Ir al contenido

Chatbot di supporto interattivo: esempio avanzato con Google GenAI

Sviluppo passo dopo passo di un chatbot di supporto tecnico aziendale con gestione dello stato, streaming dei token e gestione robusta delle eccezioni per Portelcore.

0letture

1. Architettura di un Chatbot Conversazionale con Stato

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

Creare un'interfaccia interattiva di supporto tecnico (es. portel_support_bot) richiede una gestione impeccabile della cronologia della conversazione. A differenza delle richieste a singolo turno, un chatbot di produzione deve ricordare il contesto precedente inviato dal cliente.

Il nuovo SDK unificato di Python google-genai offre l'interfaccia astratta client.chats, che automatizza la persistenza dello stato lato server e ottimizza il flusso conversazionale.

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. Implementazione Completa: portel_support_bot.py

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

Lo script seguente fornisce un'interfaccia interattiva da console che consente di conversare con il motore generativo di Gemini in modalità Streaming (invio e rendering continuo di frammenti di testo) e incorpora un controllo completo delle eccezioni e rigide linee guida aziendali.

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()

Per distribuire e convalidare il chatbot interattivo nel tuo ambiente di sviluppo in Portelcore, segui questa sequenza operativa:

Assicurati di essere nella directory del progetto e attiva l'ambiente Python isolato. Installa l'SDK unificato se non l'hai ancora fatto.

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

Configura in modo sicuro la tua chiave API di Gemini (acquisita in Google AI Studio) come variabile d'ambiente e avvia l'assistente.

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

Passo 3: Interagire e Verificare la Memoria della Chat

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

Testa la conservazione del contesto facendo domande consecutive:

  1. Domanda 1: “Ciao, ho bisogno di configurare un IP statico sul server n8n.”
  2. Domanda 2 (Contestuale): “Quale segmento di rete mi spetta secondo le norme di Portelcore?”
  3. Validazione: L'assistente deve risponderti correttamente facendo riferimento all'indirizzo IP statico 172.22.40.231 (stabilito nelle istruzioni di sistema al Passaggio 2), dimostrando di ricordare la conversazione precedente senza la necessità di ridefinire il contesto di n8n.

Convalida la robustezza dell'assistente conversazionale rispetto agli standard del tenant:

  • Lo script utilizza esclusivamente la classe genai.Client() della libreria google-genai in sostituzione dell'SDK obsoleto. ✓
  • Il chatbot invia e processa dati in tempo reale tramite send_message_stream per un'esperienza fluida. ✓
  • Le istruzioni di sistema garantiscono l'allineamento della personalità e limitano la fuga di credenziali o segreti del dominio portelcore.com. ✓
  • I blocchi try...except controllano ed incapsulano con eleganza le eccezioni critiche come i limiti di quota (ResourceExhausted). ✓