Realizar una aplicación de chatbot para tomar pedidos de una pizzería. El chatbot debe tomar los datos del menú y precios de un archivo externo (pdf, cvs, etc.) a través de la técnica RAG. El chatbot debe contar con una interfaz gráfica generada a través de Streamlit. Puedes usar un documento de menú descargado de Internet, generado por vos, o por una IA. Puedes utilizar el LLM que creas conveniente.
Entregables: Cuaderno de Colab en formato ipynb (no debes incluir tu API Key en el código).

Este proyecto es una aplicación de chatbot que permite a los usuarios hacer pedidos en la Rotiseria Don Claudio. La aplicación utiliza un archivo CSV que contiene el menú y precios, y recomienda bebidas basadas en las descripciones de los artículos del menú utilizando la API de OpenAI.

• Búsqueda Fuzzy: Busca artículos en el menú basándose en la similitud de las palabras.
• Recomendación de Bebidas: Utiliza la API de OpenAI para recomendar bebidas que acompañen los artículos del menú.
• Interfaz de Usuario: Utiliza Streamlit para una interfaz gráfica sencilla y fácil de usar.
• Mostrar Menú Completo: Opción para mostrar todo el menú cargado desde un archivo CSV.

• Google Colab
• OpenAI API Key

1. Abre Google Colab y crea un nuevo cuaderno.

2. Copia y pega el siguiente código en una celda del cuaderno:

   !pip install streamlit pandas fuzzywuzzy
   !npm install localtunnel
   !pip install openai==0.28
   
   # Configuración de la key la API de OpenAI
   from google.colab import userdata
   OPEN_KEY = userdata.get('OPENAI_API_KEY')
   
   #Importar dependencias
   import pandas as pd
   import openai
   import streamlit as st
   from fuzzywuzzy import fuzz
   from fuzzywuzzy import process
   
   # Cargar el archivo CSV del menú
   menu = pd.read_csv('Menu.csv')
   
   #Importar la KEY
   openai.api_key = OPEN_KEY
   
   # Función para generar una respuesta basada en la entrada del usuario
   def generate_response(user_input, menu):
       # Buscar el artículo más similar en el menú
       result = process.extractOne(user_input, menu['item'], scorer=fuzz.partial_ratio)
       # Obtener el artículo del menú que coincide
       if result and result[1] > 50:
           menu_item = menu[menu['item'] == result[0]].iloc[0]
           response = f"Este es el artículo más similar que encontré en el menú:\n{menu_item['item']} - ${menu_item['price']}\n"
           response += f"Descripción: {menu_item['description']}\n\n"
   
           # Recomendación de una bebida para acompañar el menú
           beverage_recommendation = recommend_beverage(result[0])
           response += f"Recomendación de bebida:\n{beverage_recommendation}"
       else:
           # Recomendar una comida aleatoria si no se encuentra una coincidencia suficiente
           random_item = menu.sample().iloc[0]
           response = f"No encontré ese artículo en el menú, pero te puedo recomendar:\n{random_item['item']} - ${random_item['price']}\n"
           response += f"Descripción: {random_item['description']}"
   
       return response
   
   # Función para recomendar una bebida usando OpenAI
   def recommend_beverage(user_input):
       response = openai.Completion.create(
           engine="text-davinci-003",
           prompt=f"Recomienda una bebida para acompañar el siguiente artículo del menú en no más de 60 tokens: {user_input}",
           max_tokens=60
       )
       return response.choices[0].text.strip()
   
   # Crear la aplicación Streamlit
   st.title('Rotiseria Don Claudio')
   user_input = st.text_input("¿Qué te gustaría comer hoy?:")
   
   if st.checkbox('Mostrar menú completo'):
       st.write(menu)
   
   if st.button('Enviar'):
       if user_input:
           response = generate_response(user_input, menu)
           st.write(response)
       else:
           st.write("Por favor, escribe algo en el campo de pedido.")
   
   # Guarda la celda anterior en un app.py y logs.txt
   !streamlit run /content/app.py &>/content/logs.txt &
   
   # La contraseña del tunel está en logs.txt, el número de "External URL" quitando el "http://"" y "":8501". Es decir la IP provista por Colab
   
   import subprocess
   # Inicia Streamlit en segundo plano
   process = subprocess.Popen(['streamlit', 'run', 'app.py'])
   
   !npx localtunnel --port 8501

3. Asegúrate de tener el archivo Menu.csv en tu Google Colab, que contenga los artículos del menú, precios y descripciones en el siguiente formato:

   item,price,description
   Pizza Margherita,8.50,Pizza con salsa de tomate, mozzarella y albahaca.
   Pizza Pepperoni,9.00,Pizza con salsa de tomate, mozzarella y pepperoni.
   ...
   

4. Coloca tu clave de API de OpenAI en Google Colab:

   • Ve a Entorno de ejecución > Editar variables de entorno.
   • Añade una variable OPENAI_API_KEY con tu clave de API de OpenAI.

5. Ejecuta todas las celdas en el cuaderno para instalar las dependencias y configurar el entorno.

6. Una vez ejecutadas todas las celdas, la aplicación Streamlit se ejecutará en segundo plano y se abrirá un túnel local usando localtunnel. La URL del túnel se mostrará en los logs.

1. Accede a la URL proporcionada por localtunnel desde los logs de ejecución de Google Colab.
2. Interactúa con la aplicación ingresando tus pedidos y recibiendo recomendaciones de bebidas.

• app.py: Archivo principal que contiene la lógica del chatbot y la configuración de Streamlit.
• Menu.csv: Archivo CSV que contiene los artículos del menú, precios y descripciones.

Este proyecto está licenciado bajo la Licencia MIT - ver el archivo LICENSE para más detalles.

Link del menú .cvs: https://drive.google.com/file/d/1Z71WcpYjqGq9u7U82PVCe-r0aIaBdqQ9/view?usp=sharing Link de colab: https://colab.research.google.com/drive/1V1Ve_NaMLSlMlhJraCRhGpQdPasd0kpd?usp=sharing