supabase/functions/create-chat-conversation/index.ts

@@ -3,7 +3,8 @@ import { corsHeaders, withCors } from "./lib/cors.ts";
 import { HttpError, jsonResponse } from "./lib/errors.ts";
 import { getOpenAI } from "./lib/openai.ts";
 import { getSupabaseServiceClient, requireUser } from "./lib/supabase.ts";
-import { assertUuid, pickSchemaFields, safePlanForPrompt } from "./lib/plan.ts";
+import { assertUuid, pickSchemaFields, safePlanForPrompt,pickSchemaAsignaturaFields } from "./lib/plan.ts";
+import { OpenAIService } from "../_shared/openai-service.ts";
 
 type CreateBody = {
   plan_estudio_id: string;
@@ -125,20 +126,17 @@ app.post(`${prefix}/plan/conversations`, async (c) => {
 app.post(`${prefix}/asignatura/conversations`, async (c) => {
   try {
     const body = (await c.req.json().catch(() => ({}))) as Partial<CreateBody>;
-
     const asignatura_id = body.asignatura_id;
     assertUuid(asignatura_id ?? "", "asignatura_id");
 
     const instanciador = body.instanciador ?? "unknown";
-
+    const system_prompt = body.system_prompt ?? 
-    const system_prompt =
+      "Eres un asistente experto en currículo académico. Si te piden algo ajeno a la asignatura, responde con un refusal.";
-      body.system_prompt ??
-      "En caso de que te pidan algo que no tiene nada que ver con la asignatura responde con un refusal.";
 
     const supabase = getSupabaseServiceClient();
     const openai = getOpenAI();
 
-    // 🔥 Cargar asignatura
+    // 1. Verificar que la asignatura existe
     const { data: asignatura, error: asigErr } = await supabase
       .from("asignaturas")
       .select("*")
@@ -146,15 +144,10 @@ app.post(`${prefix}/asignatura/conversations`, async (c) => {
       .single();
 
     if (asigErr || !asignatura) {
-      throw new HttpError(
+      throw new HttpError(404, "asignatura_not_found", "Asignatura no encontrada");
-        404,
-        "asignatura_not_found",
-        "Asignatura no encontrada",
-        asigErr,
-      );
     }
 
-    // 🔥 Crear conversación en OpenAI
+    // 2. Crear conversación en OpenAI
     const conv = await openai.conversations.create({
       metadata: {
         tabla: "asignaturas",
@@ -164,28 +157,22 @@ app.post(`${prefix}/asignatura/conversations`, async (c) => {
       items: [{ type: "message", role: "system", content: system_prompt }],
     });
 
-    // 🔥 Insertar en conversaciones_asignatura
+    // 3. Insertar en conversaciones_asignatura (coincidiendo con tu SQL)
     const { data: row, error: insErr } = await supabase
       .from("conversaciones_asignatura")
       .insert({
         openai_conversation_id: conv.id,
-        asignatura_id: asignatura.id, // ✅ CORRECTO
+        asignatura_id: asignatura.id,
         estado: "ACTIVA",
+        conversacion_json: [], // Inicializamos como array vacío para los mensajes
+        // creado_por: user.id // Opcional si tienes el ID del usuario
       })
       .select("id, asignatura_id, openai_conversation_id, estado")
       .single();
 
     if (insErr || !row) {
-      try {
+      try { await openai.conversations.delete(conv.id); } catch (_) {}
-        await openai.conversations.delete(conv.id);
+      throw new HttpError(500, "db_insert_failed", "Error al registrar conversación", insErr);
-      } catch (_) {}
-
-      throw new HttpError(
-        500,
-        "db_insert_failed",
-        "No se pudo registrar la conversación",
-        insErr,
-      );
     }
 
     return withCors(jsonResponse({ conversation_asignatura: row }, 201));
@@ -210,389 +197,218 @@ app.post(`${prefix}/conversations/plan/:id/messages`, async (c) => {
       throw new HttpError(400, "bad_input", "content es requerido");
     }
 
+    console.log("Iniciando generación en background para mensaje_id:");
     const supabase = getSupabaseServiceClient();
-    const openai = getOpenAI();
+    const svc = OpenAIService.fromEnv();
 
