initial commit
Browse files- app.py +71 -0
- requirements.txt +9 -0
app.py
ADDED
@@ -0,0 +1,71 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
#Importar librerias
|
2 |
+
from langchain.text_splitter import RecursiveCharacterTextSplitter
|
3 |
+
from langchain.vectorstores import Pinecone
|
4 |
+
from langchain.prompts import PromptTemplate
|
5 |
+
from langchain_openai import ChatOpenAI, OpenAIEmbeddings
|
6 |
+
from langchain_core.output_parsers import StrOutputParser
|
7 |
+
from langchain_core.runnables import RunnablePassthrough
|
8 |
+
from langchain_community.document_loaders import PDFPlumberLoader
|
9 |
+
from langchain_core.documents.base import Document
|
10 |
+
import gradio as gr
|
11 |
+
import os
|
12 |
+
from dotenv import load_dotenv
|
13 |
+
|
14 |
+
#Set variables
|
15 |
+
openai_api_key = os.getenv('OPENAI_API_KEY')
|
16 |
+
embedding = OpenAIEmbeddings()
|
17 |
+
vectorstore = Pinecone.from_existing_index("resumerag", OpenAIEmbeddings())
|
18 |
+
template = """
|
19 |
+
###INSTRUCCIONES:
|
20 |
+
Eres un asistente IA educado y profesional. Debes proveer al usuario información sobre Fernando Rodríguez
|
21 |
+
|
22 |
+
En tu respuesta POR FAVOR SIEMPRE:
|
23 |
+
(0) Se un lector detallista: lee la pregunta y contexto y entiendo ambos antes de responder.
|
24 |
+
(1) Comienza tus respuestas con un tono amigable, y reitera la pregunta de manera que el usario está seguro de que la entendiste.
|
25 |
+
(2) Si el contexto te permite responder la pregunta, escribe una respuesta detallada y útil con fuentes citadas. SI NO: Si no puedes encontrar la respuesta, indicale al usuario que no encontraste esa información sobre Fernando Rodríguez e invitale a entrevistarlo.
|
26 |
+
(3) Debajo de tu respuesta, por favor lista todas las fuentes citadas (ejemplo: un párrafo donde se sustenta tu respuesta)
|
27 |
+
|
28 |
+
Piensa paso a paso.
|
29 |
+
###
|
30 |
+
|
31 |
+
Responde la siguiente pregunta utilizando el contexto brindado.
|
32 |
+
### Pregunta: {question} ###
|
33 |
+
|
34 |
+
### Contexto: {context} ###
|
35 |
+
|
36 |
+
|
37 |
+
|
38 |
+
### Respuesta con fuentes:
|
39 |
+
"""
|
40 |
+
|
41 |
+
#Elementos de la cadena langchain
|
42 |
+
llm = ChatOpenAI(model="gpt-3.5-turbo-1106", temperature=0, openai_api_key=openai_api_key)
|
43 |
+
retriever = vectorstore.as_retriever()
|
44 |
+
prompt = PromptTemplate.from_template(template)
|
45 |
+
#Crear chain
|
46 |
+
chain = (
|
47 |
+
{"context": retriever, "question": RunnablePassthrough()}
|
48 |
+
| prompt
|
49 |
+
| llm
|
50 |
+
| StrOutputParser()
|
51 |
+
)
|
52 |
+
|
53 |
+
#Wraper function
|
54 |
+
def get_answer(question):
|
55 |
+
answer = chain.invoke(question)
|
56 |
+
return answer
|
57 |
+
|
58 |
+
#Desplegar interfaz de Gradio
|
59 |
+
# Create the UI In Gradio
|
60 |
+
iface = gr.Interface(fn=get_answer, inputs=gr.Textbox(
|
61 |
+
value="Pregunta algo que quieras saber de él"),
|
62 |
+
outputs="markdown",
|
63 |
+
title="Asistente IA de Fernando Rodríguez",
|
64 |
+
description="Esta es una aplicación RAG construida con el API de OpenAI para el LLM y el modelo de embeddings, Pinecone para el vector index, Lang Chain para orquestar los elementos y Gradio para la GUI",
|
65 |
+
examples=[["Qué estudió Fernando Rodríguez?"],
|
66 |
+
["Cuáles son sus principales debilidades?"],
|
67 |
+
["Fernando sabe algo de cocina tailandesa?"]],
|
68 |
+
theme=gr.themes.Soft(),
|
69 |
+
allow_flagging="never",)
|
70 |
+
|
71 |
+
iface.launch()
|
requirements.txt
ADDED
@@ -0,0 +1,9 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
langchain==0.2.5
|
2 |
+
langchain-core==0.2.9
|
3 |
+
langchain-openai==0.1.8
|
4 |
+
langchain-community==0.2.5
|
5 |
+
gradio==4.36.1
|
6 |
+
#os
|
7 |
+
pdfplumber==0.11.1
|
8 |
+
python-dotenv==1.0.1
|
9 |
+
pinecone-client==4.1.1
|