@innvisor/conny-ai 9.7.0

package/src/domain/send_guard.py

@@ -0,0 +1,636 @@
+"""
+conny_send_guard.py
+════════════════════════════════════════════════════════════════════════════════
+GUARDIA DEL PIPELINE DE ENVÍO — v1.0
+════════════════════════════════════════════════════════════════════════════════
+
+SOLUCIONA:
+  1. Respuestas cortadas ("Listo, ahora soy más", "Entendido, vol...")
+     → Detecta el corte y repara antes de enviar al cliente
+  2. Robot phrases que borran la última burbuja dejando la respuesta incompleta
+     → Agrega burbuja de cierre segura cuando la respuesta queda sin invitación
+  3. Smart Handoff subutilizado en demo
+     → Intercepta señales de confusión en el dueño/prospecto ANTES del LLM
+  4. "Cambia personalidad a X" sin reconocimiento explícito
+     → Genera confirmación + continuación en vez de respuesta genérica
+
+CÓMO USAR en conny.py:
+
+  # Al inicio con los demás imports opcionales:
+  try:
+      from src.domain.send_guard import (
+          SendGuard,
+          guard_response,
+          patch_demo_send,
+          DEMO_PERSONALITY_COMMANDS,
+      )
+      _SEND_GUARD = True
+  except ImportError:
+      _SEND_GUARD = False
+
+  # En _handle_demo_message, justo ANTES de "return _send(r)":
+  if _SEND_GUARD:
+      r = guard_response(r, context="demo")
+
+  # Para parchear la función _send completa del demo (más robusto):
+  # Llamar una vez después de definir _send, dentro de _handle_demo_message:
+  if _SEND_GUARD:
+      _send = patch_demo_send(_send, business_name=business_name)
+
+════════════════════════════════════════════════════════════════════════════════
+"""
+
+from __future__ import annotations
+
+import logging
+import re
+from typing import Any, Callable, Dict, List, Optional, Tuple
+
+log = logging.getLogger("conny.send_guard")
+
+
+def _normalize_conv_text(text: str) -> str:
+    text = (text or "").lower()
+    replacements = str.maketrans({
+        "á": "a", "é": "e", "í": "i", "ó": "o", "ú": "u", "ü": "u", "ñ": "n",
+    })
+    text = text.translate(replacements)
+    text = re.sub(r"[^a-z0-9@\+\s]", " ", text)
+    return re.sub(r"\s+", " ", text).strip()
+
+
+# ════════════════════════════════════════════════════════════════════════════════
+# 1. DETECTOR DE CORTES
+#    Identifica respuestas que el pipeline cortó o dejó incompletas.
+# ════════════════════════════════════════════════════════════════════════════════
+
+# Palabras que aparecen al FINAL de la respuesta y claramente son incompletas
+_DANGLING_WORDS = {
+    # Artículos + preposiciones como última palabra → se cortó antes de terminar
+    "el", "la", "los", "las", "un", "una", "de", "del", "en", "con",
+    "por", "para", "que", "y", "o", "si", "me", "te", "le", "se", "su",
+    "al", "a",
+    # Comienzos de palabra que nunca terminan solos
+    "vol",   # → volvemos, volveré
+    "per",   # → pero, permíteme
+    "más",   # puede ser válido, pero raro al final sin contexto
+    "tam",   # → también
+    "sol",   # → solo, solución
+    "sig",   # → siguiente, sigue
+}
+
+# Patrones de respuesta claramente incompleta
+_CUT_PATTERNS = [
+    # Termina en preposición o conector
+    r'\b(el|la|los|las|un|una|de|del|en|con|por|para|que|y|o|si)\s*$',
+    # Termina en comienzo de palabra (3-4 chars, no es una palabra real completa)
+    r'\b(vol|per|tam|sol|sig|par|ten|man|pro)\s*$',
+    # Termina con coma o punto y coma (siempre cortado)
+    r'[,;]\s*$',
+    # Última burbuja es un solo token corto sin puntuación ni pregunta
+    r'^\s*\w{1,4}\s*$',
+]
+
+
+def _split_response_bubbles(response: str) -> List[str]:
+    return [p.strip() for p in re.split(r'\s*\|\|\|\s*', response) if p.strip()]
+
+
+def _extract_last_token(text: str) -> str:
+    stripped = (text or "").rstrip().rstrip(".,!?;:")
+    match = re.search(r'\b(\w+)\s*$', stripped.lower())
+    return match.group(1) if match else ""
+
+
+def _has_dangling_last_token(text: str) -> Tuple[bool, str]:
+    token = _extract_last_token(text)
+    if not token or token not in _DANGLING_WORDS:
+        return False, ""
+    return True, token
+
+
+def is_cut_response(response: str) -> Tuple[bool, str]:
+    """
+    Detecta si una respuesta está cortada.
