from dotenv import load_dotenv import streamlit as st import os import google.generativeai as genai import langchain # Cargar las variables de entorno load_dotenv() # Configurar la API de Google genai.configure(api_key=os.getenv("GOOGLE_API_KEY")) # Generar el resultado utilizando el modelo con la instrucción de bullets específica def generate_bullets(number_of_bullets, target_audience, product, call_to_action, temperature): # Configuración del modelo generation_config = { "temperature": temperature, "top_p": 0.85, "top_k": 128, "max_output_tokens": 2048, "response_mime_type": "text/plain", } # Crear la instrucción del sistema system_instruction = ( f"Eres un experto copywriter especializado en escribir bullets atractivos, curiosos e inusuales para {target_audience} sobre {product} que promueven la acción de {call_to_action}. " f"Tu tarea es ayudarme a escribir {number_of_bullets} bullets que destaquen los beneficios de {product}. " "Cuando respondas, utiliza la mayor cantidad de variaciones." ) # Configuración del modelo generativo model = genai.GenerativeModel( model_name="gemini-1.5-flash", generation_config=generation_config, ) # Generar el resultado utilizando el modelo try: response = model.generate_content([system_instruction]) # Verificar que la respuesta tenga el formato esperado if response.candidates and response.candidates[0].content.parts: generated_bullets = response.candidates[0].content.parts[0].text.strip() return generated_bullets else: raise ValueError("No se generaron bullets válidos.") except Exception as e: raise ValueError(f"Error al generar los bullets: {str(e)}") # Configurar la interfaz de usuario con Streamlit st.set_page_config(page_title="Impact Bullet Generator", layout="wide") # Centrar el título y el subtítulo st.markdown("
{generated_bullets}