Update app.py

Añadiendo detector de idioma + control de temperatura y longitud de respuesta

app.py

@@ -7,6 +7,7 @@ from langchain_openai import ChatOpenAI
 from langchain_community.llms import HuggingFaceEndpoint
 from langchain_core.output_parsers import StrOutputParser
 from langchain_core.prompts import ChatPromptTemplate
+from langdetect import detect
 import langchain_community.llms as llms
 
 from dotenv import load_dotenv
@@ -37,6 +38,9 @@ model_class = st.selectbox(
     index=0  # opción por defecto
 )
 
+temperature = st.slider("Temperatura", 0.0, 1.0, 0.5, 0.05)
+max_tokens = st.slider("Longitud máxima de respuesta (tokens)", 10, 1024, 100, 10)
+
 # estableceremos 3 maneras de conexion a LLM ( 1. con la api deHuggingFace, 2 Con CHATGPT (hay que tener un usuario de pago ) y 3 con Ollama de forma local)
  
 def model_hf_hub(model="google/shieldgemma-27b", temperature=0.1):
@@ -62,7 +66,6 @@ def model_openai(model="gpt-4o-mini", temperature=0.1):
     )
     return llm
 
-
 def model_ollama(model="phi3:latest", temperature=0.1,):  # probar con 27b
     llm = ChatOllama(
         model=model,
@@ -71,8 +74,34 @@ def model_ollama(model="phi3:latest", temperature=0.1,):  # probar con 27b
     )
     return llm
 
-
-def model_response(user_query,chat_history, model_class):
+#Antes de generar la respuesta se comprueba el idioma del usuario que hace la consulta
+def detectar_idioma(text):
+    try:
+        return detect(text)
+    except:
+        return "error"
+        
+def model_response(user_query,chat_history, model_class,input_text):
+    
+    # Detecto el idioma
+    idioma = detectar_idioma(input_text)
+    print(f"Idioma detectado: {idioma}")
+
+    # Traduce códigos de idioma a nombres legibles
+    idioma_nombres = {
+        "es": "Spanish",
+        "en": "English",
+        "fr": "French",
+        "de": "German",
+        "it": "Italian",
+        "pt": "Portuguese"
+    }
+    # Si el idioma detectado no está en el diccionario, por defecto será español
+    language = idioma_nombres.get(idioma, "Spanish")
+    
+    # Mostrar el idioma detectado en la interfaz
+    st.write(f"Idioma detectado: {language}")
+    
     # hay que poner un if para que llame a las 3 funciones anteriores segun el valor de la variable  model_class
     #llm = model_ollama()
     # Cargar el modelo correspondiente según model_class