initial commit

app.py

@@ -0,0 +1,71 @@
+#Importar librerias
+from langchain.text_splitter import RecursiveCharacterTextSplitter
+from langchain.vectorstores import Pinecone
+from langchain.prompts import PromptTemplate 
+from langchain_openai import ChatOpenAI, OpenAIEmbeddings
+from langchain_core.output_parsers import StrOutputParser
+from langchain_core.runnables import RunnablePassthrough
+from langchain_community.document_loaders import PDFPlumberLoader
+from langchain_core.documents.base import Document
+import gradio as gr
+import os
+from dotenv import load_dotenv
+
+#Set variables
+openai_api_key = os.getenv('OPENAI_API_KEY')
+embedding = OpenAIEmbeddings()
+vectorstore = Pinecone.from_existing_index("resumerag", OpenAIEmbeddings())
+template = """
+        ###INSTRUCCIONES: 
+        Eres un asistente IA educado y profesional. Debes proveer al usuario información sobre Fernando Rodríguez 
+
+        En tu respuesta POR FAVOR SIEMPRE:
+            (0) Se un lector detallista: lee la pregunta y contexto y entiendo ambos antes de responder.
+            (1) Comienza tus respuestas con un tono amigable, y reitera la pregunta de manera que el usario está seguro de que la entendiste.
+            (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. 
+            (3) Debajo de tu respuesta, por favor lista todas las fuentes citadas (ejemplo: un párrafo donde se sustenta tu respuesta)
+
+        Piensa paso a paso.
+        ###
+
+        Responde la siguiente pregunta utilizando el contexto brindado.
+        ### Pregunta: {question} ###
+
+        ### Contexto: {context} ###
+
+        
+
+        ### Respuesta con fuentes:
+        """
+
+#Elementos de la cadena langchain
+llm = ChatOpenAI(model="gpt-3.5-turbo-1106", temperature=0, openai_api_key=openai_api_key)
+retriever = vectorstore.as_retriever()
+prompt = PromptTemplate.from_template(template)
+#Crear chain
+chain = (
+    {"context": retriever, "question": RunnablePassthrough()}
+    | prompt
+    | llm
+    | StrOutputParser()
+)
+
+#Wraper function
+def get_answer(question):
+    answer = chain.invoke(question)
+    return answer
+
+#Desplegar interfaz de Gradio
+# Create the UI In Gradio
+iface = gr.Interface(fn=get_answer, inputs=gr.Textbox(
+    value="Pregunta algo que quieras saber de él"), 
+        outputs="markdown",  
+        title="Asistente IA de Fernando Rodríguez",
+        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",
+        examples=[["Qué estudió Fernando Rodríguez?"], 
+                ["Cuáles son sus principales debilidades?"],
+                ["Fernando sabe algo de cocina tailandesa?"]],
+    theme=gr.themes.Soft(),
+    allow_flagging="never",)
+
+iface.launch()

requirements.txt

@@ -0,0 +1,9 @@
+langchain==0.2.5
+langchain-core==0.2.9
+langchain-openai==0.1.8
+langchain-community==0.2.5
+gradio==4.36.1
+#os
+pdfplumber==0.11.1
+python-dotenv==1.0.1
+pinecone-client==4.1.1