app.py

import gradio as gr
import pandas as pd
from transformers import pipeline
import os

# Cargar modelo open source (elige uno según rendimiento y tamaño)
modelo = pipeline("text2text-generation", model="google/flan-t5-base")  # modelo ligero, sin OpenAI

# Variables para almacenar el DataFrame
df_global = None

def subir_csv(file):
    global df_global
    try:
        df_global = pd.read_csv(file.name)
        return f"Archivo cargado exitosamente con {df_global.shape[0]} filas y {df_global.shape[1]} columnas."
    except Exception as e:
        return f"Error al cargar el archivo: {e}"

def analizar_pregunta(pregunta):
    global df_global
    if df_global is None:
        return "Por favor, primero sube un archivo CSV."

    # Convertimos una vista simple del dataframe a texto para enviarla al LLM
    df_vista = df_global.head(5).to_string()
    prompt = f"""Este es un resumen de una tabla:\n{df_vista}\n\nPregunta: {pregunta}\nRespuesta:"""

    respuesta = modelo(prompt, max_new_tokens=100)[0]['generated_text']
    return respuesta

gr.Interface(
    fn=analizar_pregunta,
    inputs=[
        gr.File(label="Sube tu archivo CSV", file_types=[".csv"], file_count="single", type="file", elem_id="file-upload"),
        gr.Textbox(label="Haz una pregunta sobre la tabla")
    ],
    outputs=gr.Textbox(label="Respuesta del modelo"),
    live=True,
    title="Análisis Inteligente de CSV (sin OpenAI)",
    description="Este Space utiliza un modelo open source para interpretar archivos CSV."
).launch()