Ir al contenido

Chatbot de support interactif : Exemple avancé avec Google GenAI

Développement étape par étape d'un chatbot de support technique d'entreprise avec gestion d'état, streaming de tokens et gestion robuste des exceptions pour Portelcore.

0vues

1. Architecture d'un Chatbot Conversationnel avec État

Sección titulada «1. Arquitectura de un Chatbot Conversacional con Estado»

La création d'une interface de support technique interactive (par ex., portel_support_bot) nécessite une gestion impeccable de l'historique de la conversation. Contrairement aux requêtes à un seul tour, un chatbot de production doit se souvenir du contexte précédent envoyé par le client.

Le nouveau SDK Python unifié google-genai propose l'interface abstraite client.chats, qui automatise la persistance de l'état côté serveur et optimise le flux conversationnel.

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. Implémentation complète : portel_support_bot.py

Sección titulada «2. Implementación Completa: portel_support_bot.py»

Le script suivant fournit une interface interactive en console qui permet de converser avec le moteur génératif Gemini en mode Streaming (envoi et rendu continu de fragments de texte) et intègre un contrôle intégral des exceptions et des directives corporatives sévères.

import os
import sys
import time
from google import genai
from google.genai import types
from 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()

Pour déployer et valider le chatbot interactif dans votre environnement de développement sur Portelcore, suivez cette séquence opérationnelle :

Étape 1 : Configurer l'Environnement de Développement

Sección titulada «Paso 1: Configurar el Entorno de Desarrollo»

Assurez-vous d'être dans le répertoire du projet et activez l'environnement Python isolé. Installez le SDK unifié si vous ne l'avez pas encore fait.

Ventana de terminal
# Crear entorno virtual de pruebas
python -m venv portel-chat-env
source portel-chat-env/bin/activate # En Linux/macOS
# .\portel-chat-env\Scripts\activate # En Windows
# Instalar biblioteca Google GenAI
pip install --upgrade google-genai

Configurez de manière sécurisée votre clé d'API Gemini (acquise dans Google AI Studio) en tant que variable d'environnement et lancez l'assistant.

Ventana de terminal
# Configuración temporal de la variable de entorno
export GOOGLE_API_KEY="AIzaSyA..."
# Lanzar consola interactiva
python portel_support_bot.py

Étape 3 : Interagir et Auditer la Mémoire du Chat

Sección titulada «Paso 3: Interactuar y Auditar la Memoria del Chat»

Testez la rétention du contexte en posant des questions consécutives :

  1. Question 1 : “Bonjour, j'ai besoin de configurer une IP statique sur le serveur n8n.”
  2. Question 2 (Contextuelle) : “Quel segment réseau me correspond selon les normes de Portelcore ?”
  3. Validation : L'assistant doit vous répondre correctement en faisant référence à l'adresse IP statique 172.22.40.231 (établie dans les instructions du système à l'étape 2), démontrant qu'il se souvient de la conversation précédente sans avoir besoin de redéfinir le contexte de n8n.

4. Liste de Contrôle de Validation du Chatbot

Sección titulada «4. Checklist de Validación del Chatbot»

Validez la robustesse de l'assistant conversationnel par rapport aux normes du tenant :

  • Le script utilise exclusivement la classe genai.Client() de la bibliothèque google-genai en remplacement du SDK obsolète. ✓
  • Le chatbot envoie et traite des données en temps réel via send_message_stream pour une expérience fluide. ✓
  • Les instructions système garantissent l'alignement de la personnalité et restreignent la fuite d'identifiants ou de secrets du domaine portelcore.com. ✓
  • Les blocs try...except contrôlent et encapsulent avec élégance les exceptions critiques telles que les limites de quota (ResourceExhausted). ✓