IA va a tener Contexto de la primera plantilal de las Inspecciones backend 1.0.42 frontend 1.0.40

backend/app/main.py

@@ -1520,6 +1520,7 @@ def delete_ai_configuration(
 async def analyze_image(
     file: UploadFile = File(...),
     question_id: int = None,
+    inspection_id: int = None,
     custom_prompt: str = None,
     db: Session = Depends(get_db),
     current_user: models.User = Depends(get_current_user)
@@ -1527,6 +1528,7 @@ async def analyze_image(
     """
     Analiza una imagen usando IA para sugerir respuestas
     Usa la configuración de IA activa (OpenAI o Gemini)
+    Incluye contexto del vehículo si se proporciona inspection_id
     """
     # Obtener configuración de IA activa
     ai_config = db.query(models.AIConfiguration).filter(
@@ -1550,6 +1552,22 @@ async def analyze_image(
     if question_id:
         question_obj = db.query(models.Question).filter(models.Question.id == question_id).first()
     
+    # Obtener contexto del vehículo si se proporciona inspection_id
+    vehicle_context = ""
+    if inspection_id:
+        inspection = db.query(models.Inspection).filter(models.Inspection.id == inspection_id).first()
+        if inspection:
+            vehicle_context = f"""
+INFORMACIÓN DEL VEHÍCULO INSPECCIONADO:
+- Marca: {inspection.vehicle_brand}
+- Modelo: {inspection.vehicle_model}
+- Año: {inspection.vehicle_year or 'No especificado'}
+- Placa: {inspection.vehicle_plate}
+- Kilometraje: {inspection.mileage} km
+- Cliente: {inspection.client_name}
+- OR/Orden: {inspection.or_number}
+"""
+    
     try:
         # Construir prompt dinámico basado en la pregunta específica
         if question_obj:
@@ -1558,6 +1576,8 @@ async def analyze_image(
                 # Prompt 100% personalizado por el administrador
                 system_prompt = f"""Eres un mecánico experto realizando una inspección vehicular.
 
+{vehicle_context}
+
 INSTRUCCIONES ESPECÍFICAS PARA ESTA PREGUNTA:
 {custom_prompt}
 
@@ -1565,6 +1585,7 @@ PREGUNTA A RESPONDER: "{question_obj.text}"
 Sección: {question_obj.section}
 
 Analiza la imagen siguiendo EXACTAMENTE las instrucciones proporcionadas arriba.
+Considera el kilometraje, marca y modelo del vehículo para dar un análisis más preciso.
 
 VALIDACIÓN DE IMAGEN:
 - Si la imagen NO corresponde al contexto de la pregunta (por ejemplo, si piden luces pero muestran motor), indica en "recommendation" que deben cambiar la foto
@@ -1573,7 +1594,7 @@ VALIDACIÓN DE IMAGEN:
 Responde en formato JSON:
 {{
   "status": "ok|minor|critical",
-  "observations": "Análisis específico según el prompt personalizado",
+  "observations": "Análisis específico según el prompt personalizado, considerando el vehículo {inspection.vehicle_brand if inspection_id else ''}",
   "recommendation": "Si la imagen no es apropiada, indica 'Por favor tome una foto de [componente correcto]'. Si es apropiada, da recomendación técnica.",
   "confidence": 0.0-1.0
 }}"""
@@ -1585,11 +1606,14 @@ Responde en formato JSON:
                 
                 system_prompt = f"""Eres un mecánico experto realizando una inspección vehicular.
 
+{vehicle_context}
+
 PREGUNTA ESPECÍFICA A RESPONDER: "{question_text}"
 Sección: {section}
 
 Analiza la imagen ÚNICAMENTE para responder esta pregunta específica. 
 Sé directo y enfócate solo en lo que la pregunta solicita.
+Considera el kilometraje y características del vehículo para contextualizar tu análisis.
 
 VALIDACIÓN DE IMAGEN:
 - Si la imagen NO corresponde al contexto de la pregunta, indica en "recommendation" que deben cambiar la foto
@@ -1613,19 +1637,23 @@ IMPORTANTE:
             user_message = f"Inspecciona la imagen y responde específicamente: {question_obj.text}"
         else:
             # Fallback para análisis general
-            system_prompt = """Eres un experto mecánico automotriz. Analiza la imagen y proporciona:
+            system_prompt = f"""Eres un experto mecánico automotriz. 
+
+{vehicle_context}
+
+Analiza la imagen y proporciona:
 1. Estado del componente (bueno/regular/malo)
 2. Nivel de criticidad (ok/minor/critical)
 3. Observaciones técnicas breves
 4. Recomendación de acción
 
 Responde en formato JSON:
-{
+{{
   "status": "ok|minor|critical",
   "observations": "descripción técnica",
   "recommendation": "acción sugerida",
   "confidence": 0.0-1.0
-}"""
+}}"""
             user_message = "Analiza este componente del vehículo para la inspección general."
 
         if ai_config.provider == "openai":

frontend/src/App.jsx

@@ -3069,6 +3069,11 @@ function InspectionModal({ checklist, user, onClose, onComplete }) {
         formData.append('file', file)
         formData.append('question_id', question.id.toString())
         
+        // Include inspection_id for vehicle context
+        if (inspectionId) {
+          formData.append('inspection_id', inspectionId.toString())
+        }
+        
         // Include custom prompt if available
         if (question.ai_prompt) {
           formData.append('custom_prompt', question.ai_prompt)

migrations/add_ai_analysis_if_not_exists.sql

@@ -0,0 +1,28 @@
+-- Migración: Asegurar que ai_analysis existe en la tabla answers
+-- Fecha: 2025-11-26
+-- Descripción: Agrega la columna ai_analysis si no existe (para guardar el resultado del análisis de IA)
+
+-- Agregar columna ai_analysis si no existe
+DO $$ 
+BEGIN
+    IF NOT EXISTS (
+        SELECT 1 FROM information_schema.columns 
+        WHERE table_name = 'answers' 
+        AND column_name = 'ai_analysis'
+    ) THEN
+        ALTER TABLE answers ADD COLUMN ai_analysis JSONB;
+        COMMENT ON COLUMN answers.ai_analysis IS 'Resultado del análisis de IA: {status, observations, recommendation, confidence, model, provider}';
+    END IF;
+END $$;
+
+-- Verificar que la columna existe
+SELECT 
+    column_name, 
+    data_type, 
+    is_nullable,
+    column_default
+FROM information_schema.columns 
+WHERE table_name = 'answers' 
+AND column_name = 'ai_analysis';
+
+SELECT '✅ Columna ai_analysis verificada/creada en tabla answers' as status;