-    // 1. Traer datos de la conversación y el plan
+    // 1. Validar existencia y estado de la conversación
     const { data: row, error } = await supabase
       .from("conversaciones_plan")
-      .select(
+      .select("id, openai_conversation_id, plan_estudio_id, estado, planes_estudio(*, estructuras_plan(definicion))")
-        "id, openai_conversation_id, plan_estudio_id, estado, planes_estudio(*, estructuras_plan(definicion))",
-      )
       .eq("id", conversation_plan_id)
       .single();
 
-    if (error || !row) {
+    if (error || !row) throw new HttpError(404, "not_found", "Conversación no encontrada");
-      throw new HttpError(404, "conversation_not_found", "Conversación no encontrada", error);
+    if (row.estado === "ARCHIVADA") throw new HttpError(409, "archived", "Conversación archivada");
-    }
-    
-    if (row.estado === "ARCHIVADA") {
-      throw new HttpError(409, "already_archived", "La conversación ya está archivada");
-    }
 
     const plan = (row as any).planes_estudio;
     const definicion = plan?.estructuras_plan?.definicion;
-    const wantsStructured = !!definicion;
+    const isStructured = !!definicion;
 
-    // --- LÓGICA PARA CASO NO ESTRUCTURADO ---
+    // 2. Insertar el mensaje en estado PENDIENTE
-    if (!wantsStructured) {
+    // Guardamos los metadatos necesarios para procesar la respuesta después
-      const resp = await openai.responses.create({
+    const { data: mensajeInsertado, error: insertErr } = await supabase
-        conversation: row.openai_conversation_id,
+      .from("plan_mensajes_ia")
-        model: CREATE_CHAT_CONVERSATION_NONSTRUCTURED_MODELO,
+      .insert({
-        input: [
+        conversacion_plan_id:conversation_plan_id,
-          {
+        enviado_por: "00000000-0000-0000-0000-000000000000", 
-            role: "system",
-            content: `Este es el plan de estudios actual ${JSON.stringify(plan)}. Si la pregunta no tiene que ver con el plan, responde con un refusal.`,
-          },
-          { role: "user", content: body.content },
-        ],
-        text: {
-          format: {
-            type: "json_schema",
-            name: "definicion",
-            schema: {
-              type: "object",
-              properties: {
-                "ai-message": { type: "string" },
-                "is_refusal": { type: "boolean" },
-              },
-            },
-          },
-        },
-      });
-
-      const respuestaJSON = JSON.parse(resp.output_text ?? "{}");
-
-      // Guardar en la nueva tabla aunque no sea estructurado
-      await supabase.from("plan_mensajes_ia").insert({
-        conversacion_plan_id,
-        enviado_por: "00000000-0000-0000-0000-000000000000",
         mensaje: body.content,
-        respuesta: respuestaJSON?.["ai-message"] ?? "",
+        campos: body.campos ?? [],
-        campos: [],
+        estado: "PROCESANDO", // Estado inicial
-        propuesta: { recommendations: [] },
+      })
-        is_refusal: !!respuestaJSON.is_refusal,
+      .select()
-        estado: "COMPLETADO",
+      .single();
-      });
 
-      return withCors(jsonResponse({ ok: true }));
+    if (insertErr) throw new HttpError(500, "db_error", "No se pudo crear el registro");
-    }
 
-    // --- LÓGICA PARA CASO ESTRUCTURADO ---
+    // 3. Preparar Schema y Prompt
-    const schema = pickSchemaFields(definicion, body.campos ?? []);
+    const schema = isStructured ? pickSchemaFields(definicion, body.campos ?? []) : {
-    const planForPrompt = safePlanForPrompt(plan);
+      type: "object",
-    const prompt = body.user_prompt ?? body.content;
+      properties: { "ai-message": { type: "string" }, "is_refusal": { type: "boolean" } }
+    };
 
