chatbot

app.py

@@ -2,8 +2,6 @@ import streamlit as st
 import dotenv
 import os
 
-
-
 def main():
     
     dotenv.load_dotenv(dotenv_path=os.path.join('.streamlit', '.env'))
@@ -20,7 +18,7 @@ def main():
     pg = st.navigation(
         {
             "Audit de contenus": [audit_page, kg_page],
-            "Equipe d'agents IA": [agents_page, recommended_agents],
+            "Equipe d'agents IA": [recommended_agents,agents_page],
             "Chatbot": [chatbot],
             "Documentation": [documentation]
         }

chatbot_page/chatbot.py

@@ -1,3 +1,119 @@
 import streamlit as st
+from langchain_openai import ChatOpenAI
+from langchain_mistralai import ChatMistralAI
+from langchain_core.prompts import ChatPromptTemplate
+from langchain_core.output_parsers import StrOutputParser
+from langchain_core.messages import AIMessage, HumanMessage
 
-st.title("Chatbot")
+def get_response(user_query, chat_history, context,llm=None,history_limit=5,stream=True):
+
+    template = """
+    Étant donné l'historique de la conversation : {chat_history}, le contexte : {context}, et la question de l'utilisateur : {user_question}, veuillez fournir une réponse détaillée et complète. La réponse doit inclure un ou plusieurs des éléments suivants :
+
+    1. Une explication claire des concepts clés et des termes liés au sujet.
+    2. Un aperçu des meilleures pratiques, des stratégies courantes ou des cadres de référence pertinents pour la discussion.
+    3. Des exemples spécifiques ou des études de cas illustrant les principes abordés.
+    4. Les défis potentiels ou les considérations à prendre en compte.
+    5. Des suggestions de ressources supplémentaires ou des actions que l'utilisateur peut entreprendre pour approfondir sa compréhension.
+
+    Assurez-vous que la réponse soit adaptée au niveau d'expertise de l'utilisateur et aux spécificités du contexte fourni.
+
+    """
+
+    prompt = ChatPromptTemplate.from_template(template)
+
+    #llm = ChatOpenAI(model="gpt-4o")
+    if not llm:
+        llm = ChatOpenAI(model="gpt-4o-mini")
+    elif llm == "GPT-4o":
+        llm = ChatOpenAI(model="gpt-4o")
+    elif llm == "Mistral Large 2 (FR)":
+        llm = ChatMistralAI(model_name="mistral-large-2407")
+    elif llm == "GPT-4o-mini":
+        llm = ChatOpenAI(model="gpt-4o-mini")
+    elif llm == "Mistral Nemo (FR)":
+        llm = ChatMistralAI(model_name="open-mistral-nemo-2407")
+    
+        
+    chain = prompt | llm
+
+    if not stream:
+        return chain.invoke({
+            "context": context,
+            "chat_history": chat_history[-history_limit:],
+            "user_question": user_query,
+        })
+    
+    chain = chain | StrOutputParser()
+
+    if history_limit:
+        return chain.stream({
+            "context": context,
+            "chat_history": chat_history[-history_limit:],
+            "user_question": user_query,
+        })
+    
+    return chain.stream({
+        "context": context,
+        "chat_history": chat_history,
+        "user_question": user_query,
+    })
+
+def handle_display_models(index, models_names):
+    model = st.radio("Choisir un modèle",models_names, index=index)
+    return model
+
+
+def chatbot_main():
+    st.title("Chatbot")
+    models_names = ["GPT-4o", "GPT-4o-mini"]
+
+    if "chat_history" not in st.session_state:
+        st.session_state.chat_history = [
+            AIMessage(content="Salut, Que puis-je faire pour vous ?"),
+        ]
+
+    if "model" not in st.session_state:
+        st.session_state.model = "GPT-4o-mini"
+
+    header = st.container()
+    col1, col2 = header.columns([1, 2])
+
+    with col1.popover("Modèles disponibles"):
+        new_model = handle_display_models(models_names.index(st.session_state.model), models_names)
+
+    st.session_state.model = new_model
+    
+    st.markdown(f"- **{st.session_state.model}**")
+
+    for message in st.session_state.chat_history:
+        if isinstance(message, AIMessage):
+            with st.chat_message("AI"):
+                st.markdown(message.content)
+        elif isinstance(message, HumanMessage):
+            with st.chat_message("Moi"):
+                st.write(message.content)
+    
+    if "response_llm" not in st.session_state:
+        st.session_state.response_llm = ""
+    
+    user_query = st.chat_input("Par ici ...")
+    if user_query is not None and user_query != "":
+        st.session_state.chat_history.append(HumanMessage(content=user_query))
+
+        with st.chat_message("Moi"):
+            st.markdown(user_query)
+        
+        with st.chat_message("AI"):
+            st.markdown(f"**{st.session_state.model}**")
+    
+
+            response = st.write_stream(get_response(user_query, st.session_state.chat_history, context=st.session_state.response_llm, llm=st.session_state.model, stream=True))
+            st.session_state.chat_history.append(AIMessage(content=response))
+
+        
+
+
+
+
+chatbot_main()