✅ IMPLEMENTACIÓN COMPLETADA - Informes Personalizados para Chat Assistant

📊 Backend actualizado a v1.1.0
He implementado un sistema inteligente de generación de informes para preguntas con chat assistant:

🔧 Cambios Implementados:
1. Nueva función generate_chat_summary() (líneas ~1450)
Funcionalidad:

Recibe el chat_history completo de una conversación
Usa OpenAI o Gemini (según configuración activa) para analizar la conversación
Genera un resumen estructurado en JSON con:
problema_identificado: Descripción del problema principal
hallazgos: Lista de observaciones técnicas
diagnostico: Conclusión del diagnóstico
recomendaciones: Pasos sugeridos
Características:

Temperature: 0.3 (respuestas consistentes)
Max tokens: 800
Response format: JSON
Manejo robusto de errores con fallback

backend/app/main.py

@@ -276,7 +276,7 @@ def extract_pdf_text_smart(pdf_content: bytes, max_chars: int = None) -> dict:
         }
 
 
-BACKEND_VERSION = "1.0.98"
+BACKEND_VERSION = "1.1.0"
 app = FastAPI(title="Checklist Inteligente API", version=BACKEND_VERSION)
 
 # S3/MinIO configuration
@@ -1450,6 +1450,118 @@ def update_inspection(
     return db_inspection
 
 
+async def generate_chat_summary(chat_history: list, question_text: str) -> dict:
+    """
+    Genera un resumen estructurado de una conversación de chat con el asistente IA.
+    Retorna un dict con: problema_identificado, hallazgos, diagnostico, recomendaciones
+    """
+    import asyncio
+    import json
+    import openai
+    import google.generativeai as genai
+    
+    if not chat_history or len(chat_history) == 0:
+        return {
+            "problema_identificado": "Sin conversación registrada",
+            "hallazgos": [],
+            "diagnostico": "N/A",
+            "recomendaciones": []
+        }
+    
+    # Obtener configuración de IA
+    db = next(get_db())
+    config = db.query(models.AIConfiguration).filter(models.AIConfiguration.is_active == True).first()
+    
+    if not config:
+        # Fallback: devolver resumen simple
+        return {
+            "problema_identificado": f"Consulta sobre: {question_text}",
+            "hallazgos": ["Conversación completada con el asistente"],
+            "diagnostico": "Ver conversación completa en el sistema",
+            "recomendaciones": ["Revisar historial de chat para detalles"]
+        }
+    
+    # Construir contexto de la conversación
+    conversation_text = ""
+    for msg in chat_history:
+        role = "Mecánico" if msg.get("role") == "user" else "Asistente"
+        content = msg.get("content", "")
+        conversation_text += f"{role}: {content}\n\n"
+    
+    # Prompt para generar resumen estructurado
+    summary_prompt = f"""Analiza la siguiente conversación entre un mecánico y un asistente de diagnóstico automotriz, y genera un resumen ejecutivo estructurado para incluir en un informe PDF.
+
+CONVERSACIÓN:
+{conversation_text}
+
+INSTRUCCIONES:
+Genera un resumen profesional en formato JSON con esta estructura exacta:
+{{
+  "problema_identificado": "Descripción breve del problema o consulta principal (máximo 2 líneas)",
+  "hallazgos": ["Hallazgo 1", "Hallazgo 2", "Hallazgo 3"],
+  "diagnostico": "Conclusión técnica del diagnóstico (máximo 3 líneas)",
+  "recomendaciones": ["Recomendación 1", "Recomendación 2"]
+}}
+
+REGLAS:
+- Usa lenguaje técnico pero claro
+- Sé conciso y directo
+- Si no hay información suficiente para algún campo, usa "N/A" o lista vacía []
+- NO incluyas información que no esté en la conversación
+- El JSON debe ser válido y parseable
+"""
+
+    try:
+        # Usar OpenAI o Gemini según configuración
+        if config.provider == "openai" and config.openai_api_key:
+            client = openai.OpenAI(api_key=config.openai_api_key)
+            response = await asyncio.to_thread(
+                client.chat.completions.create,
+                model=config.openai_model or "gpt-4o",
+                messages=[{"role": "user", "content": summary_prompt}],
+                temperature=0.3,
+                max_tokens=800,
+                response_format={"type": "json_object"}
+            )
+            summary_json = response.choices[0].message.content
+            
+        elif config.provider == "gemini" and config.gemini_api_key:
+            genai.configure(api_key=config.gemini_api_key)
+            model = genai.GenerativeModel(
+                model_name=config.gemini_model or "gemini-2.0-flash-exp",
+                generation_config={
+                    "temperature": 0.3,
+                    "max_output_tokens": 800,
+                    "response_mime_type": "application/json"
+                }
+            )
+            response = await asyncio.to_thread(model.generate_content, summary_prompt)
+            summary_json = response.text
+        else:
+            raise Exception("No hay proveedor de IA configurado")
+        
+        # Parsear JSON
+        summary = json.loads(summary_json)
+        
+        # Validar estructura
+        required_keys = ["problema_identificado", "hallazgos", "diagnostico", "recomendaciones"]
+        for key in required_keys:
+            if key not in summary:
+                summary[key] = "N/A" if key in ["problema_identificado", "diagnostico"] else []
+        
+        return summary
+        
+    except Exception as e:
+        print(f"❌ Error generando resumen de chat: {e}")
+        # Fallback
+        return {
+            "problema_identificado": f"Consulta sobre: {question_text}",
+            "hallazgos": ["Error al generar resumen automático"],
+            "diagnostico": "Ver conversación completa en el sistema",
+            "recomendaciones": ["Revisar historial de chat para detalles completos"]
+        }
+
+
 def generate_inspection_pdf(inspection_id: int, db: Session) -> str:
     """
     Genera el PDF de una inspección y lo sube a S3.
@@ -1896,6 +2008,9 @@ def generate_inspection_pdf(inspection_id: int, db: Session) -> str:
             elements.append(Paragraph(f"▶ {question.section or 'General'}", section_header_style))
             elements.append(Spacer(1, 3*mm))
         