+    Retorna (es_cortado, razón).
+    """
+    if not response:
+        return True, "respuesta vacía"
+
+    # Tomar la última burbuja
+    parts = _split_response_bubbles(response)
+    if not parts:
+        return True, "sin burbujas válidas"
+
+    last = parts[-1]
+    last_lower = last.lower()
+    last_norm = _normalize_conv_text(last)
+
+    _direct_complete_prefixes = (
+        "te llamas",
+        "tu nombre es",
+        "your name is",
+        "you are",
+        "ya tengo",
+        "i ve got",
+        "ive got",
+    )
+    if any(last_norm.startswith(prefix) for prefix in _direct_complete_prefixes):
+        return False, ""
+
+    # Verificar si termina en palabra colgante
+    has_dangling_word, dangling_word = _has_dangling_last_token(last)
+    if has_dangling_word:
+        return True, f"termina en palabra incompleta: '{dangling_word}'"
+
+    # Verificar patrones de corte
+    for pattern in _CUT_PATTERNS:
+        if re.search(pattern, last_lower):
+            return True, f"patrón de corte detectado: {pattern[:40]}"
+
+    # Respuesta completa que no tiene invitación ni pregunta al final
+    # (no es un error crítico, pero sí una señal de que el robot phrase filter borró algo)
+    has_question = '?' in last
+    has_invitation = any(inv in last_lower for inv in [
+        "cuéntame", "cuentame", "dime", "escríbeme", "escribeme",
+        "cuál es", "cual es", "cómo se llama", "como se llama",
+        "escríbeme", "probame", "pruébame", "qué quieres", "que quieres",
+        "seguimos", "dale", "listo",
+    ])
+    has_terminal_punctuation = last.rstrip().endswith((".", "!", "?", "…"))
+
+    # Removido para evitar conflicto con la regla de estilo "sin punto al final" y confiar en el LLM
+    return False, ""
+
+
+# ════════════════════════════════════════════════════════════════════════════════
+# 2. REPARADOR DE RESPUESTAS CORTADAS
+#    Agrega burbujas de cierre seguras sin inventar contenido.
+# ════════════════════════════════════════════════════════════════════════════════
+
+_SAFE_CLOSINGS_DEMO = [
+    "cuéntame cómo quieres probarlo",
+    "si quieres, seguimos desde ahí",
+    "qué quieres revisar primero",
+    "escríbeme como si fueras un cliente y sigo",
+    "si quieres, te muestro cómo sonaría en el chat",
+]
+
+_SAFE_CLOSINGS_PATIENT = [
+    "si quieres, sigo desde ahí",
+    "cuéntame qué quieres revisar",
+    "qué te gustaría ver primero",
+    "si quieres, te ubico por ahí",
+]
+
+import random as _random
+
+
+_SEVERE_FRAGMENT_PATTERNS = (
+    r"^hola!?(\s+soy)?$",
+    r"^hola!?(\s+sea)?$",
+    r"^soy$",
+    r"^soy\s+\w+$",
+    r"^ok$",
+    r"^claro$",
+)
+
+
+def _is_severe_fragment(text: str) -> bool:
+    current = (text or "").strip()
+    if not current:
+        return True
+    normalized = _normalize_conv_text(current)
+    if not normalized:
+        return True
+    if len(normalized.split()) <= 4:
+        for pattern in _SEVERE_FRAGMENT_PATTERNS:
+            if re.match(pattern, normalized):
+                return True
+    return False
+
+
+def _severe_fragment_rescue(context: str = "demo", business_name: str = "") -> str:
+    if context == "demo":
+        if business_name:
+            return (
+                f"ya me ubiqué con {business_name}"
+                " ||| escríbeme como si fueras un cliente y te respondo"
+            )
+        return (
+            "te lo resumo rápido"
+            " ||| dime el nombre de tu negocio y te muestro cómo funcionaría"
+        )
+    return "te sigo por aquí ||| cuéntame qué necesitas"
+
+def repair_response(
+    response: str,
+    context: str = "demo",
+    business_name: str = "",
+) -> str:
+    """
+    Repara una respuesta cortada agregando una burbuja de cierre segura.
