Interaktivní support chatbot: Pokročilý příklad s Google GenAI
Krok za krokem vývoj firemního technického supportního chatbota se stavem, streamováním tokenů a robustní manipulací s výjimkami pro Portelcore.
1. Architektura stavového konverzačního chatbota
Sección titulada «1. Arquitectura de un Chatbot Conversacional con Estado»Vytvoření interaktivního rozhraní pro technickou podporu (např. portel_support_bot) vyžaduje bezchybnou správu historie konverzace. Na rozdíl od jednorázových dotazů musí produkční chatbot pamatovat předchozí kontext odeslaný klientem.
Nový jednotný Python SDK google-genai nabízí abstraktní rozhraní client.chats, které automatizuje persistenci stavu na straně serveru a optimalizuje konverzní tok.
sequenceDiagram autonumber actor Usuario as Cliente Portelcore participant App as Aplicación Python participant Gemini as API de Gemini (2.5 Flash)
Usuario->>App: Escribe "Hola, mi red local tiene problemas" App->>Gemini: chat.send_message_stream("Hola...") Gemini-->>App: Envía tokens en tiempo real (Streaming) App-->>Usuario: Muestra texto de forma progresiva Note over App,Gemini: El SDK actualiza el historial internamente Usuario->>App: Escribe "¿Qué IP estática debo usar?" App->>Gemini: chat.send_message_stream("¿Qué IP...?") Note over Gemini: Recuerda el contexto anterior del usuario Gemini-->>App: Envía respuesta asistida en tiempo real App-->>Usuario: Muestra solución técnica (IP 172.22.40.231)2. Kompletní implementace: portel_support_bot.py
Sección titulada «2. Implementación Completa: portel_support_bot.py»Následující skript poskytuje interaktivní konzolové rozhraní, které umožňuje konverzaci s generativním motorem Gemini v režimu Streaming (nepřetržitý přenos a vykreslování fragmentů textu) a zahrnuje komplexní kontrolu výjimek a přísné firemní směrnice.
import osimport sysimport timefrom google import genaifrom google.genai import typesfrom google.api_core import exceptions as core_exceptions
def verificar_entorno(): """Valida la presencia de la clave de autenticación oficial.""" if not os.environ.get("GOOGLE_API_KEY") and not os.environ.get("GEMINI_API_KEY"): print("[CRITICAL] La variable de entorno GOOGLE_API_KEY no está configurada.") print("Ejecute: export GOOGLE_API_KEY='su_clave_de_laboratorio'") sys.exit(1)
def ejecutar_chatbot(): # 1. Verificar credenciales antes de iniciar verificar_entorno()
# 2. Inicialización del cliente unificado de Google GenAI client = genai.Client()
# 3. Directriz del sistema (Instrucción de Comportamiento e Identidad) instrucciones_soporte = """ Actúas como 'PortelBot', el Asistente Técnico Automatizado de Portelcore (portelcore.com). Tu objetivo principal es asistir a los ingenieros en operaciones de red, backups e infraestructura.