+        # Detectar si es pregunta con chat assistant
+        is_ai_assistant = question.options and question.options.get('type') == 'ai_assistant'
+        
         # Estado visual
         status_colors = {
             'ok': colors.HexColor('#22c55e'),
@@ -1918,13 +2033,83 @@ def generate_inspection_pdf(inspection_id: int, db: Session) -> str:
             Paragraph(f"<b>{status_icon} {question.text}</b>", question_style),
         ])
         
+        # ===== LÓGICA ESPECIAL PARA AI_ASSISTANT =====
+        if is_ai_assistant and ans.chat_history:
+            # Generar resumen estructurado del chat
+            import asyncio
+            try:
+                # Ejecutar función async de forma sincrónica
+                loop = asyncio.new_event_loop()
+                asyncio.set_event_loop(loop)
+                chat_summary = loop.run_until_complete(
+                    generate_chat_summary(ans.chat_history, question.text)
+                )
+                loop.close()
+                
+                # Renderizar informe narrativo
+                question_data.append([
+                    Paragraph(f"<b>💬 INFORME DE DIAGNÓSTICO ASISTIDO</b>", 
+                              ParagraphStyle('chat_title', parent=answer_style, fontSize=11, 
+                                           textColor=colors.HexColor('#2563eb'), fontName='Helvetica-Bold'))
+                ])
+                
+                # Problema identificado
+                question_data.append([
+                    Paragraph(f"<b>🔍 Problema Identificado:</b><br/>{chat_summary.get('problema_identificado', 'N/A')}", 
+                              comment_style)
+                ])
+                
+                # Hallazgos
+                if chat_summary.get('hallazgos') and len(chat_summary['hallazgos']) > 0:
+                    hallazgos_text = "<br/>".join([f"• {h}" for h in chat_summary['hallazgos']])
+                    question_data.append([
+                        Paragraph(f"<b>📋 Hallazgos:</b><br/>{hallazgos_text}", comment_style)
+                    ])
+                
+                # Diagnóstico
+                question_data.append([
+                    Paragraph(f"<b>🔧 Diagnóstico:</b><br/>{chat_summary.get('diagnostico', 'N/A')}", 
+                              comment_style)
+                ])
+                
+                # Recomendaciones
+                if chat_summary.get('recomendaciones') and len(chat_summary['recomendaciones']) > 0:
+                    recomendaciones_text = "<br/>".join([f"• {r}" for r in chat_summary['recomendaciones']])
+                    question_data.append([
+                        Paragraph(f"<b>✅ Recomendaciones:</b><br/>{recomendaciones_text}", 
+                                  ParagraphStyle('recommendations', parent=comment_style, 
+                                               textColor=colors.HexColor('#16a34a')))
+                    ])
+                
+            except Exception as e:
+                print(f"❌ Error generando resumen de chat en PDF: {e}")
+                # Fallback: mostrar que hubo conversación
+                question_data.append([
+                    Table([
+                        [
+                            Paragraph(f"<b>Respuesta:</b> Diagnóstico asistido completado", answer_style),
+                            Paragraph(f"<b>Estado:</b> {ans.status.upper()}", 
+                                    ParagraphStyle('status', parent=answer_style, 
+                                                 textColor=status_color, fontName='Helvetica-Bold'))
+                        ]
+                    ], colWidths=[120*mm, 50*mm])
+                ])
+                question_data.append([
+                    Paragraph(f"<b>ℹ️ Nota:</b> Ver historial de conversación completo en el sistema", 
+                              comment_style)
+                ])
+        
+        # ===== LÓGICA NORMAL PARA OTROS TIPOS =====
+        else:
             # Fila 2: Respuesta y estado - Convertir valor técnico a etiqueta legible
             answer_text = get_readable_answer(ans.answer_value, question.options)
             question_data.append([
                 Table([
                     [
                         Paragraph(f"<b>Respuesta:</b> {answer_text}", answer_style),
-                    Paragraph(f"<b>Estado:</b> {ans.status.upper()}", ParagraphStyle('status', parent=answer_style, textColor=status_color, fontName='Helvetica-Bold'))
+                        Paragraph(f"<b>Estado:</b> {ans.status.upper()}", 
+                                ParagraphStyle('status', parent=answer_style, 
+                                             textColor=status_color, fontName='Helvetica-Bold'))
                     ]
                 ], colWidths=[120*mm, 50*mm])
             ])
@@ -1949,7 +2134,7 @@ def generate_inspection_pdf(inspection_id: int, db: Session) -> str:
                     Paragraph(f"<b>Comentario:</b> {comment_text}", comment_style)
                 ])
         
