File size: 2,274 Bytes
7d95e47 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 |
import streamlit as st
import os
from groq import Groq
from PyPDF2 import PdfReader
from datetime import datetime
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain_community.embeddings import HuggingFaceEmbeddings
#from langchain.vectorstores import FAISS
from langchain_community.vectorstores import FAISS
from langchain_groq import ChatGroq
#from langchain.chat_models import ChatOpenAI
from langchain.chains.question_answering import load_qa_chain
from langchain.chains import RetrievalQA
st.set_page_config('Opositor')
st.header("Pregunta al trebep")
# CARGAMOS LLM
os.environ["GROQ_API_KEY"] = "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"
model = 'llama3-8b-8192'
llm = ChatGroq(model = model)
# CARGAMOS MODELO DE EMBEDDING
model_name = 'intfloat/multilingual-e5-small'
embedding = HuggingFaceEmbeddings(model_name=model_name)
# CARGAMOS EL VECTORSTORE DE PINECONE
index_name = "boe-intfloat-multilingual-e5-base"
namespace = "trebep"
vectorstore = PineconeVectorStore(index_name=index_name, namespace=names, embedding=embedding)
# CREAMOS EL RETRIEVAL
qa = RetrievalQA.from_chain_type(
llm=llm,
chain_type="stuff",
retriever=vectorstore.as_retriever(),
#return_source_documents=True,
#verbose=True
)
# Función para mostrar logs
def mostrar_logs(logs,hints):
# Crear un contenedor desplegable
with st.expander("Chunks"):
for hint in hints:
st.write(hint.page_content)
st.write("-" * 30)
st.sidebar.header("Registro de preguntas")
for entry in logs:
st.sidebar.write(f"**Pregunta: {entry['Pregunta']}**")
st.sidebar.write(f"Respuesta: {entry['Respuesta']}")
# Lista para almacenar preguntas y respuestas
logs = []
if pdf_obj:
user_question = st.text_input("¡A jugar! Haz una pregunta sobre tu PDF:")
if user_question:
# Obtenemos la respuesta
respuesta = qa.invoke(user_question)
# Mostrar la variable en color verde
st.subheader("Respuesta")
st.write(f":green[{str(respuesta)}]")
# Guardar pregunta y respuesta en los logs
logs.append({"Pregunta": user_question, "Respuesta": respuesta})
# Mostrar logs actualizados
mostrar_logs(logs,docs)
|