[INST] You are an expert in South American indigenous languages. Use strictly and only the information below to answer the user question in **English**.
- Do not infer or assume facts that are not explicitly stated.
- If the answer is unknown or insufficient, say \"I cannot answer with the available data.\"
- Limit your answer to 100 words.
### CONTEXT: {chr(10).join(context)}
### RDF RELATIONS: {chr(10).join(rdf_facts)}
### QUESTION: {user_question}
Answer: [/INST]"""
response_es = "Error al generar respuesta en español."
response_en = "Error generating response in English."
try:
# Generar respuesta en español
res_es = requests.post(
ENDPOINT_URL,
headers={"Authorization": f"Bearer {HF_API_TOKEN}", "Content-Type": "application/json"},
json={"inputs": prompt_es}, timeout=60
)
out_es = res_es.json()
if isinstance(out_es, list) and "generated_text" in out_es[0]:
# Limpiar la respuesta para asegurar buen formato de markdown
response_es = out_es[0]["generated_text"].replace(prompt_es.strip(), "").strip()
response_es = response_es.replace('\n', ' ').replace(' ', ' ').strip() # Reemplazar saltos de línea con espacios, limpiar espacios dobles
# Generar respuesta en inglés
res_en = requests.post(
ENDPOINT_URL,
headers={"Authorization": f"Bearer {HF_API_TOKEN}", "Content-Type": "application/json"},
json={"inputs": prompt_en}, timeout=60
)
out_en = res_en.json()
if isinstance(out_en, list) and "generated_text" in out_en[0]:
# Limpiar la respuesta para asegurar buen formato de markdown
response_en = out_en[0]["generated_text"].replace(prompt_en.strip(), "").strip()
response_en = response_en.replace('\n', ' ').replace(' ', ' ').strip() # Reemplazar saltos de línea con espacios, limpiar espacios dobles
# Concatenar ambas respuestas con saltos de línea explícitos para el display
full_response = (
f"Respuesta en español:
" # Usamos
para el salto de línea HTML
f"{response_es}
" # Dos
para un doble salto de línea
f"Answer in English:
"
f"{response_en}"
)
return full_response, ids, context, rdf_facts
except Exception as e:
return f"Ocurrió un error al generar la respuesta: {str(e)}", ids, context, rdf_facts
# === MAIN APP ===
def main():
methods, embedder = load_all_components()
st.markdown("""
""", unsafe_allow_html=True)
with st.expander("📌 **Resumen General**", expanded=True):
st.markdown("""
Esta aplicación ofrece **análisis impulsado por IA, Grafos y RAGs (GraphRAGs)** de lenguas indígenas de América del Sur,
integrando información de **Glottolog, Wikipedia y Wikidata**.
""")
#st.markdown("*Puedes preguntar en **español o inglés**, y el modelo responderá en **ambos idiomas**.*")
with st.sidebar:
st.markdown("### 📚 Información de Contacto")
st.markdown("""
- Correo: jxvera@gmail.com
""", unsafe_allow_html=True)
st.markdown("---")
st.markdown("### 🚀 Inicio Rápido")
st.markdown("""
1. **Escribe una pregunta** en el cuadro de entrada
2. **Haz clic en 'Analizar'** para obtener la respuesta
3. **Explora los resultados** con los detalles expandibles
""")
st.markdown("---")
st.markdown("### 🔍 Preguntas de Ejemplo")
questions = [
"¿Qué idiomas están en peligro en Brasil? (What languages are endangered in Brazil?)",
"¿Qué idiomas se hablan en Perú? (What languages are spoken in Perú?)",
"¿Cuáles idiomas están relacionados con el Quechua? (Which languages are related to Quechua?)",
"¿Dónde se habla el Mapudungun? (Where is Mapudungun spoken?)"
]
for q in questions:
if st.button(q, key=f"suggested_{q}", use_container_width=True):
st.session_state.query = q.split(" (")[0]
st.markdown("---")
st.markdown("### ⚙️ Detalles Técnicos")
st.markdown("""
- Embeddings GraphSAGE
- Modelo de Lenguaje Mistral-7B-Instruct
- Grafo de Conocimiento Integración basada en RDF
""", unsafe_allow_html=True)
st.markdown("---")
st.markdown("### 📂 Fuentes de Datos")
st.markdown("""
- **Glottolog** (Clasificación de idiomas)
- **Wikipedia** (Resúmenes textuales)
- **Wikidata** (Hechos estructurados)
""")
st.markdown("---")
st.markdown("### 📊 Parámetros de Análisis")
k = st.slider("Número de idiomas a analizar", 1, 10, 3)
st.markdown("---")
st.markdown("### 🔧 Opciones Avanzadas")
show_ctx = st.checkbox("Mostrar información de contexto", False)
show_rdf = st.checkbox("Mostrar hechos estructurados", False)
st.markdown("### 📝 Haz una pregunta sobre lenguas indígenas")
st.markdown("*(Puedes preguntar en español o inglés, y el modelo responderá en **ambos idiomas**.)*")
query = st.text_input(
"Ingresa tu pregunta:",
value=st.session_state.get("query", ""),
label_visibility="collapsed",
placeholder="Ej. ¿Qué lenguas se hablan en Perú?"
)
if st.button("Analizar", type="primary", use_container_width=True):
if not query:
st.warning("Por favor, ingresa una pregunta")
return
label = "LinkGraph"
method = methods[label]
#st.markdown(f"#### Método {label}")
#st.caption("Embeddings de GraphSAGE que capturan patrones en el grafo de conocimiento")
start = datetime.datetime.now()
response, lang_ids, context, rdf_data = generate_response(*method, query, k, embedder)
duration = (datetime.datetime.now() - start).total_seconds()
st.markdown(f"""
{response}
⏱️ {duration:.2f}s
🌐 {len(lang_ids)} idiomas
{ctx}
", unsafe_allow_html=True)
if show_rdf:
with st.expander("🔗 Hechos estructurados (RDF)"):
st.code("\n".join(rdf_data))
st.markdown("---")
st.markdown("""
📌 Nota: Esta herramienta está diseñada para investigadores, lingüistas y preservacionistas culturales.
Para mejores resultados, usa preguntas específicas sobre idiomas, familias o regiones.
""", unsafe_allow_html=True)
if __name__ == "__main__":
main()