-    const resp = await openai.responses.create({
+    // 4. Llamada asincrónica a OpenAI con Webhook
+    // Nota: El SDK de OpenAI permite pasar webhooks en ciertos modelos/endpoints
+    console.log("mandando a openaai ");
+    
+    const aiResult = await svc.createStructuredResponse({
       conversation: row.openai_conversation_id,
-      model: CREATE_CHAT_CONVERSATION_STRUCTURED_MODELO,
+      model: isStructured ? CREATE_CHAT_CONVERSATION_STRUCTURED_MODELO : CREATE_CHAT_CONVERSATION_NONSTRUCTURED_MODELO,
-      text: { format: { type: "json_schema", name: "definicion", schema } },
+      background: true, // <--- ESTO ES LO QUE TE FALTABA
+      metadata: {
+        tabla: "plan_mensajes_ia",
+        mensaje_id: String(mensajeInsertado.id), // Siempre string
+        is_structured: String(isStructured)
+      },
+      text: { 
+        format: { 
+          type: "json_schema", 
+          name: "definicion", 
+          schema: schema 
+        } 
+      },
       input: [
-        {
+        { role: "system", content: `Asistente de plan: ${JSON.stringify(safePlanForPrompt(plan))}` },
-          role: "system",
+        { role: "user", content: body.content },
-          content: `Eres un asistente que ayuda a mejorar este plan: ${JSON.stringify(planForPrompt)}. Si la pregunta no es pertinente, responde con un refusal.`,
-        },
-        { role: "user", content: prompt },
       ],
     });
 
-    const respuestaJSON = JSON.parse(resp.output_text ?? "{}");
+    if (!aiResult.ok) {
-    const refusal = respuestaJSON["is-refusal"] === true;
+        throw new HttpError(500, "openai_error", "No se pudo encolar la respuesta");
-    delete respuestaJSON["is-refusal"];
-
-    // 2. Construir el objeto de propuestas/recomendaciones
-    const recommendations = resp.output_text
-      ? Object.entries(respuestaJSON)
-          .filter(([k]) => k !== "ai-message")
-          .map(([campo_afectado, texto_mejora]) => ({
-            campo_afectado,
-            texto_mejora,
-            aplicada: false,
-          }))
-      : [];
-
-    // 3. Insertar ÚNICAMENTE en plan_mensajes_ia
-    const { error: insertErr } = await supabase
-      .from("plan_mensajes_ia")
-      .insert({
-        conversacion_plan_id: conversation_plan_id,
-        enviado_por: "00000000-0000-0000-0000-000000000000", 
-        mensaje: prompt,
-        respuesta: respuestaJSON?.["ai-message"] ?? "",
-        campos: body.campos ?? [],
-        propuesta: { recommendations },
-        is_refusal: refusal,
-        estado: "COMPLETADO",
-      });
-
-    if (insertErr) {
-      throw new HttpError(500, "insert_plan_mensaje_failed", "Error al guardar mensaje", insertErr);
     }
 
+    // 5. Responder al cliente de inmediato
     return withCors(jsonResponse({
       ok: true,
-      openai_response_id: resp.id,
+      mensaje_id: mensajeInsertado.id,
+      openai_response_id: aiResult.responseId // Para seguimiento
     }));
 
   } catch (err) {
     return withCors(handleErr(err));
   }
 });
+
+
+
+
+
+
 app.post(`${prefix}/conversations/asignatura/:id/messages`, async (c) => {
   try {
-    /*     const auth = c.req.header("authorization");
+    const conversation_asig_id = c.req.param("id");
-    const user = await requireUser(auth); */
+    assertUuid(conversation_asig_id, "conversation_asig_id");
 
-    const conversation_plan_id = c.req.param("id");
+    const body = (await c.req.json().catch(() => ({}))) as Partial<AddMessageBody>;
-    assertUuid(conversation_plan_id, "conversation_plan_id");
+    if (!body.content) throw new HttpError(400, "bad_input", "content es requerido");
-
-    const body = (await c.req.json().catch(() => ({}))) as Partial<
-      AddMessageBody
-    >;
-    if (!body.content || typeof body.content !== "string") {
-      throw new HttpError(400, "bad_input", "content es requerido");
-    }
 
     const supabase = getSupabaseServiceClient();
     const openai = getOpenAI();
 
