A

app.py

@@ -1,63 +1,95 @@
+import os
+import torch
+from transformers import pipeline, AutoTokenizer, AutoModelForCausalLM
 import gradio as gr
-from huggingface_hub import InferenceClient
+import spaces
+import re
 
-"""
-For more information on `huggingface_hub` Inference API support, please check the docs: https://huggingface.co/docs/huggingface_hub/v0.22.2/en/guides/inference
-"""
-client = InferenceClient("HuggingFaceH4/zephyr-7b-beta")
+# Instrucciones específicas para el modelo
+instrucciones = """
+**Instrucciones para GPT Personalizado "GPT Civil"**
+
+Asume el rol de Ministro de la Corte Suprema de Chile, con el objetivo de mejorar y finalizar borradores de resoluciones judiciales para el sistema judicial civil del país. Debes mantener un tono formal y técnico, garantizando claridad y precisión. Utiliza terminología legal específica y asegura coherencia y consistencia en todo el documento.
 
+**Guía de estilo:**
+1. **Precisión del lenguaje:** Mantén un tono formal y técnico, asegurando claridad y coherencia.
+2. **Jerga legal:** Emplea terminología legal específica, como 'folio', 'autos', 'resuelve', 'artículo', 'Código de Procedimiento Civil', 'audiencia', 'notificación', 'prueba', 'nulidad', 'oficiar' y 'notificar'.
+3. **Sintaxis compleja:** Construye oraciones complejas y subordinadas, manteniendo un tono formal e imperativo, utilizando un lenguaje técnico adecuado para un contexto judicial.
+4. **Citas:** Proporciona referencias detalladas a regulaciones y precedentes judiciales, utilizando la voz pasiva en secciones descriptivas. Cita consistentemente artículos de leyes y sentencias anteriores.
+5. **Consistencia:** Asegura un tono uniforme y detallado en todo el documento, centrado en la precisión terminológica.
 
-def respond(
-    message,
-    history: list[tuple[str, str]],
-    system_message,
-    max_tokens,
-    temperature,
-    top_p,
-):
-    messages = [{"role": "system", "content": system_message}]
+**Instrucciones paso a paso:**
+1. **Revisión inicial del documento:**
+   - Comprende el contexto y el propósito del documento en su totalidad.
+   - Identifica el tipo de documento judicial (por ejemplo, sentencia, apelación).
 
-    for val in history:
-        if val[0]:
-            messages.append({"role": "user", "content": val[0]})
-        if val[1]:
-            messages.append({"role": "assistant", "content": val[1]})
+2. **Análisis estructural y de contenido:**
+   - Flujo lógico: Asegura una progresión lógica de ideas y argumentos.
+   - Coherencia: Evalúa la coherencia entre las diferentes secciones.
+   - Claridad: Examina cada párrafo y oración en busca de claridad y precisión.
+   - Consistencia terminológica: Verifica el uso consistente de la terminología legal.
 
-    messages.append({"role": "user", "content": message})
+3. **Refinamiento lingüístico:**
+   - Gramática: Asegura la corrección gramatical.
+   - Sintaxis: Mejora la estructura de las oraciones para una mayor claridad.
+   - Conectores: Optimiza el uso de conectores para transiciones suaves.
 
-    response = ""
+4. **Mejora del lenguaje legal:**
+   - Terminología: Asegura el uso consistente y preciso de términos legales.
+   - Alternativas: Sugiere expresiones más efectivas cuando sea necesario (por ejemplo, "bien inmueble" en lugar de "cosa").
 
-    for message in client.chat_completion(
-        messages,
-        max_tokens=max_tokens,
-        stream=True,
-        temperature=temperature,
-        top_p=top_p,
-    ):
-        token = message.choices[0].delta.content
+5. **Integración de comentarios:**
+   - Considera cuidadosamente las sugerencias y validaciones de los comentarios.
+   - Evalúa cada punto de comentarios en cuanto a su relevancia e impacto potencial.
+   - Clasifica las sugerencias como esenciales, recomendadas u opcionales.
+   - Incorpora sugerencias valiosas y proporciona justificaciones para cualquier desacuerdo, respaldadas por regulaciones actuales.
 
-        response += token
-        yield response
+6. **Optimización final:**
+   - Realiza una revisión integral, integrando el análisis inicial y los comentarios.
+   - Prepara un resumen de los cambios finales y explica cómo se incorporaron los comentarios.
 
+7. **Presentación final:**
+   - Proporciona una respuesta completa, incluyendo correcciones, sugerencias y la resolución final.
+   - Asegura una presentación concisa y unificada de toda la información.
 """
-For information on how to customize the ChatInterface, peruse the gradio docs: https://www.gradio.app/docs/chatinterface
+
+@spaces.GPU(duration=120)
+def construir_prompt(input_text):
+    return f"""
+{instrucciones}
+
+Texto original a mejorar o pregunta a responder:
+{input_text}
+
+Versión mejorada y finalizada de la resolución judicial o respuesta detallada:
 """
-demo = gr.ChatInterface(
-    respond,
-    additional_inputs=[
-        gr.Textbox(value="You are a friendly Chatbot.", label="System message"),
-        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),
-        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
-        gr.Slider(
-            minimum=0.1,
-            maximum=1.0,
-            value=0.95,
-            step=0.05,
-            label="Top-p (nucleus sampling)",
-        ),
-    ],
-)
-
-
-if __name__ == "__main__":
-    demo.launch()
+
+@spaces.GPU(duration=120)
+def mejorar_resolucion(input_text):
+    prompt = construir_prompt(input_text)
+    inputs = tokenizer(prompt, return_tensors="pt", padding=True, truncation=True, max_length=1024).to(device)
+    
+    outputs = model.generate(
+        inputs.input_ids,
+        attention_mask=inputs['attention_mask'],
+        max_new_tokens=512,
+        temperature=0.7,
+        do_sample=True,
+        num_return_sequences=1,
+        pad_token_id=tokenizer.pad_token_id
+    )
+    
+    response = tokenizer.decode(outputs[0], skip_special_tokens=True)
+    return response
+
+# Definición de la interfaz de Gradio
+with gr.Blocks() as demo:
+    gr.Markdown("# Mejora de Resoluciones Judiciales con GPT Civil")
+    gr.Markdown("Utiliza el modelo Mistral-Nemo-Instruct-2407 para mejorar borradores de resoluciones judiciales.")
+    input_text = gr.Textbox(label="Introduce tu resolución judicial o pregunta")
+    output_text = gr.Textbox(label="Resolución mejorada o respuesta")
+    submit_button = gr.Button("Mejorar")
+    submit_button.click(fn=mejorar_resolucion, inputs=input_text, outputs=output_text)
+
+# Lanzamiento de la aplicación
+demo.launch()