+
+    Args:
+        response: La respuesta potencialmente cortada.
+        context: "demo" (con dueño de negocio) o "patient" (con cliente final).
+        business_name: Nombre del negocio si está disponible.
+
+    Returns:
+        Respuesta reparada lista para enviar.
+    """
+    if not response or not response.strip():
+        if context == "demo":
+            return f"un momentico ||| ¿cómo se llama tu negocio?"
+        return "un momentico ||| cuéntame"
+
+    parts = _split_response_bubbles(response)
+
+    # Limpiar la última burbuja si está claramente cortada
+    if parts:
+        last = parts[-1]
+        has_dangling_word, _ = _has_dangling_last_token(last)
+        if has_dangling_word:
+            parts = parts[:-1]
+            log.info(f"[send_guard] burbuja cortada removida: '{last[:40]}'")
+
+    # Si no quedaron burbujas, recuperar con fallback
+    if not parts:
+        if context == "demo":
+            return f"cuéntame, ¿cómo se llama tu negocio?"
+        return "cuéntame"
+
+    # Si ya quedó una respuesta utilizable, no le inyectamos copy genérico.
+    # Solo cerramos cuando el texto quedó claramente cojo y demasiado corto.
+    last = parts[-1]
+    has_close = '?' in last or any(
+        inv in last.lower() for inv in [
+            "cuéntame", "cuentame", "dime", "escríbeme", "escribeme",
+            "dale", "listo", "cuál es", "cual es", "seguimos",
+        ]
+    )
+
+    looks_too_thin = len(last.strip()) < 18 or len(parts) == 0
+
+    if _is_severe_fragment(last):
+        if len(parts) > 1:
+            parts = parts[:-1]
+            log.info(f"[send_guard] burbuja final corta removida pero se conservan las previas ({len(parts)})")
+            # Verificar si la nueva burbuja de cierre necesita un cierre seguro
+            last = parts[-1]
+            has_close = '?' in last or any(
+                inv in last.lower() for inv in [
+                    "cuéntame", "cuentame", "dime", "escríbeme", "escribeme",
+                    "dale", "listo", "cuál es", "cual es", "seguimos",
+                ]
+            )
+            looks_too_thin = len(last.strip()) < 18 or len(parts) == 0
+            if not has_close and looks_too_thin:
+                if context == "demo":
+                    closing = _random.choice(_SAFE_CLOSINGS_DEMO)
+                else:
+                    closing = _random.choice(_SAFE_CLOSINGS_PATIENT)
+                parts.append(closing)
+            return " ||| ".join(parts)
+        else:
+            log.info(f"[send_guard] fragmento severo en respuesta única → se conserva intacto para confiar en el LLM: '{response}'")
+            return response
+
+    if not has_close and looks_too_thin:
+        if context == "demo":
+            closing = _random.choice(_SAFE_CLOSINGS_DEMO)
+        else:
+            closing = _random.choice(_SAFE_CLOSINGS_PATIENT)
+        parts.append(closing)
+        log.info(f"[send_guard] invitación agregada: '{closing}'")
+
+    return " ||| ".join(parts)
+
+
+def guard_response(
+    response: str,
+    context: str = "demo",
+    business_name: str = "",
+) -> str:
+    """
+    Punto de entrada principal del guard.
+    Verifica si la respuesta está cortada y la repara si es necesario.
+
+    Usar antes de llamar a _send():
+        r = guard_response(r, context="demo", business_name=business_name)
+        return _send(r)
+    """
+    cut, reason = is_cut_response(response)
+    if cut:
+        log.warning(f"[send_guard] respuesta cortada ({reason}): '{(response or '')[:60]}'")
+        repaired = repair_response(response, context=context, business_name=business_name)
+        log.info(f"[send_guard] reparada → '{repaired[:80]}'")
+        return repaired
+    return response
+
+
+def check_message(
+    message: str,
+    context: str = "patient",
+    business_name: str = "",
+) -> str:
+    """
+    Wrapper liviano para validaciones e integraciones externas.
