🤖 Chatbot IA Multimodelo

Un chatbot inteligente y multifuncional que permite conversar, traducir y resumir textos utilizando diferentes modelos de inteligencia artificial conectados mediante las APIs de OpenRouter y Groq.

Su objetivo es ofrecer una experiencia conversacional fluida, natural y adaptable a múltiples tareas y lenguajes, todo desde una interfaz moderna desarrollada con Gradio.

---

🚀 Características principales

• 🧠 Multimodelo: puedes elegir entre varios modelos de IA:

  • Llama 3 (Meta)
  • Gemini 2.5 Pro (Google)
  • Grok (Groq API)
  • DeepSeek V3.2
  • ChatGPT 5 (OpenAI)

• 💬 Tareas disponibles:

  • Conversar: mantiene diálogos con tono humano, emocional y natural.
  • Traducir: traduce entre varios idiomas de manera precisa.
  • Resumir: resume textos largos, extrayendo los puntos más importantes.

• 🧠 Memoria de conversación: guarda el historial de chat en history.json para mantener coherencia entre mensajes.

• 📄 Lectura de archivos: permite procesar PDF, Word y CSV.

• 🎨 Interfaz personalizada con Gradio y diseño Glassmorphism (efecto blur).

• ⏱️ Muestra el tiempo de inferencia (respuesta del modelo).

---

🧰 Tecnologías utilizadas

Tipo	Herramientas
Lenguaje principal	Python 3
Interfaz gráfica	Gradio
APIs de modelos IA	OpenRouter API, Groq API
Procesamiento de documentos	PyPDF2, python-docx, pandas
Comunicación HTTP	requests
Persistencia	JSON local
Estilos	CSS personalizado

---

⚙️ Instalación

1️⃣ Clonar el repositorio

git clone https://github.com/Camiloramos2000/Chatbot-Multimodel.git
cd Chatbot-Multimodel

2️⃣ Instalar dependencias

pip install -r requirements.txt

3️⃣ Configurar las claves API

Crea un archivo .env o define las variables de entorno en tu terminal:

export OPEN_ROUTER_API_KEY="tu_clave_openrouter"
export GROQ_API_KEY="tu_clave_groq"

💡 También puedes reemplazar las claves directamente dentro del archivo chatbot_ia_multifuncional.py si lo estás ejecutando en Colab.

---

🧠 Uso

Ejecución local

python chatbot_ia_multifuncional.py

Se abrirá una interfaz web con Gradio, donde podrás:

1. Seleccionar la tarea (resumir, traducir o conversar).
2. Escoger el modelo de IA (Llama, Gemini, Grok, DeepSeek o ChatGPT-5).
3. Ingresar tu texto o archivo.
4. Visualizar la respuesta y el tiempo de ejecución.

---

💬 Ejemplos de uso

• Resumir

  “Resume este texto sobre la evolución de la inteligencia artificial.”

• Traducir

  Entrada: English → Salida: Español
  “Translate this paragraph about renewable energy.”

• Conversar

  “Hola, ¿cómo te sientes hoy?”
  (El chatbot responderá con un tono natural y cercano.)

---

🧩 Estructura del proyecto

📂 chatbot_ia_multimodelo/
│
├── chatbot_ia_multifuncional.py   # Código principal (backend + interfaz)
├── requirements.txt               # Librerías requeridas
├── history.json                   # Archivo donde se guarda el historial del chat
└── README.md                      # Documentación del proyecto

---

🧑‍💻 Autor

Camilo Andrés Ramos Cotes
Desarrollador y creador del chatbot multimodelo.
🎵 Artista y programador apasionado por la inteligencia artificial aplicada a la creatividad.

---

📜 Licencia

Este proyecto se distribuye bajo la licencia MIT, permitiendo su uso, modificación y distribución con atribución al autor original.

---

⭐ Recomendaciones

• Añadir más modelos (Claude, Mistral, Mixtral, etc.).
• Integrar reconocimiento de voz y respuesta hablada (text-to-speech).
• Implementar versión web o de escritorio con autenticación.
• Si te gusta este proyecto, ¡no olvides dejar una ⭐ en GitHub!

---

Versión: 1.0
Última actualización: Octubre 2025

🧩 Reflexión técnica

Durante el desarrollo del Chatbot IA Multimodelo, se logró integrar múltiples APIs de inteligencia artificial en una sola interfaz funcional y flexible, aprendiendo sobre la comunicación entre servicios externos, el manejo de claves API, y la gestión dinámica de tareas como traducción, resumen y conversación. El uso de Gradio facilitó la creación de una interfaz interactiva sin necesidad de frameworks complejos de frontend, reforzando la comprensión del flujo entre backend y visualización.

Entre los principales límites encontrados se destacan:

Las restricciones de uso y latencia de algunas APIs gratuitas.

La dependencia de conexión a Internet para cada petición.

La necesidad de manejar mejor los errores de respuesta y tiempos de espera de los modelos.

Como posibles mejoras, se plantea:

Incorporar procesamiento local o en caché para reducir dependencias externas.

Agregar reconocimiento y síntesis de voz para hacerlo totalmente conversacional.

Incluir más modelos (como Claude o Mistral) y un sistema de autenticación para usuarios.

Optimizar la experiencia visual con temas y animaciones adaptativas.

En conclusión, el proyecto permitió afianzar habilidades técnicas en integración de APIs, desarrollo modular y diseño de interfaces interactivas con IA, abriendo la puerta a futuras versiones más potentes e inteligentes.