Interaktiver Support-Chatbot: Fortgeschrittenes Beispiel mit Google GenAI
Schritt-für-Schritt-Entwicklung eines Unternehmens-Support-Chatbots mit State Management, Token-Streaming und robuster Ausnahmebehandlung für Portelcore.
1. Architektur eines zustandsbehafteten Conversational Chatbots
Sección titulada «1. Arquitectura de un Chatbot Conversacional con Estado»Die Erstellung einer interaktiven technischen Support-Schnittstelle (z. B. portel_support_bot) erfordert eine einwandfreie Verwaltung des Gesprächsverlaufs. Im Gegensatz zu Single-Turn-Anfragen muss ein Produktions-Chatbot den vom Kunden gesendeten vorherigen Kontext berücksichtigen.
Das neue einheitliche Python-SDK google-genai bietet die abstrakte Schnittstelle client.chats, welche die State-Persistenz serverseitig automatisiert und den Gesprächsfluss optimiert.
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. Vollständige Implementierung: portel_support_bot.py
Sección titulada «2. Implementación Completa: portel_support_bot.py»Das folgende Skript bietet eine interaktive Konsolenschnittstelle, die eine Konversation mit der Gemini-Generative-Engine im Streaming-Modus (kontinuierliches Senden und Rendern von Textfragmenten) ermöglicht und eine umfassende Ausnahmebehandlung sowie strenge Unternehmensrichtlinien integriert.
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. Leitfaden für Ausführung und Labortests
Sección titulada «3. Guía de Ejecución y Pruebas en Laboratorio»Um den interaktiven Chatbot in Ihrer Entwicklungsumgebung bei Portelcore bereitzustellen und zu validieren, befolgen Sie diese operative Sequenz:
Schritt 1: Entwicklungsumgebung einrichten
Sección titulada «Paso 1: Configurar el Entorno de Desarrollo»Stellen Sie sicher, dass Sie sich im Projektverzeichnis befinden, und aktivieren Sie die isolierte Python-Umgebung. Installieren Sie das vereinheitlichte SDK, falls Sie dies noch nicht getan haben.
# 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-genaiSchritt 2: Chatbot ausführen
Sección titulada «Paso 2: Ejecutar el Chatbot»Konfigurieren Sie Ihren Gemini-API-Schlüssel (erworben in Google AI Studio) sicher als Umgebungsvariable und starten Sie den Assistenten.
# Configuración temporal de la variable de entornoexport GOOGLE_API_KEY="AIzaSyA..."
# Lanzar consola interactivapython portel_support_bot.pySchritt 3: Interagieren und Chat-Speicher überprüfen
Sección titulada «Paso 3: Interactuar y Auditar la Memoria del Chat»Testen Sie die Kontextbeibehaltung, indem Sie aufeinanderfolgende Fragen stellen:
- Frage 1: „Hallo, ich muss eine statische IP auf dem n8n-Server konfigurieren.“
- Frage 2 (Kontextuell): „Welches Netzwerksegment steht mir gemäß den Portelcore-Normen zu?“
- Validierung: Der Assistent muss korrekt antworten und sich auf die statische IP-Adresse
172.22.40.231beziehen (festgelegt in den Systemanweisungen in Schritt 2), um zu zeigen, dass er sich an das vorherige Gespräch erinnert, ohne den n8n-Kontext erneut definieren zu müssen.
4. Checkliste zur Chatbot-Validierung
Sección titulada «4. Checklist de Validación del Chatbot»Validieren Sie die Robustheit des Conversational Assistant anhand der Tenant-Standards:
- Das Skript verwendet ausschließlich die Klasse
genai.Client()der Bibliothekgoogle-genaianstelle des veralteten SDKs. ✓ - Der Chatbot sendet und verarbeitet Daten in Echtzeit über
send_message_streamfür ein nahtloses Erlebnis. ✓ - Systemanweisungen gewährleisten das Alignment der Persönlichkeit und verhindern das Abfließen von Anmeldedaten oder Domänen-Secrets über
portelcore.com. ✓ - Die
try...exceptBlöcke kontrollieren und kapseln elegant kritische Ausnahmen wie Quota-Limits (ResourceExhausted). ✓