+    Retorna el mensaje limpio y falla si quedó vacío.
+    """
+    cleaned = guard_response(message, context=context, business_name=business_name).strip()
+    if not cleaned:
+        raise ValueError("mensaje vacío después del guard")
+    return cleaned
+
+
+# ════════════════════════════════════════════════════════════════════════════════
+# 3. DETECTOR DE CAMBIOS DE PERSONALIDAD EN TEXTO LIBRE
+#    "cambia personalidad a amigable" → respuesta explícita y apropiada
+# ════════════════════════════════════════════════════════════════════════════════
+
+DEMO_PERSONALITY_COMMANDS = {
+    "amigable":    "listo, modo amigable ||| escríbeme como si fueras un cliente y lo notas",
+    "formal":      "listo, activé modo formal ||| cuéntame qué quieres revisar",
+    "luxury":      "listo, modo premium activado ||| en qué le puedo asistir",
+    "directa":     "listo, al grano ||| qué necesitas",
+    "energica":    "listo, energía al máximo ||| qué andas buscando",
+    "empatica":    "listo, modo escucha ||| cuéntame",
+    "experta":     "listo, modo técnico ||| en qué le puedo ayudar",
+    "juvenil":     "dale, modo casual ||| qué buscas",
+    "profesional": "listo, modo profesional ||| cuéntame qué quieres revisar",
+}
+
+_PERSONALITY_CHANGE_SIGNALS = [
+    r"cambia(?:r)?\s+(?:la\s+)?personalidad\s+(?:a\s+)?(\w+)",
+    r"mode\s+(\w+)",
+    r"activa(?:r)?\s+(?:modo\s+)?(\w+)",
+    r"pon(?:(?:me|te|lo)\s+)?(?:en\s+)?modo\s+(\w+)",
+    r"sé\s+más\s+(\w+)",
+    r"se\s+mas\s+(\w+)",
+    r"quiero\s+(?:que\s+seas\s+más\s+)?(\w+)",
+]
+
+
+def detect_personality_change(user_msg: str) -> Optional[str]:
+    """
+    Detecta si el usuario está pidiendo cambiar la personalidad de Conny.
+    Retorna el nombre del arquetipo si se detecta, None si no.
+    """
+    msg_low = (user_msg or "").lower().strip()
+
+    for pattern in _PERSONALITY_CHANGE_SIGNALS:
+        m = re.search(pattern, msg_low)
+        if m:
+            requested = m.group(1).strip()
+            # Buscar coincidencia exacta o parcial con arquetipos conocidos
+            if requested in DEMO_PERSONALITY_COMMANDS:
+                return requested
+            # Fuzzy match básico
+            for arch in DEMO_PERSONALITY_COMMANDS:
+                if requested in arch or arch in requested:
+                    return arch
+    return None
+
+
+def get_personality_change_response(archetype: str, business_name: str = "") -> str:
+    """
+    Retorna la respuesta de confirmación del cambio de personalidad.
+    """
+    base = DEMO_PERSONALITY_COMMANDS.get(archetype, f"listo, modo {archetype} activado")
+    return base
+
+
+# ════════════════════════════════════════════════════════════════════════════════
+# 4. WRAPPER DEL DEMO _send
+#    Parchea _send en el contexto del demo para interceptar respuestas antes
+#    de que lleguen al cliente.
