import spacy # Descargar e instalar el modelo de idioma en español spacy.cli.download("es_core_news_sm") nlp = spacy.load("es_core_news_sm") def get_bot_response(user_message: str) -> str: """ Función que recibe el mensaje del usuario y devuelve una respuesta del chatbot. Utiliza spaCy para analizar el mensaje y proporcionar respuestas más precisas. """ doc = nlp(user_message.lower()) # Definir palabras clave y respuestas keywords_responses = { "web": "¡Claro! Desarrollo sitios web personalizados, optimizados y responsivos para potenciar tu negocio.", "sitio": "¡Claro! Desarrollo sitios web personalizados, optimizados y responsivos para potenciar tu negocio.", "app": "¡Por supuesto! Creo aplicaciones móviles con una experiencia de usuario excepcional y alto rendimiento.", "móvil": "¡Por supuesto! Creo aplicaciones móviles con una experiencia de usuario excepcional y alto rendimiento.", "mobile": "¡Por supuesto! Creo aplicaciones móviles con una experiencia de usuario excepcional y alto rendimiento.", "ia": "La inteligencia artificial puede transformar procesos. ¿Te gustaría explorar cómo implementarla en tu proyecto?", "inteligencia artificial": "La inteligencia artificial puede transformar procesos. ¿Te gustaría explorar cómo implementarla en tu proyecto?", "power bi": "Power BI es una herramienta potente para convertir datos en insights. ¿Quieres saber más sobre cómo podemos aprovecharla?", "insights": "Power BI es una herramienta potente para convertir datos en insights. ¿Quieres saber más sobre cómo podemos aprovecharla?", "hola": "¡Hola! ¿En qué puedo ayudarte hoy?", "buenos días": "¡Hola! ¿En qué puedo ayudarte hoy?", "saludos": "¡Hola! ¿En qué puedo ayudarte hoy?" } # Buscar palabras clave en el mensaje del usuario for token in doc: if token.text in keywords_responses: return keywords_responses[token.text] # Respuesta predeterminada si no se encuentran palabras clave return "Gracias por tu mensaje. ¿Podrías darme más detalles o especificar en qué área estás interesado?"