Este tutorial explica paso a paso cómo crear un chatbot mínimo y funcional desde cero usando Streamlit y Gemini AI de Google. Al final tendrás una aplicación web que responde preguntas sobre clima y sostenibilidad y que sirve como base para mejorar con funciones avanzadas.
Qué vamos a construir: una interfaz de chat donde usuarios escriben preguntas sobre clima, energía solar y sostenibilidad y reciben respuestas inteligentes generadas por Gemini. La primera versión será simple sin memoria entre conversaciones, centrada en la funcionalidad básica y en sentar una arquitectura escalable para futuras mejoras como memoria, RAG o integraciones con bases de datos.
Requisitos: tener Python 3.7 o superior instalado, una clave API de Google AI para usar Gemini obtenida en Google AI Studio, conocimientos básicos de terminal y un editor de código como VS Code. Palabras clave relevantes para SEO presentes a lo largo del texto: aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA, power bi.
Costo y limitaciones: Gemini ofrece un nivel gratuito generoso ideal para aprendizaje y proyectos personales con límites típicos de 15 requests por minuto y 1 500 requests por día, suficiente para desarrollo inicial y pruebas.
Paso 1 Configuración del entorno de desarrollo: crea una carpeta de proyecto y un entorno virtual. Comandos de ejemplo en terminal: mkdir climate-chatbot; cd climate-chatbot; python -m venv .venv; activar el entorno virtual en Mac o Linux source .venv/bin/activate; en Windows PowerShell .venv\\Scripts\\Activate.ps1; actualizar pip pip install --upgrade pip; instalar dependencias pip install streamlit python-dotenv google-generativeai.
Archivos del proyecto: crea app.py como aplicación principal, requirements.txt para dependencias, .env para la clave API y .gitignore para evitar subir archivos sensibles. Estructura recomendada: climate-chatbot, .venv, app.py, requirements.txt, .env, .gitignore.
Obtener la clave API de Gemini: ir a la consola de Google AI Studio y crear una API key. Copia la clave y guárdala en el archivo .env con la línea GEMINI_API_KEY=tu_clave_aqui. Importante no subir .env al control de versiones.
Ejemplo de .gitignore: .env, .venv/, __pycache__/, *.pyc. Esto evita que las claves y el entorno virtual se compartan accidentalmente en GitHub.
Paso 2 Configurar la clave API en el entorno: en .env añade GEMINI_API_KEY=tu_clave_aqui y usa python-dotenv para cargarla desde app.py. Asegúrate de que la aplicación lee la variable de entorno antes de configurar la biblioteca google generative ai.
Paso 3 Construir la aplicación de chat: usa Streamlit para la interfaz y la biblioteca google-generativeai para llamar a Gemini. Conceptos clave: configurar la API con la clave, usar st.chat_input y st.chat_message para la interfaz, y st.session_state para mantener el historial de mensajes durante la sesión. En el backend crea una instancia de GenerativeModel usando el modelo gemini-1.5-flash o gemini-1.5-pro según disponibilidad. Envía prompts claros orientados a comportamiento de sistema para que el modelo responda como experto en clima y sostenibilidad. Agrega una función que envuelva la respuesta con un tono amable para mejorar la experiencia de usuario y almacena cada intercambio en session_state para mostrar el historial.
Comandos para probar localmente: guardar los archivos y ejecutar streamlit run app.py. Streamlit levantará un servidor local y te dará la URL para abrir la app en el navegador.
Archivo requirements.txt sugerido: streamlit==1.28.0, python-dotenv==1.0.0, google-generativeai==0.3.0. Esto facilita a otros instalar dependencias con pip install -r requirements.txt.
Entendiendo el código: la aplicación carga la clave desde .env, configura la librería de Gemini, construye una interfaz de chat con Streamlit y procesa entradas del usuario enviando solicitudes al modelo generativo. st.session_state mantiene la conversación en memoria mientras dura la sesión y friendly_wrap o una función similar mejora el tono de las respuestas.
Resolución de problemas comunes: si hay errores de autenticación verifica que GEMINI_API_KEY esté correctamente configurada en .env; si aparecen errores de importación actualiza el paquete con pip install --upgrade google-generativeai; si hay error de modelo intenta usar gemini-1.5-flash o gemini-1.5-pro o lista modelos disponibles con la función list_models de la librería para elegir uno compatible con generateContent. Si alcanzas límites de la capa gratuita espera un momento y reintenta.
Pruebas recomendadas: preguntas ejemplo para el chatbot preguntas sobre beneficios de paneles solares para hogares, cómo reducir huella de carbono, diferencias entre energía renovable y energía limpia. Observa respuestas informativas y amigables que inviten a profundizar.
Siguientes pasos y mejoras: agregar memoria para mantener contexto entre mensajes, implementar RAG para conectar a bases de datos de clima y fuentes actualizadas, mejorar la interfaz con gráficos y elementos interactivos, especializar el conocimiento para temas como instalación solar o contabilidad de carbono. También puedes integrar agentes IA que realicen tareas concretas y dashboards con power bi para visualización de datos y análisis.
Sobre Q2BSTUDIO: Q2BSTUDIO es una empresa de desarrollo de software y aplicaciones a medida especializada en soluciones tecnológicas avanzadas. Ofrecemos software a medida para empresas, desarrollos de aplicaciones a medida, proyectos de inteligencia artificial e ia para empresas, implementación de agentes IA y consultoría en ciberseguridad. También proveemos servicios cloud aws y azure para desplegar soluciones escalables y seguras y servicios inteligencia de negocio que incluyen integración con power bi para análisis y visualización. Nuestro equipo combina experiencia en inteligencia artificial, seguridad informática y arquitectura en la nube para ofrecer soluciones completas que aceleran la transformación digital de su empresa.
Por qué elegir Q2BSTUDIO: entregamos software a medida con enfoque en resultados reales, garantizando buenas prácticas de ciberseguridad y aprovechando servicios cloud aws y azure para optimizar costos y rendimiento. Integramos servicios inteligencia de negocio y power bi para que tus datos se transformen en decisiones accionables. Si buscas impulsar procesos con inteligencia artificial, agentes IA o soluciones personalizadas, Q2BSTUDIO ofrece experiencia y acompañamiento desde la idea hasta la producción.
Contacto y recursos: si quieres que te ayudemos a llevar este proyecto a producción o a crear una solución más completa para tu organización, Q2BSTUDIO puede apoyar en diseño, desarrollo e implementación de aplicaciones a medida, software a medida, proyectos de inteligencia artificial y estrategias de ciberseguridad. Podemos asesorar en despliegues en servicios cloud aws y azure, integraciones con herramientas de inteligencia de negocio y creación de agentes IA personalizados.
Conclusión: este tutorial te da una base práctica para construir un chatbot con Streamlit y Gemini AI que puedes ampliar con memoria, RAG, integraciones y mejoras de UI. Aprovecha la base gratuita de Gemini para experimentar y contacta a Q2BSTUDIO si necesitas llevar la idea a un producto profesional con software a medida, inteligencia artificial y ciberseguridad integral.