+# ════════════════════════════════════════════════════════════════════════════════
+
+def patch_demo_send(
+    original_send: Callable[[str], Any],
+    business_name: str = "",
+    context: str = "demo",
+) -> Callable[[str], Any]:
+    """
+    Retorna un wrapper de _send que aplica:
+      1. guard_response (fix de cortes)
+      2. fix_creator_in_response (Black One, no BlackBoss)
+
+    Usar en _handle_demo_message así:
+        def _send(r): ...  # definición original
+
+        # Aplicar el guard
+        if _SEND_GUARD:
+            _send = patch_demo_send(_send, business_name=business_name)
+
+        # Ahora todos los return _send(r) pasan por el guard automáticamente
+    """
+    try:
+        from src.domain.prompts.prospect_pitch import fix_creator_in_response
+        _has_pitch_upgrade = True
+    except ImportError:
+        _has_pitch_upgrade = False
+        def fix_creator_in_response(r): return r  # type: ignore
+
+    def guarded_send(r: str) -> Any:
+        # 1. Fix Black One / BlackBoss
+        if _has_pitch_upgrade:
+            r = fix_creator_in_response(r)
+
+        # 2. Detect and repair cuts
+        r = guard_response(r, context=context, business_name=business_name)
+
+        return original_send(r)
+
+    return guarded_send
+
+
+# ════════════════════════════════════════════════════════════════════════════════
+# 5. SMART HANDOFF PROACTIVO — señales en el flujo demo
+#    Para usar ANTES de llamar al LLM — si detecta que el prospecto necesita
+#    un humano, no gasta tokens en generar una respuesta que no sirve.
+# ════════════════════════════════════════════════════════════════════════════════
+
+_IMMEDIATE_HANDOFF_SIGNALS = [
+    # El prospecto quiere hablar con Santiago / con un humano directamente
+    "hablar con santiago", "hablar con alguien", "necesito hablar con",
+    "dame el número", "dame un número", "cuál es el número",
+    "quiero llamar", "me pueden llamar", "puedo llamar",
+    "me pueden contactar", "pueden contactarme",
+    "quiero una reunión", "quiero una llamada", "agendar una llamada",
+    "quiero contratar", "cómo contrato", "como contrato",
+    "quiero empezar", "cómo empiezo", "como empiezo",
+    "cuándo empezamos", "cuando empezamos",
+    # Despedida con interés (se va pero quiere seguimiento)
+    "gracias me comunico", "gracias los llamo", "gracias les escribo",
+    "gracias más tarde", "gracias después", "gracias luego",
+]
+
+_COOLDOWN_HANDOFF_SIGNALS = [
+    # Se va frustrado — handoff para salvar la conversación
+    "gracias me voy", "hasta luego", "adiós", "adios", "chao", "bye",
+    "no era lo que buscaba", "no me interesa", "gracias no",
+    "me equivoqué", "me equivoque", "número equivocado",
+]
+
+
+def check_proactive_handoff(user_msg: str, history: List[Dict[str, Any]]) -> Optional[Dict[str, str]]:
+    """
+    Verifica si se debe escalar a humano ANTES de llamar al LLM.
+
+    Retorna un dict con:
+        {"reason": "...", "urgency": "high" | "medium", "suggested_reply": "..."}
+    O None si no aplica.
+
+    Usar en _handle_demo_message:
+        handoff_check = check_proactive_handoff(text, history)
+        if handoff_check and _SMART_HANDOFF and handoff_manager:
+            return await handoff_manager.trigger_handoff(...)
+    """
+    msg_low = (user_msg or "").lower().strip()
+
+    for signal in _IMMEDIATE_HANDOFF_SIGNALS:
+        if signal in msg_low:
+            return {
+                "reason": f"prospecto solicita contacto directo: '{signal}'",
+                "urgency": "high",
+                "suggested_reply": (
+                    "claro, te paso con Santiago directamente ||| "
+                    "su contacto es 3124348669 — él te da la propuesta según tu negocio"
+                ),
+            }
+
+    for signal in _COOLDOWN_HANDOFF_SIGNALS:
+        if signal in msg_low:
+            # Solo escalar si hay historial (no en primera interacción)
+            if len(history) >= 4:
+                return {
+                    "reason": f"prospecto se va: '{signal}'",
+                    "urgency": "medium",
+                    "suggested_reply": (
+                        "entendido, sin problema ||| "
+                        "si en algún momento quieres verme en acción, "
+                        "el contacto de Black One es 3124348669"
+                    ),
+                }
+
+    return None
+
+
+# ════════════════════════════════════════════════════════════════════════════════
+# 6. CLASE PRINCIPAL — SendGuard
+#    Encapsula todo el pipeline de guardería en un objeto reutilizable.
+# ════════════════════════════════════════════════════════════════════════════════
+
+class SendGuard:
+    """
+    Guardia completa del pipeline de envío.