-    // Traer conversacion + plan + estructura
+    // 1. Traer datos
     const { data: row, error } = await supabase
-  .from("conversaciones_asignatura")
+      .from("conversaciones_asignatura")
-  .select(
+      .select(`*, asignaturas(*, estructuras_asignatura(definicion))`)
-    "id, openai_conversation_id, asignatura_id, estado, asignaturas(*)"
+      .eq("id", conversation_asig_id)
-  )
+      .single();
-  .eq("id", conversation_plan_id)
-  .single();
 
-    if (error || !row) {
+    if (error || !row) throw new HttpError(404, "not_found", "Conversación no encontrada");
-      throw new HttpError(
-        404,
-        "conversation_not_found",
-        "Conversación no encontrada",
-        error,
-      );
-    }
-    if (row.estado === "ARCHIVADA") {
-      throw new HttpError(
-        409,
-        "already_archived",
-        "La conversación ya está archivada",
-      );
-    }
 
-    const plan = (row as any).planes_estudio;
+    const asignatura = row.asignaturas;
-    const definicion = plan?.estructuras_plan?.definicion;
+    const definicion = asignatura?.estructuras_asignatura?.definicion;
+    const wantsStructured = !!definicion && (body.campos?.length ?? 0) > 0;
 
-    // Si NO hay schema o no piden campos: solo agregamos mensaje y regresamos ok
+    let aiMessage = "";
-    const wantsStructured = !!definicion;
+    let isRefusal = false;
+    let recommendations: any[] = [];
+    let openAiRespId = "";
 
+    // --- FLUJO A: NO ESTRUCTURADO ---
     if (!wantsStructured) {
-      await openai.responses.create({
+      const resp = await openai.responses.create({
         conversation: row.openai_conversation_id,
         model: CREATE_CHAT_CONVERSATION_NONSTRUCTURED_MODELO,
         input: [
-          {
+          { role: "system", content: "Eres un experto en diseño curricular." },
-            role: "system",
-            content: `Este es el plan de estudios actual ${
-              JSON.stringify(plan)
-            }. Si te hacen una pregunta que no tiene nada que ver con el plan de estudio, responde con un refusal.`,
-          },
           { role: "user", content: body.content },
         ],
-        metadata: {
-          usuario: /* user.email ?? user.id  ??*/ "unknown",
-          plan_estudio_id: row.plan_estudio_id,
-        },
         text: {
           format: {
             type: "json_schema",
-            name: "definicion",
+            name: "respuesta_basica",
+            strict: true,
             schema: {
-              // Si no hay schema, igual podemos pedir mejoras estructuradas en un campo libre, pero sin validación estricta
               type: "object",
               properties: {
-                "ai-message": {
+                "ai-message": { type: "string" },
-                  type: "string",
+                "is_refusal": { type: "boolean" },
-                  description:
-                    "Mensaje de la IA para el usuario final basado en la solicitud",
-                  examples: [
-                    "Excelente, actualmente tu plan de estudio tiene una redacción clara, pero podrías mejorar el perfil de ingreso para hacerlo más atractivo.",
-                  ],
-                },
-                "is_refusal": {
-                  type: "boolean",
-                  description:
-                    "Indica si la respuesta es un refusal (es decir, la pregunta no tiene que ver con el plan de estudio)",
-                },
               },
+              required: ["ai-message", "is_refusal"],
+              additionalProperties: false,
             },
           },
         },
       });
 
-      return withCors(jsonResponse({ ok: true }));
+      const resJson = JSON.parse(resp.output_text ?? "{}");
-    }
+      aiMessage = resJson["ai-message"] ?? "";
+      isRefusal = !!resJson["is_refusal"];
+      openAiRespId = resp.id;
 
