File size: 1,863 Bytes
7d95e47 753dfe9 7d95e47 dc80305 7d95e47 753dfe9 7d95e47 c4c9709 7d95e47 5b5172f 7d95e47 dc80305 ce8a1c0 7d95e47 ce8a1c0 7d95e47 ce8a1c0 7d95e47 ce8a1c0 7d95e47 ce8a1c0 5b5172f |
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 |
import streamlit as st
import os
from groq import Groq
from datetime import datetime
from langchain_community.embeddings import HuggingFaceEmbeddings
from langchain_groq import ChatGroq
from langchain.chains import RetrievalQA
from langchain_pinecone import PineconeVectorStore
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-base'
embedding = HuggingFaceEmbeddings(model_name=model_name)
# CARGAMOS EL VECTORSTORE DE PINECONE
os.environ["PINECONE_API_KEY"] ='4bf0b4cf-4ced-4f70-8977-d60bb8ae405a'
index_name = "boe-intfloat-multilingual-e5-base"
namespace = "trebep"
vectorstore = PineconeVectorStore(index_name=index_name, namespace=namespace, 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):
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 = []
user_question = st.text_input("¡A jugar! Haz una pregunta al trebep:")
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)
|