+
+    Uso típico:
+        guard = SendGuard(context="demo", business_name=business_name)
+
+        # Antes de llamar al LLM:
+        handoff = guard.check_handoff(text, history)
+        if handoff:
+            # ... triggear smart handoff
+            pass
+
+        # También detectar cambio de personalidad:
+        arch = guard.detect_personality_change(text)
+        if arch:
+            response = guard.personality_response(arch)
+            return _send(response)
+
+        # Después de generar respuesta LLM:
+        clean_response = guard.clean(llm_response)
+        return _send(clean_response)
+    """
+
+    def __init__(self, context: str = "demo", business_name: str = ""):
+        self.context = context
+        self.business_name = business_name
+        self._pitch_fix_available = False
+        try:
+            from src.domain.prompts.prospect_pitch import fix_creator_in_response
+            self._fix_creator = fix_creator_in_response
+            self._pitch_fix_available = True
+        except ImportError:
+            self._fix_creator = lambda r: r
+
+    def check_handoff(
+        self, user_msg: str, history: List[Dict[str, Any]]
+    ) -> Optional[Dict[str, str]]:
+        """Verifica si se debe escalar antes del LLM."""
+        return check_proactive_handoff(user_msg, history)
+
+    def detect_personality_change(self, user_msg: str) -> Optional[str]:
+        """Detecta si el usuario pide cambiar la personalidad."""
+        return detect_personality_change(user_msg)
+
+    def personality_response(self, archetype: str) -> str:
+        """Retorna la respuesta de confirmación del cambio de personalidad."""
+        return get_personality_change_response(archetype, self.business_name)
+
+    def clean(self, response: str) -> str:
+        """Limpia y repara una respuesta antes de enviarla."""
+        r = self._fix_creator(response)
+        r = guard_response(r, context=self.context, business_name=self.business_name)
+        return r
+
+    def wrap_send(self, send_fn: Callable) -> Callable:
+        """Retorna send_fn envuelta con el guard."""
+        return patch_demo_send(send_fn, business_name=self.business_name, context=self.context)
+
+
+# ════════════════════════════════════════════════════════════════════════════════
+# 7. INTEGRACIÓN COMPLETA — snippet listo para pegar
+# ════════════════════════════════════════════════════════════════════════════════
+
+INTEGRATION_SNIPPET = '''
+# ═══════════════════════════════════════════════════════════════════════
+# CONNY_SEND_GUARD — Pegar al inicio de _handle_demo_message
+# ═══════════════════════════════════════════════════════════════════════
+try:
+    from src.domain.send_guard import SendGuard
+    from src.domain.prompts.prospect_pitch import is_prospect_confused, build_prospect_pitch_system_prompt
+    _guard = SendGuard(context="demo", business_name=business_name)
+    _GUARD_ACTIVE = True
+except ImportError:
+    _GUARD_ACTIVE = False
+    _guard = None
+
+# ── 1. Antes del bloque de comandos: check handoff proactivo ─────────
+if _GUARD_ACTIVE and _guard:
+    _handoff_check = _guard.check_handoff(text, history)
+    if _handoff_check and _SMART_HANDOFF and handoff_manager:
+        _save("user", text)
+        _save("assistant", _handoff_check["suggested_reply"])
+        return _send(_handoff_check["suggested_reply"])
+
+# ── 2. Cambio de personalidad en texto libre (antes del LLM) ────────
+if _GUARD_ACTIVE and _guard:
+    _arch = _guard.detect_personality_change(text)
+    if _arch:
+        _pers_resp = _guard.personality_response(_arch)
+        _save("user", text)
+        return _send(_pers_resp)
+
+# ── 3. Pitch inteligente si es prospecto confundido ──────────────────
+if _GUARD_ACTIVE:
+    try:
+        if is_prospect_confused(text, history):
+            system_prompt = build_prospect_pitch_system_prompt(business_name)
+            # system_prompt listo para usar en lugar del genérico
+    except Exception:
+        pass
+
+# ── 4. Después de definir _send, envolver con el guard ───────────────
+if _GUARD_ACTIVE and _guard:
+    _send = _guard.wrap_send(_send)
+
+# ═══════════════════════════════════════════════════════════════════════
+# FIN DE LA INTEGRACIÓN — el resto del código de _handle_demo_message
+# queda igual. Todo return _send(r) pasa ahora por el guard.
+# ═══════════════════════════════════════════════════════════════════════
+'''