Update modules/chatbot/chat_process.py

modules/chatbot/chat_process.py

@@ -15,10 +15,32 @@ class ChatProcessor:
             raise ValueError("No se encontró la clave API de Anthropic. Asegúrate de configurarla en las variables de entorno.")
         self.client = anthropic.Anthropic(api_key=api_key)
         self.conversation_history = []
+    
+    def set_semantic_context(self, text, metrics, graph_data):
+        """Configura el contexto semántico para conversaciones especializadas"""
+        self.semantic_context = {
+            'text_sample': text[:2000],
+            'key_concepts': metrics.get('key_concepts', []),
+            'concept_centrality': metrics.get('concept_centrality', {}),
+            'graph_description': "Available" if graph_data else "Not available"
+        }
 
     def process_chat_input(self, message: str, lang_code: str) -> Generator[str, None, None]:
-        """Procesa el mensaje y genera una respuesta"""
+        """Procesa el mensaje con contexto semántico si está disponible"""
         try:
+            # Preparar mensaje con contexto si existe
+            if self.semantic_context:
+                system_prompt = f"""
+                Eres un asistente especializado en análisis semántico. El usuario ha analizado un texto con los siguientes resultados:
+                - Conceptos clave: {', '.join([c[0] for c in self.semantic_context['key_concepts'][:5]])}...
+                - Centralidad: {len(self.semantic_context['concept_centrality'])} conceptos medidos
+                - Grafo conceptual: {self.semantic_context['graph_description']}
+                
+                Responde preguntas específicas sobre este análisis y ayuda a interpretar los resultados.
+                """
+            else:
+                system_prompt = "Eres un asistente útil. Responde preguntas generales del usuario."
+            
             # Agregar mensaje a la historia
             self.conversation_history.append({"role": "user", "content": message})