-        # Fila 4: Imágenes (si existen)
+        # Fila 4: Imágenes (si existen) - COMÚN PARA TODOS LOS TIPOS
         if ans.media_files:
             media_imgs = []
             for media in ans.media_files:
@@ -3236,7 +3421,17 @@ INFORMACIÓN DEL VEHÍCULO:
         # Construir el system prompt
         base_prompt = assistant_prompt or "Eres un experto mecánico automotriz que ayuda a diagnosticar problemas."
         
-        system_prompt = f"""{base_prompt}
+        system_prompt = f"""INSTRUCCIONES CRÍTICAS ANTI-ALUCINACIÓN (MÁXIMA PRIORIDAD):
+Estas reglas SIEMPRE tienen prioridad sobre cualquier otra instrucción:
+
+1. PRIMERO mira la imagen/documento y DESCRIBE LITERALMENTE lo que ves
+2. VERIFICA si hay texto/logos/marcas visibles (ej: "TEXA", "Bosch", "ESI[tronic]")
+3. Si la imagen muestra un analizador de gases (con mediciones CO, CO₂, HC, NOₓ, O₂, Lambda), NO ES un informe de códigos DTC
+4. Si la imagen muestra una pantalla con códigos tipo "P0XXX" o "1XXXX", SÍ ES un informe de diagnóstico DTC
+5. NUNCA inventes información que no esté visible en la imagen
+6. Si lo que ves NO coincide con lo que el usuario pregunta, DÍSELO INMEDIATAMENTE
+
+{base_prompt}
 
 {vehicle_context}
 
@@ -3247,12 +3442,13 @@ INFORMACIÓN DEL VEHÍCULO:
 INSTRUCCIONES ADICIONALES:
 {assistant_instructions if assistant_instructions else "Sé técnico, claro y directo en tus respuestas."}
 
-FORMATO DE RESPUESTA:
+FORMATO DE RESPUESTA OBLIGATORIO:
-- Sé {response_length} en tus respuestas
+1. [IDENTIFICACIÓN] Qué tipo de documento/imagen es esto (describe lo que VES, no lo que asumes)
-- Usa lenguaje técnico pero comprensible
+2. [VERIFICACIÓN] ¿Coincide con lo que el usuario pregunta? Si NO, indícalo
-- Si ves algo preocupante en las fotos analizadas, menciónalo
+3. [ANÁLISIS] Basado ÚNICAMENTE en información visible
-- Proporciona recomendaciones específicas cuando sea relevante
+4. [RECOMENDACIÓN] Pasos siguientes o información que necesitas
-- Si no tienes suficiente información, pide más detalles
+
+Longitud: {response_length}
 """
         
         # Construir el historial de mensajes para la IA

frontend/src/App.jsx

@@ -5521,11 +5521,6 @@ function AIAssistantChatModal({ question, inspection, allAnswers, messages, setM
         formData.append('files', file)
       })
 
-      // Adjuntar archivos
-      currentFiles.forEach((file, index) => {
-        formData.append('files', file)
-      })
-
       // Recopilar fotos de preguntas anteriores según configuración
       const contextPhotos = []
       const contextQuestionIds = config.context_questions