Update modules/semantic/semantic_interface.py

modules/semantic/semantic_interface.py

@@ -10,6 +10,7 @@ import base64
 import matplotlib.pyplot as plt
 import pandas as pd
 import re
+
 import logging
 
 # Configuración del logger
@@ -25,12 +26,13 @@ from ..utils.widget_utils import generate_unique_key
 from ..database.semantic_mongo_db import store_student_semantic_result
 from ..database.chat_mongo_db import store_chat_history, get_chat_history
 
-# from ..database.semantic_export import export_user_interactions
+from ..semantic.semantic_agent_interaction import display_semantic_chat
+from ..chatbot.sidebar_chat import display_sidebar_chat
 
+# from ..database.semantic_export import export_user_interactions
 
 ###############################
 
-# En semantic_interface.py
 def display_semantic_interface(lang_code, nlp_models, semantic_t):
     try:
         # 1. Inicializar el estado de la sesión
@@ -42,10 +44,7 @@ def display_semantic_interface(lang_code, nlp_models, semantic_t):
                 'pending_analysis': False  # Nuevo flag para controlar el análisis pendiente
             }
 
-        # 2. Área de carga de archivo con mensaje informativo
-        st.info(semantic_t.get('initial_instruction', 
-            'Para comenzar un nuevo análisis semántico, cargue un archivo de texto (.txt)'))
-            
+        # 2. Área de carga de archivo con mensaje informativo            
         uploaded_file = st.file_uploader(
             semantic_t.get('semantic_file_uploader', 'Upload a text file for semantic analysis'),
             type=['txt'],
@@ -53,11 +52,14 @@ def display_semantic_interface(lang_code, nlp_models, semantic_t):
         )
 
         # 2.1 Verificar si hay un archivo cargado y un análisis pendiente
+        
         if uploaded_file is not None and st.session_state.semantic_state.get('pending_analysis', False):
+        
             try:
                 with st.spinner(semantic_t.get('processing', 'Processing...')):
                     # Realizar análisis
                     text_content = uploaded_file.getvalue().decode('utf-8')
+                    st.session_state.semantic_state['text_content'] = text_content  # <-- Guardar el texto
                     
                     analysis_result = process_semantic_input(
                         text_content, 
@@ -122,17 +124,42 @@ def display_semantic_interface(lang_code, nlp_models, semantic_t):
         # 6. Mostrar resultados previos o mensaje inicial
         elif 'semantic_result' in st.session_state and st.session_state.semantic_result is not None:
             # Mostrar mensaje sobre el análisis actual
-            st.info(
-                semantic_t.get('current_analysis_message', 
-                'Mostrando análisis del archivo: {}. Para realizar un nuevo análisis, cargue otro archivo.'
-                ).format(st.session_state.semantic_state["current_file"])
-            )
+            #st.info(
+            #    semantic_t.get('current_analysis_message', 
+            #    'Mostrando análisis del archivo: {}. Para realizar un nuevo análisis, cargue otro archivo.'
+            #    ).format(st.session_state.semantic_state["current_file"])
+            #)
                         
             display_semantic_results(
                 st.session_state.semantic_result,
                 lang_code,
                 semantic_t
             )
+            
+            # --- BOTÓN PARA ACTIVAR EL AGENTE VIRTUAL (NUEVA POSICIÓN CORRECTA) ---
+            if st.button(
+                "💬 " + semantic_t.get('semantic_virtual_agent_button', 'Analizar con Agente Virtual'),
+                key="activate_semantic_agent",
+                use_container_width=True,
+                type="primary"
+            ):
+                
+                # Obtener el texto analizado
+                text_content = st.session_state.semantic_state.get('text_content', "")
+                
+                st.session_state.semantic_agent_active = True
+                st.session_state.semantic_agent_data = {
+                    'text': text_content,
+                    'metrics': st.session_state.semantic_result['analysis'],
+                    'graph_data': st.session_state.semantic_result['analysis'].get('concept_graph')
+                }
+                st.success(semantic_t.get('semantic_agent_ready_message', 'Análisis enviado al agente virtual. Abre el chat para conversar.'))
+                st.rerun()
+            
+            # Mostrar notificación si el agente está activo
+            if st.session_state.get('semantic_agent_active', False):
+                st.success(semantic_t.get('semantic_agent_ready_message', 'El agente virtual está listo. Abre el chat en la barra lateral.'))
+                
         else:
             st.info(semantic_t.get('upload_prompt', 'Cargue un archivo para comenzar el análisis'))
 
@@ -257,5 +284,4 @@ def display_semantic_results(semantic_result, lang_code, semantic_t):
             logger.error(f"Error displaying graph: {str(e)}")
             st.error(semantic_t.get('graph_error', 'Error displaying the graph'))
     else:
-        st.info(semantic_t.get('no_graph', 'No concept graph available'))
-
+        st.info(semantic_t.get('no_graph', 'No concept graph available'))