-    // Pedimos respuesta estructurada con responses.create
+    } else {
-    const schema = pickSchemaFields(definicion, body.campos ?? []);
+      // --- FLUJO B: ESTRUCTURADO ---
-    const planForPrompt = safePlanForPrompt(plan);
+      const schemaBase = pickSchemaAsignaturaFields(definicion, body.campos ?? []);
-
+      const finalSchema = {
-    const model = CREATE_CHAT_CONVERSATION_STRUCTURED_MODELO;
+        type: "object",
-    const prompt = body.user_prompt ?? body.content;
+        properties: {
-
+          "ai-message": { type: "string" },
-    // append message of the user to conversacion_json (which guarantees a JSONB default to '[]')
+          "is_refusal": { type: "boolean" },
-    /**
+          ...schemaBase.properties 
-     * appended includes timestamp, user, prompt and fields (if any)
-     */
-
-    type AppendedMessage = {
-      timestamp: string;
-      user: string;
-      prompt: string;
-      fields?: string[];
-    };
-
-    type AppendedResponse = {
-      timestamp: string;
-      user: "assistant";
-      refusal: boolean;
-      message: string;
-      recommendations?: {
-        texto_mejora: string;
-        campo_afectado: string;
-        aplicada: false;
-      };
-    };
-
-    type AppendedItem = AppendedMessage | AppendedResponse;
-
-    let appended: AppendedItem = {
-      timestamp: new Date().toISOString(),
-      user: /* user.email ?? user.id  ??*/ "unknown",
-      prompt,
-      fields: body.campos,
-    };
-
-    const { error: appendErr } = await supabase.rpc(
-      "append_conversacion_asignatura",
-      {
-        p_id: conversation_plan_id,
-        p_append: appended,
-      },
-    );
-
-    if (appendErr) {
-      throw new HttpError(
-        500,
-        "append_conversation_failed",
-        "No se pudo agregar el mensaje a la conversación",
-        appendErr,
-      );
-    }
-
-    const resp = await openai.responses.create({
-      conversation: row.openai_conversation_id,
-      model,
-      text: { format: { type: "json_schema", name: "definicion", schema } },
-      metadata: {
-        usuario: /* user.email ?? user.id  ??*/ "unknown",
-        plan_estudio_id: row.plan_estudio_id,
-      },
-      input: [
-        {
-          role: "system",
-          content:
-            `Eres un asistente que ayuda a mejorar este plan de estudio: ${
-              JSON.stringify(planForPrompt)
-            }. ` +
-            `Si te hacen una pregunta que no tiene nada que ver con el plan de estudio, responde con un refusal.`,
         },
-        { role: "user", content: prompt },
+        required: ["ai-message", "is_refusal", ...Object.keys(schemaBase.properties || {})],
-      ],
+        additionalProperties: false 
+      };
+
+      const resp = await openai.responses.create({
+        conversation: row.openai_conversation_id,
+        model: CREATE_CHAT_CONVERSATION_STRUCTURED_MODELO,
+        text: { 
+          format: { type: "json_schema", name: "mejora_asignatura", strict: true, schema: finalSchema } 
+        },
+        input: [
+          { role: "system", content: `Asistente curricular. Datos: ${JSON.stringify(asignatura)}` },
+          { role: "user", content: body.content },
+        ],
+      });
+
+      const resJson = JSON.parse(resp.output_text ?? "{}");
+      aiMessage = resJson["ai-message"] ?? "";
+      isRefusal = !!resJson["is_refusal"];
+      openAiRespId = resp.id;
+
+      recommendations = Object.entries(resJson)
+        .filter(([k]) => k !== "ai-message" && k !== "is_refusal")
+        .map(([campo, texto]) => ({
+          campo_afectado: campo,
+          texto_mejora: texto,
+          aplicada: false,
+        }));
+    }
+
+    // 2. Guardar Histórico y Mensaje (Común a ambos flujos)
+    await supabase.rpc("append_conversacion_asignatura", {
+      p_id: conversation_asig_id,
+      p_append: { timestamp: new Date().toISOString(), user: "user", prompt: body.content },
     });
 
