import os import openai import mysql.connector from dotenv import load_dotenv from datetime import datetime from typing import List from pydantic import BaseModel import json from db_utils import get_db, save_message load_dotenv() #openai.api_key = os.getenv("OPENAI_API_KEY") MESSAGE_LIMIT = int(os.getenv("MESSAGE_ANALYSIS_LIMIT", 100)) client = openai.OpenAI(api_key=os.getenv("OPENAI_API_KEY")) class LeadAnalysis(BaseModel): is_lead: bool funnel_stage: str topics_detected: List[str] possible_project: str search_criteria: str suggested_next_action: str def obtener_conversaciones_por_contacto(db): cursor = db.cursor(dictionary=True) cursor.execute("SELECT id FROM contact where source != 'email'") contactos = cursor.fetchall() conversaciones = [] for contacto in contactos: # Obtener última fecha de análisis cursor.execute("SELECT MAX(analyzed_at) AS last_analysis FROM message_analysis WHERE contact_id = %s", (contacto["id"],)) last_analysis = cursor.fetchone()["last_analysis"] # Verificar si hay mensajes nuevos desde la última fecha de análisis if last_analysis: cursor.execute(""" SELECT COUNT(*) AS nuevos FROM message WHERE contact_id = %s AND timestamp > %s """, (contacto["id"], last_analysis)) if cursor.fetchone()["nuevos"] == 0: continue # No hay mensajes nuevos cursor.execute(f""" SELECT m.*, u.name AS user_name FROM message m JOIN user_account u ON m.user_id = u.id WHERE m.contact_id = %s ORDER BY m.timestamp ASC LIMIT {MESSAGE_LIMIT} """, (contacto["id"],)) mensajes = cursor.fetchall() if mensajes: conversaciones.append((contacto["id"], mensajes)) return conversaciones def construir_mensaje_texto(mensajes): texto = "" total_tokens = 0 for msg in reversed(mensajes): autor = "ASESOR" if msg["direction"] == "outgoing" else "CLIENTE" linea = f"{autor}: {msg['content']}\n" #tokens = len(encoder.encode(linea)) #if total_tokens + tokens > MAX_PROMPT_TOKENS: # break texto = linea + texto #total_tokens += tokens return texto def analizar_conversacion(conversacion): try: response = client.responses.create( model="gpt-4o", input=[ {"role": "system", "content": "Sos un asistente especializado en ventas inmobiliarias para la desarrolladora Quartier (marca de Argencons S.A.). Tu tarea es: 1. Leer la conversación de WhatsApp entre un lead y un vendedor. 2. Determinar en qué estado del embudo se encuentra el lead. 3. Sugerir una acción si corresponde (ej. enviar follow-up, agendar_meet, etc).Actuá como un analista de ventas inmobiliarias. Vas a recibir el historial de mensajes entre un posible cliente y un asesor de ventas."}, {"role": "user", "content": conversacion} ], text={ "format": { "type": "json_schema", "name": "lead_analysis", "schema": { "type": "object", "properties": { "is_lead": { "type": "boolean", "description": "es un lead" }, "funnel_stage": { "type": "string", "description": "etapa del embudo de ventas según tabla crestados: - **new**: El lead no respondió ningún mensaje - **warm**: Mostró interés general - **appt**: Acordó reunión o visita - **cold**: El lead deja de responder luego de 10 días pero antes haber estado en conversación - **won**: Ya reservó o compró - **lost**: No está interesado o no respondió - **wrong**: Está interesado en algo fuera de lo que ofrecemos (Alquiler, zona incorrecta, nada de real estate, etc) - **no_lead**: Los medios de contacto dieron error, nunca se pudo establecer conversación durante 30 días ó lo que dijo fue que no está interesado o que nunca lo estuvo", "enum": [ "new", "warm", "appt", "cold", "won", "lost", "wrong", "no_lead" ] }, "topics_detected": { "type": "array", "items": { "type": "string" } }, "possible_project": { "type": "string", "description": "proyecto posible de interés", "enum": [ "Quartier Juan B. Justo", "Quartier Brava 30", "Quartier Bajo Belgrano", "Quartier +Colonia", "Quartier Del Bajo", "Distrito Quartier", "Edificio Plaza", "Quartier Lacroze", "Quartier Dorrego", "Quartier Nordelta", "Otros Quartier" ] }, "search_criteria": { "type": "string", "description": "criterios de búsqueda" }, "suggested_next_action": { "type": "string", "description": "siguiente acción sugerida según tabla cracciones: - **followup_1**: Primer seguimiento automático luego de 48hs sin respuesta - **followup_2**: Segundo seguimiento luego de propuesta sin respuesta (72hs) - **enviar_info**: Enviar información o brochure solicitado - **reactivar**: Reactivar lead que estaba en estado perdido y vuelve a escribir - **cerrar**: Marcar como venta concretada (won) - **agendar_meet**: Coordinar videollamada o reunión presencial - **agendar_visita**: Coordinar visita al showroom o a la obra - **esperar**: No hacer nada por el momento - **archivar**: Archivar el lead (fuera del embudo activo)", "enum": [ "followup_1", "followup_2", "enviar_info", "reactivar", "cerrar", "agendar_meet", "agendar_visita", "esperar", "archivar" ] }, }, "required": [ "is_lead", "funnel_stage", "topics_detected", "possible_project", "search_criteria", "suggested_next_action" ], "additionalProperties": False }, "strict": True } } ) return LeadAnalysis.model_validate(json.loads(response.output_text)) except Exception as e: print(f"❌ Error al llamar a OpenAI: {e}") return None def guardar_analisis(db, contact_id, datos: LeadAnalysis): cursor = db.cursor() resumen = f"Lead: {'sí' if datos.is_lead else 'no'}, Proyecto: {datos.possible_project}, Estado: {datos.funnel_stage}, Acción: {datos.suggested_next_action}" cursor.execute(""" INSERT INTO message_analysis ( contact_id, is_lead, funnel_stage, topics_detected, suggested_next_action, possible_project, search_criteria, analyzed_at, resumen ) VALUES (%s, %s, %s, %s, %s, %s, %s, %s, %s) """, ( contact_id, datos.is_lead, datos.funnel_stage, ', '.join(datos.topics_detected), datos.suggested_next_action, datos.possible_project, datos.search_criteria, datetime.now(), resumen )) db.commit() return resumen def main(): db = get_db() conversaciones = obtener_conversaciones_por_contacto(db) print(f"🧠 Analizando {len(conversaciones)} conversaciones...") for contact_id, mensajes in conversaciones: print(f"🔍 Analizando mensajes del contacto {contact_id} : {len(mensajes)} mensajes...") #prompt = construir_prompt(mensajes) texto = construir_mensaje_texto(mensajes) respuesta = analizar_conversacion(texto) if respuesta: try: resume = guardar_analisis(db, contact_id, respuesta) print(f"✅ Análisis guardado para contacto {contact_id}: {resume}") except Exception as e: print(f"❌ Error al parsear/guardar respuesta: {e}\nRespuesta:\n{respuesta}") if __name__ == '__main__': main()