Ir al contenido

Interaktywny chatbot wsparcia: zaawansowany przykład z użyciem Google GenAI

Krok po kroku: rozwój korporacyjnego chatbota wsparcia technicznego z obsługą stanu, strumieniowaniem tokenów i solidnym zarządzaniem wyjątkami dla Portelcore.

0odwiedzin

Tworzenie interaktywnego interfejsu wsparcia technicznego (np. portel_support_bot) wymaga nienagannej obsługi historii rozmowy. W przeciwieństwie do zapytań jednorazowych, chatbot produkcyjny musi pamiętać poprzedni kontekst przesłany przez klienta.

Nowy ujednolicony zestaw SDK dla Python google-genai oferuje abstrakcyjny interfejs client.chats, który automatyzuje trwałość stanu po stronie serwera i optymalizuje przepływ konwersacji.

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)

Poniższy skrypt zapewnia interaktywny interfejs konsolowy, który umożliwia rozmowę z silnikiem generatywnym Gemini w trybie Streaming (ciągłe przesyłanie i renderowanie fragmentów tekstu) oraz zawiera kompleksową obsługę wyjątków i rygorystyczne wytyczne korporacyjne.

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()

3. Przewodnik po uruchamianiu i testach laboratoryjnych

Sección titulada «3. Guía de Ejecución y Pruebas en Laboratorio»

Aby wdrożyć i zweryfikować interaktywnego chatbota w środowisku programistycznym w Portelcore, postępuj zgodnie z poniższą sekwencją operacyjną:

Krok 1: Konfiguracja środowiska programistycznego

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

Upewnij się, że znajdujesz się w katalogu projektu i aktywuj izolowane środowisko Pythona. Zainstaluj zunifikowany pakiet SDK, jeśli jeszcze tego nie zrobiłeś.

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

Bezpiecznie skonfiguruj swój klucz API Gemini (uzyskany w Google AI Studio) jako zmienną środowiskową i uruchom asystenta.

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

Przetestuj zachowanie kontekstu, zadając kolejne pytania:

  1. Pytanie 1: „Cześć, muszę skonfigurować statyczny adres IP na serwerze n8n.”
  2. Pytanie 2 (Kontekstowe): „Jaki segment sieciowy mi przysługuje zgodnie z zasadami Portelcore?”
  3. Walidacja: Asystent musi udzielić poprawnej odpowiedzi, odwołując się do statycznego adresu IP 172.22.40.231 (ustalonego w instrukcjach systemowych w Kroku 2), wykazując, że pamięta poprzednią rozmowę bez konieczności ponownego definiowania kontekstu n8n.

Zweryfikuj solidność asystenta konwersacyjnego pod kątem standardów dzierżawcy (tenant):

  • Skrypt wykorzystuje wyłącznie klasę genai.Client() z biblioteki google-genai w miejsce przestarzałego SDK. ✓
  • Chatbot przesyła i przetwarza dane w czasie rzeczywistym za pomocą send_message_stream, zapewniając płynne działanie. ✓
  • Instrukcje systemowe gwarantują spójność osobowości i ograniczają wyciek poświadczeń lub sekretów domeny portelcore.com. ✓
  • Bloki try...except z elegancją kontrolują i enkapsulują krytyczne wyjątki, takie jak limity kwot (ResourceExhausted). ✓