-    const respuestaJSON = JSON.parse(resp.output_text ?? "{}");
+    await supabase.from("asignatura_mensajes_ia").insert({
-    const refusal = respuestaJSON["is-refusal"] === true;
+      conversacion_asignatura_id: conversation_asig_id,
-    //remove the is-refusal field from respuestaJSON to avoid confusion
+      mensaje: body.content,
-    delete respuestaJSON["is-refusal"];
+      respuesta: aiMessage,
-
+      campos: body.campos ?? [],
-    // Now an item with the assistant response and the structured data (if any) should be
+      propuesta: { prompt: body.content, respuesta: aiMessage, recommendations },
-    appended = {
+      is_refusal: isRefusal,
-      timestamp: new Date().toISOString(),
+      estado: "COMPLETADO",
-      user: "assistant",
+      enviado_por: "00000000-0000-0000-0000-000000000000",
-      refusal,
+    });
-      // the ai-message field is the response
-      message: respuestaJSON?.["ai-message"] ?? "",
-      recommendations: resp.output_text
-        ? Object.entries(respuestaJSON).filter(([k]) => k !== "ai-message")
-          .map(
-            ([campo_afectado, texto_mejora]) => ({
-              campo_afectado,
-              texto_mejora,
-              aplicada: false,
-            }),
-          )
-        : undefined,
-    } as AppendedResponse;
-
-    const { error: appendRespErr } = await supabase.rpc("append_conversacion_asignatura", {
-        p_id: conversation_plan_id,
-        p_append: appended,
-      });
-
-    // Construir propuesta estructurada
-    const propuesta = {
-      prompt,
-      respuesta: respuestaJSON?.["ai-message"] ?? "",
-      recommendations: resp.output_text
-        ? Object.entries(respuestaJSON)
-            .filter(([k]) => k !== "ai-message")
-            .map(([campo_afectado, texto_mejora]) => ({
-              campo_afectado,
-              texto_mejora,
-              aplicada: false,
-            }))
-        : [],
-    };
-
-      // Insertar en plan_mensajes_ia
-      const { error: insertErr } = await supabase
-      .from("asignatura_mensajes_ia")
-      .insert({
-        conversacion_asignatura_id: conversation_plan_id,
-        enviado_por: "00000000-0000-0000-0000-000000000000",
-        mensaje: prompt,
-        respuesta: respuestaJSON?.["ai-message"] ?? "",
-        campos: body.campos ?? [],
-        propuesta,
-        is_refusal: refusal,
-        estado: "COMPLETADO",
-      });
-
-      if (insertErr) {
-        throw new HttpError(
-          500,
-          "insert_plan_mensaje_failed",
-          "No se pudo guardar el mensaje en plan_mensajes_ia",
-          insertErr,
-        );
-      }
-
-    if (appendRespErr) {
-      throw new HttpError(
-        500,
-        "append_response_failed",
-        "No se pudo agregar la respuesta a la conversación",
-        appendRespErr,
-      );
-    }
 
     return withCors(jsonResponse({
       ok: true,
-      openai_response_id: resp.id,
+      openai_response_id: openAiRespId,
-      raw: resp.output_text ?? null,
+      ai_message: aiMessage,
+      recommendations
     }));
+
   } catch (err) {
     return withCors(handleErr(err));
   }

supabase/functions/create-chat-conversation/lib/plan.ts

@@ -46,6 +46,37 @@ export function pickSchemaFields(
   return out;
 }
 
+export function pickSchemaAsignaturaFields(
+  definicion: any,
+  campos: string[],
+) {
+  // Si no hay definición válida, devolvemos un objeto vacío seguro
+  if (!definicion || definicion.type !== "object" || !definicion.properties) {
+    return { type: "object", properties: {}, required: [], additionalProperties: false };
+  }
+
+  // Clonamos para no mutar el original
+  const out = structuredClone(definicion);
+
+  // 1. Filtrar las propiedades: solo las que el usuario pidió en 'campos'
+  const entries = Object.entries(out.properties).filter(([k]) =>
+    campos.includes(k)
+  );
+  out.properties = Object.fromEntries(entries);
+
+  // 2. Filtrar los requeridos: solo si están en el nuevo set de propiedades
+  if (Array.isArray(out.required)) {
+    out.required = out.required.filter((k: string) => campos.includes(k));
+  } else {
+    out.required = [];
+  }
+
+  // 3. Limpieza de OpenAI: Forzar additionalProperties a false
+  out.additionalProperties = false;
+
+  return out;
+}
+
 export function safePlanForPrompt(plan: any) {
   const copy = structuredClone(plan);
   if (copy?.estructuras_plan) delete copy.estructuras_plan;