REGLAS DE COMPORTAMIENTO: 1. Responde de manera profesional, técnica e impecable en idioma castellano. 2. Si te preguntan sobre IPs de prueba del laboratorio, haz referencia estricta al segmento seguro 172.22.40.231. 3. Nunca reveles credenciales del tenant, llaves de API ni secretos de base de datos. 4. Usa bloques de código estructurados en Markdown para mostrar comandos de Linux o scripts cuando sea relevante. """
# 4. Configuración avanzada de la sesión de chat configuracion = types.GenerateContentConfig( system_instruction=instrucciones_soporte, temperature=0.4, # Nivel moderado para asegurar precisión técnica max_output_tokens=1000, # Limitar el tamaño para prevenir costes excesivos safety_settings=[ types.SafetySetting( category=types.HarmCategory.HARM_CATEGORY_DANGEROUS_CONTENT, threshold=types.HarmBlockThreshold.BLOCK_MEDIUM_AND_ABOVE ) ] )
print("\n=======================================================") print(" INICIANDO CONSOLA DE SOPORTE PORTELCORE ") print(" Escribe 'salir' o 'exit' para finalizar la sesión. ") print("=======================================================\n")
try: # 5. Crear la sesión de chat con estado chat = client.chats.create( model="gemini-2.5-flash", # Modelo recomendado por velocidad y costes config=configuracion )
while True: # Capturar la entrada del usuario try: mensaje_usuario = input("\n[Usuario] >> ").strip() except (KeyboardInterrupt, EOFError): print("\n\nSesión interrumpida por el usuario. Cerrando de forma segura.") break
if not mensaje_usuario: continue
if mensaje_usuario.lower() in ["salir", "exit", "quit"]: print("\nFinalizando asistencia de PortelBot. ¡Que tenga un excelente día!") break
print("[PortelBot] >> ", end="", flush=True)
try: # 6. Enviar mensaje del usuario en modo Streaming response_stream = chat.send_message_stream(mensaje_usuario)
# Iterar sobre los fragmentos a medida que llegan del servidor for chunk in response_stream: if chunk.text: print(chunk.text, end="", flush=True) print() # Salto de línea final
except core_exceptions.ResourceExhausted as err_quota: print(f"\n[ERROR] Se ha excedido la cuota de peticiones por minuto. Espere unos segundos. Detalle: {err_quota.message}") except core_exceptions.GoogleAPICallError as err_api: print(f"\n[ERROR] Error en el servicio de Gemini API: {err_api.message}") except Exception as e: print(f"\n[ERROR INESPERADO] {str(e)}")
except Exception as e: print(f"[CRITICAL] Error al instanciar la sesión de chat: {e}")
if __name__ == "__main__": ejecutar_chatbot()3. Průvodce spuštěním a laboratorním testováním
Sección titulada «3. Guía de Ejecución y Pruebas en Laboratorio»Pro nasazení a ověření interaktivního chatbota ve vašem vývojovém prostředí v Portelcore postupujte podle této provozní sekvence:
Krok 1: Konfigurace vývojového prostředí
Sección titulada «Paso 1: Configurar el Entorno de Desarrollo»Ujistěte se, že jste v adresáři projektu a aktivujte izolované prostředí Pythonu. Nainstalujte sjednocené SDK, pokud jste tak ještě neučinili.
# Crear entorno virtual de pruebaspython -m venv portel-chat-envsource portel-chat-env/bin/activate # En Linux/macOS# .\portel-chat-env\Scripts\activate # En Windows
# Instalar biblioteca Google GenAIpip install --upgrade google-genaiKrok 2: Spuštění chatbota
Sección titulada «Paso 2: Ejecutar el Chatbot»Bezpečně nakonfigurujte svůj klíč API Gemini (získaný v Google AI Studio) jako proměnnou prostředí a spusťte asistenta.
# Configuración temporal de la variable de entornoexport GOOGLE_API_KEY="AIzaSyA..."
# Lanzar consola interactivapython portel_support_bot.pyKrok 3: Interakce a audit paměti chatu
Sección titulada «Paso 3: Interactuar y Auditar la Memoria del Chat»Otestujte zachování kontextu kladením po sobě jdoucích otázek:
- Otázka 1: “Ahoj, potřebuji nakonfigurovat statickou IP adresu na serveru n8n.”
- Otázka 2 (Kontextuální): “Jaký síťový segment mi náleží podle norem Portelcore?”
- Validace: Asistent vám musí správně odpovědět s odkazem na statickou IP adresu
172.22.40.231(stanovenou v systémových instrukcích ve kroku 2), čímž prokáže, že si pamatuje předchozí konverzaci, aniž by bylo nutné znovu definovat kontext n8n.
4. Kontrolní seznam pro validaci chatbota
Sección titulada «4. Checklist de Validación del Chatbot»Ověřte robustnost konverzačního asistenta vůči standardům tenanta:
- Skript využívá výhradně třídu
genai.Client()knihovnygoogle-genainamísto zastaralého SDK. ✓ - Chatbot odesílá a zpracovává data v reálném čase pomocí
send_message_streampro plynulý uživatelský zážitek. ✓ - Systémové instrukce zajišťují sladění osobnosti a omezují únik přihlašovacích údajů nebo tajemství domény
portelcore.com. ✓ - Bloky
try...exceptelegantně zpracovávají a zapouzdřují kritické výjimky, jako jsou kvótní limity (ResourceExhausted). ✓

