpenAI para responder preguntas
+- **Documentación automática**: Disponible en `/docs`
+
+## 📝 Endpoints disponibles:
+
+- `GET /` - Página principal con interfaz interactiva
+- `POST /api/generate` - Generar respuestas con IA
+- `GET /api/health` - Estado de la aplicación
+- `GET /docs` - Documentación Swagger UI
+
+## 🧪 Ejemplo de uso con curl:
+
+```bash
+curl -X POST "https://sccastillo-sciresearch.hf.space/api/generate" \
+  -H "Content-Type: application/json" \
+  -d '{"question": "¿Qué es la inteligencia artificial?"}'
+```
+
+## 📁 Estructura del proyecto:
+
+```
+sciresearch/
+├── app.py              # Aplicación principal con OpenAI
+├── requirements.txt    # Dependencias
+├── Dockerfile         # Configuración Docker
+├── README.md          # Metadatos de HF Spaces
+└── SETUP.md          # Este archivo
+``` 

app.py

@@ -1,13 +1,70 @@
-from fastapi import FastAPI
+import os
+from fastapi import FastAPI, HTTPException
 from fastapi.responses import HTMLResponse
+from pydantic import BaseModel
+from dotenv import load_dotenv
+
+# Importar dependencias de LangChain y OpenAI
+from langchain_openai import OpenAI
+from langchain.chains import LLMChain
+from langchain.prompts import PromptTemplate
+
+# Cargar variables de entorno
+load_dotenv()
+
+# Modelos Pydantic
+class QuestionRequest(BaseModel):
+    question: str
+
+class GenerateResponse(BaseModel):
+    text: str
+    status: str = "success"
 
 # Crear la aplicación FastAPI
 app = FastAPI(
     title="SciResearch API",
-    description="Scientific Research FastAPI application on Hugging Face Spaces",
+    description="Scientific Research FastAPI application with OpenAI integration on Hugging Face Spaces",
     version="1.0.0"
 )
 
+def answer_question(question: str):
+    """
+    Función para responder preguntas usando OpenAI LLM
+    """
+    if not question or question.strip() == "":
+        raise HTTPException(status_code=400, detail="Please provide a question.")
+    
+    # Obtener API key de OpenAI desde variables de entorno
+    openai_api_key = os.getenv("OPENAI_API_KEY")
+    if not openai_api_key or openai_api_key == "your_openai_api_key_here":
+        raise HTTPException(status_code=500, detail="OpenAI API key not configured")
+    
+    # Template simple para responder preguntas
+    prompt_template = PromptTemplate(
+        template="Answer the following question clearly and concisely: {question}",
+        input_variables=["question"]
+    )
+
+    # Inicializar OpenAI LLM
+    try:
+        llm = OpenAI(
+            api_key=openai_api_key,
+            temperature=0.7
+        )
+
+        # Crear cadena LLM
+        llm_chain = LLMChain(
+            prompt=prompt_template,
+            llm=llm
+        )
+
+        # Generar respuesta
+        response = llm_chain.run(question=question)
+        return GenerateResponse(text=response.strip())
+        
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=f"Error generating response: {str(e)}")
+
 @app.get("/", response_class=HTMLResponse)
 def read_root():
     """
@@ -22,19 +79,75 @@ def read_root():
             body { font-family: Arial, sans-serif; margin: 40px; }
             h1 { color: #333; }
             .container { max-width: 600px; margin: 0 auto; }
+            .form-group { margin: 20px 0; }
+            input[type="text"] { width: 100%; padding: 10px; margin: 5px 0; }
+            button { background-color: #4CAF50; color: white; padding: 10px 20px; border: none; cursor: pointer; }
+            button:hover { background-color: #45a049; }
+            #response { background-color: #f9f9f9; padding: 15px; margin-top: 20px; border-left: 4px solid #4CAF50; }
         </style>
     </head>
     <body>
         <div class="container">
             <h1>🦀 SciResearch API</h1>
-            <p>¡Bienvenido a la aplicación de investigación científica!</p>
+            <p>¡Bienvenido a la aplicación de investigación científica con IA!</p>
+            
+            <div class="form-group">
+                <h3>Pregunta a la IA:</h3>
+                <input type="text" id="question" placeholder="Escribe tu pregunta aquí..." />
+                <button onclick="askQuestion()">Preguntar</button>
+            </div>
+            
+            <div id="response" style="display:none;">
+                <h4>Respuesta:</h4>
+                <p id="answer"></p>
+            </div>
+            
             <h2>Endpoints disponibles:</h2>
             <ul>
                 <li><a href="/docs">/docs</a> - Documentación interactiva de la API</li>
                 <li><a href="/api/hello">/api/hello</a> - Saludo JSON</li>
                 <li><a href="/api/health">/api/health</a> - Estado de la aplicación</li>
+                <li><strong>/api/generate</strong> - Generar respuestas con IA (POST)</li>
             </ul>
         </div>
+        
+        <script>
+        async function askQuestion() {
+            const question = document.getElementById('question').value;
+            if (!question.trim()) {
+                alert('Por favor escribe una pregunta');
+                return;
+            }
+            
+            try {
+                const response = await fetch('/api/generate', {
+                    method: 'POST',
+                    headers: {
+                        'Content-Type': 'application/json',
+                    },
+                    body: JSON.stringify({question: question})
+                });
+                
+                const data = await response.json();
+                
+                if (response.ok) {
+                    document.getElementById('answer').textContent = data.text;
+                    document.getElementById('response').style.display = 'block';
+                } else {
+                    alert('Error: ' + data.detail);
+                }
+            } catch (error) {
+                alert('Error de conexión: ' + error.message);
+            }
+        }
+        
+        // Permitir envío con Enter
+        document.getElementById('question').addEventListener('keypress', function(e) {
+            if (e.key === 'Enter') {
+                askQuestion();
+            }
+        });
+        </script>
     </body>
     </html>
     """
@@ -52,4 +165,18 @@ def health_check():
     """
     Endpoint para verificar el estado de la aplicación
     """
-    return {"status": "healthy", "service": "sciresearch", "version": "1.0.0"}
+    openai_configured = bool(os.getenv("OPENAI_API_KEY")) and os.getenv("OPENAI_API_KEY") != "your_openai_api_key_here"
+    
+    return {
+        "status": "healthy", 
+        "service": "sciresearch", 
+        "version": "1.0.0",
+        "openai_configured": openai_configured
+    }
+
+@app.post("/api/generate", summary="Answer user questions using OpenAI", tags=["AI Generate"], response_model=GenerateResponse)
+def inference(request: QuestionRequest):
+    """
+    Endpoint para generar respuestas a preguntas usando OpenAI LLM
+    """
+    return answer_question(question=request.question)

requirements.txt

@@ -1,2 +1,6 @@
 fastapi
 uvicorn[standard]
+langchain
+langchain-openai
+python-dotenv
+pydantic