supabase/functions/create-chat-conversation/plan/crear.ts

@@ -0,0 +1,90 @@
+// ./plan_mensajes_ia/index.ts
+import type { OpenAI } from "openai";
+
+import type { Json } from "../../_shared/database.types.ts";
+import { ResponseMetadata } from "../../_shared/utils.ts";
+import { supabase } from "../../openai-webhook-responses/supabase.ts";
+
+
+function extractOutputText(response: OpenAI.Responses.Response): string {
+  const direct = (response as unknown as { output_text?: unknown }).output_text;
+  if (typeof direct === "string") return direct;
+
+  const output = (response as unknown as { output?: unknown }).output;
+  if (!Array.isArray(output)) return "";
+
+  // Fallback similar al usado en index.ts
+  try {
+    return output
+      .filter((item) => (item as { type?: unknown })?.type === "message")
+      .flatMap((item) => (item as { content?: unknown })?.content ?? [])
+      .filter((c) => (c as { type?: unknown })?.type === "output_text")
+      .map((c) => String((c as { text?: unknown })?.text ?? ""))
+      .join("");
+  } catch {
+    return "";
+  }
+}
+
+export async function handlePlanMensajesResponse(
+  response: OpenAI.Responses.Response,
+): Promise<void> {
+  const metadata = response.metadata as any;
+  const mensajeId = metadata?.mensaje_id;
+console.log("ya entre aqui");
+
+  const isStructured = metadata?.is_structured === "true" || metadata?.is_structured === true;
+  if (!mensajeId) {
+    console.warn("No se recibió mensaje_id en la metadata del webhook");
+    return;
+  }
+
+  try {
+    const outputText = extractOutputText(response);
+    if (!outputText) {
+      throw new Error("La respuesta de OpenAI está vacía");
+    }
+
+    let respuestaJSON: any;
+    try {
+      respuestaJSON = JSON.parse(outputText);
+    } catch (e) {
+      throw new Error(`Error parseando JSON de OpenAI: ${e.message}`);
+    }
+
+    const is_refusal = !!respuestaJSON.is_refusal || respuestaJSON["is-refusal"] === true;
+    
+    let recommendations = [];
+    if (isStructured && !is_refusal) {
+      recommendations = Object.entries(respuestaJSON)
+        .filter(([k]) => k !== "ai-message" && k !== "is-refusal" && k !== "is_refusal")
+        .map(([campo, valor]) => ({
+          campo_afectado: campo,
+          texto_mejora: valor,
+          aplicada: false,
+        }));
+    }
+
+    const { error } = await supabase
+      .from("plan_mensajes_ia")
+      .update({
+        respuesta: respuestaJSON["ai-message"] || "",
+        propuesta: { recommendations },
+        is_refusal,
+        estado: "COMPLETADO",
+      })
+      .eq("id", mensajeId);
+
+    if (error) {
+      throw error;
+    }
+
+  } catch (e) {
+    console.error("Error procesando handlePlanMensajesResponse:", { mensajeId, e });
+    // Opcional: Marcar el mensaje como fallido en la tabla si tienes ese estado
+    await supabase
+      .from("plan_mensajes_ia")
+      .update({ estado: "ERROR" })
+      .eq("id", mensajeId);
+  }
+}

supabase/functions/openai-webhook-responses/index.ts

@@ -8,6 +8,9 @@ import OpenAI from "openai";
 import { ResponseMetadata } from "../_shared/utils.ts";
 import { handlePlanesEstudioResponse } from "./planes_estudio/index.ts";
 import { handleAsignaturasResponse } from "./asignaturas/index.ts";
+import { handlePlanMensajesResponse } from "../create-chat-conversation/plan/crear.ts";
+
+
 
 console.log("Starting OpenAI webhook responses function");
 const client = new OpenAI({
@@ -20,7 +23,8 @@ async function handleCompletedResponse(
   const response_id = event.data.id;
   const response = await client.responses.retrieve(response_id);
   const metadata = response.metadata as ResponseMetadata | null;
-
+  console.log(("entre"));
+  
   if (!metadata || !metadata.tabla) {
     console.warn("No se recibió metadata o tabla en la respuesta");
     return;
@@ -33,6 +37,9 @@ async function handleCompletedResponse(
     case "asignaturas":
       await handleAsignaturasResponse(response);
       break;
+    case "plan_mensajes_ia": 
+      await handlePlanMensajesResponse(response);
+      break;
     default:
       console.warn("Tabla no reconocida:", metadata.tabla);
   }