fix: improve chatbot self-awareness and expand model engine mapping

backend/app/routers/analysis.py

@@ -42,20 +42,21 @@ def get_analysis_history():
 @router.post("/chat")
 async def agent_chat(request: ChatRequest):
     # Construct context
-    history_str = "\n".join([f"{m.role.upper()}: {m.content}" for m in request.history])
+    history_str = "\n".join([f"{m.role.upper()}{f' ({m.agent_name})' if m.agent_name else ''}: {m.content}" for m in request.history])
     
     prompt = (
-        f"Eres {request.agent} en AndesOps AI, un consultor experto de élite.\n"
+        f"Eres {request.agent} en AndesOps AI, un consultor experto de élite. "
+        f"Actualmente estás operando bajo el motor de IA: {request.model}.\n\n"
         f"CONTEXTO DE LA LICITACIÓN:\n{request.tender.model_dump_json()}\n\n"
         f"DATOS DE MI EMPRESA:\n{request.company_profile.model_dump_json()}\n\n"
         f"HISTORIAL DE CHAT:\n{history_str}\n\n"
         f"PREGUNTA DEL USUARIO: {request.message}\n\n"
         f"INSTRUCCIONES CRÍTICAS:\n"
         f"1. Responde con la personalidad de {request.agent}. Sé agudo, profesional y estratégico.\n"
-        f"2. ANALIZA LAS BASES: Revisa minuciosamente el campo 'description' (que contiene las bases técnicas) para responder.\n"
-        f"3. CITA EL DOCUMENTO: Si encuentras un dato clave (montos, multas, plazos), menciónalo explícitamente.\n"
-        f"4. CONSEJO ESTRATÉGICO: Basándote en la experiencia de la empresa ({request.company_profile.experience}), sugiere un punto a favor o una debilidad a cubrir.\n"
-        f"5. Si la información no está, indica qué documento específico debería pedir el usuario para aclarar la duda.\n"
+        f"2. IDENTIDAD: Si el usuario pregunta qué modelo eres o quién te potencia, menciona que eres {request.agent} de AndesOps, funcionando sobre {request.model}.\n"
+        f"3. ANALIZA LAS BASES: Revisa el campo 'description' para responder.\n"
+        f"4. CITA EL DOCUMENTO: Menciona montos, multas o plazos explícitos si están disponibles.\n"
+        f"5. CONSEJO ESTRATÉGICO: Sugiere mejoras basadas en la experiencia de la empresa ({request.company_profile.experience}).\n"
         f"RESPONDE EN ESPAÑOL."
     )
     

backend/app/schemas/analysis.py

@@ -9,6 +9,7 @@ from app.schemas.tender import Tender
 class ChatMessage(BaseModel):
     role: str
     content: str
+    agent_name: str | None = None
 
 
 class ChatRequest(BaseModel):

backend/app/services/llm.py

@@ -107,6 +107,9 @@ async def call_gemini_with_model(prompt: str, model_name: str | None = None, is_
         "Llama-3.3-70B (Groq)": "groq:llama-3.3-70b-versatile",
         "Llama-3.1-8B (Groq)": "groq:llama-3.1-8b-instant",
         "Llama-3.1-70B (Groq)": "groq:llama-3.1-70b-versatile",
+        "Mixtral-8x7B (Groq)": "groq:mixtral-8x7b-32768",
+        "Gemma-2-9B (Featherless)": "google/gemma-2-9b-it",
+        "Llama-3.1-8B (Featherless)": "meta-llama/Meta-Llama-3.1-8B-Instruct",
     }
 
     model_id = model_map.get(model_name, "gemini")

frontend/components/AgentChat.tsx

@@ -122,7 +122,7 @@ export default function AgentChat({ tender, companyProfile }: Props) {
           message: contextText ? `[DOC CONTEXT: ${contextText.slice(0, 3000)}]\n\nUSER QUESTION: ${messageToSend}` : messageToSend,
           agent: selectedAgent.id,
           model: selectedModel,
-          history: messages.map(({role, content}) => ({role, content})),
+          history: messages.map(({role, content, agent}) => ({role, content, agent_name: agent})),
         }),
       });