import streamlit as st from dotenv import load_dotenv from langchain.text_splitter import CharacterTextSplitter, RecursiveCharacterTextSplitter from langchain.vectorstores import FAISS from langchain.embeddings import HuggingFaceEmbeddings # General embeddings from HuggingFace models. from langchain.memory import ConversationBufferMemory from langchain.chains import ConversationalRetrievalChain from htmlTemplates import css, bot_template, user_template from langchain.llms import LlamaCpp # For loading transformer models. from langchain.document_loaders import PyPDFLoader, TextLoader, JSONLoader, CSVLoader import tempfile # 임시 파일을 생성하기 위한 라이브러리입니다. import os from huggingface_hub import hf_hub_download # Hugging Face Hub에서 모델을 다운로드하기 위한 함수입니다. # PDF 문서로부터 텍스트를 추출하는 함수입니다. def get_pdf_text(pdf_docs): temp_dir = tempfile.TemporaryDirectory() # 임시 디렉토리를 생성합니다. temp_filepath = os.path.join(temp_dir.name, pdf_docs.name) # 임시 파일 경로를 생성합니다. with open(temp_filepath, "wb") as f: # 임시 파일을 바이너리 쓰기 모드로 엽니다. f.write(pdf_docs.getvalue()) # PDF 문서의 내용을 임시 파일에 씁니다. pdf_loader = PyPDFLoader(temp_filepath) # PyPDFLoader를 사용해 PDF를 로드합니다. pdf_doc = pdf_loader.load() # 텍스트를 추출합니다. return pdf_doc # 추출한 텍스트를 반환합니다. # 과제 # 아래 텍스트 추출 함수를 작성 def get_pdf_text(text_docs): temp_dir = tempfile.TemporaryDirectory() # 임시 디렉토리를 생성합니다. temp_filepath = os.path.join(temp_dir.name, text_docs.name) # 임시 파일 경로를 생성합니다. with open(temp_filepath, "wb") as f: # 임시 파일을 바이너리 쓰기 모드로 엽니다. f.write(text_docs.getvalue()) # Text 문서의 내용을 임시 파일에 씁니다. text_loader = TextLoader(temp_filepath) # TextLoader를 사용해 PDF를 로드합니다. text_doc = text_loader.load() # 텍스트를 추출합니다. return text_doc # 추출한 텍스트를 반환합니다. def get_csv_file(csv_docs): temp_dir = tempfile.TemporaryDirectory() # 임시 디렉토리를 생성합니다. temp_filepath = os.path.join(temp_dir.name, "temp_file.csv") # 임시 파일 경로를 생성합니다. with open(temp_filepath, "wb") as f: f.write(csv_docs.getvalue()) # CSV 문서의 내용을 임시 파일에 씁니다. csv_loader = CSVLoader(temp_filepath) # CSVLoader를 사용해 CSV를 로드합니다. csv_doc = csv_loader.load() # 텍스트를 추출합니다. return csv_doc # 추출한 텍스트를 반환합니다. def get_json_file(json_docs): temp_dir = tempfile.TemporaryDirectory() # 임시 디렉토리를 생성합니다. temp_filepath = os.path.join(temp_dir.name, "temp_file.json") # 임시 파일 경로를 생성합니다. with open(temp_filepath, "wb") as f: f.write(json_docs.getvalue()) # JSON 문서의 내용을 임시 파일에 씁니다. # JSON 문서의 내용을 로드하고 특정 경로의 내용을 추출합니다. json_loader = JSONLoader(temp_filepath, jq_schema='.messages[].content', text_content=False) json_doc = json_loader.load() # 텍스트를 추출합니다. return json_doc # 추출한 텍스트를 반환합니다. # 문서들을 처리하여 텍스트 청크로 나누는 함수입니다. def get_text_chunks(documents): text_splitter = RecursiveCharacterTextSplitter( chunk_size=1000, # 청크의 크기를 지정합니다. chunk_overlap=200, # 청크 사이의 중복을 지정합니다. length_function=len # 텍스트의 길이를 측정하는 함수를 지정합니다. ) documents = text_splitter.split_documents(documents) # 문서들을 청크로 나눕니다. return documents # 나눈 청크를 반환합니다. # 텍스트 청크들로부터 벡터 스토어를 생성하는 함수입니다. def get_vectorstore(text_chunks): # 원하는 임베딩 모델을 로드합니다. embeddings = HuggingFaceEmbeddings(model_name='sentence-transformers/all-MiniLM-L12-v2', model_kwargs={'device': 'cpu'}) # 임베딩 모델을 설정합니다. vectorstore = FAISS.from_documents(text_chunks, embeddings) # FAISS 벡터 스토어를 생성합니다. return vectorstore # 생성된 벡터 스토어를 반환합니다. def get_conversation_chain(vectorstore): model_name_or_path = 'TheBloke/Llama-2-7B-chat-GGUF' model_basename = 'llama-2-7b-chat.Q2_K.gguf' model_path = hf_hub_download(repo_id=model_name_or_path, filename=model_basename) llm = LlamaCpp(model_path=model_path, n_ctx=4086, input={"temperature": 0.75, "max_length": 2000, "top_p": 1}, verbose=True, ) # 대화 기록을 저장하기 위한 메모리를 생성합니다. memory = ConversationBufferMemory( memory_key='chat_history', return_messages=True) # 대화 검색 체인을 생성합니다. conversation_chain = ConversationalRetrievalChain.from_llm( llm=llm, retriever=vectorstore.as_retriever(), memory=memory ) return conversation_chain # 생성된 대화 체인을 반환합니다. # 사용자 입력을 처리하는 함수입니다. def handle_userinput(user_question): print('user_question => ', user_question) # 대화 체인을 사용하여 사용자 질문에 대한 응답을 생성합니다. response = st.session_state.conversation({'question': user_question}) # 대화 기록을 저장합니다. st.session_state.chat_history = response['chat_history'] for i, message in enumerate(st.session_state.chat_history): if i % 2 == 0: st.write(user_template.replace( "{{MSG}}", message.content), unsafe_allow_html=True) else: st.write(bot_template.replace( "{{MSG}}", message.content), unsafe_allow_html=True) def main(): load_dotenv() st.set_page_config(page_title="Chat with multiple Files", page_icon=":books:") st.write(css, unsafe_allow_html=True) if "conversation" not in st.session_state: st.session_state.conversation = None if "chat_history" not in st.session_state: st.session_state.chat_history = None st.header("Chat with multiple Files:") user_question = st.text_input("Ask a question about your documents:") if user_question: handle_userinput(user_question) with st.sidebar: st.subheader("Your documents") docs = st.file_uploader( "Upload your PDFs here and click on 'Process'", accept_multiple_files=True) if st.button("Process"): with st.spinner("Processing"): # get pdf text doc_list = [] for file in docs: print('file - type : ', file.type) if file.type == 'text/plain': # file is .txt doc_list.extend(get_text_file(file)) elif file.type in ['application/octet-stream', 'application/pdf']: # file is .pdf doc_list.extend(get_pdf_text(file)) elif file.type == 'text/csv': # file is .csv doc_list.extend(get_csv_file(file)) elif file.type == 'application/json': # file is .json doc_list.extend(get_json_file(file)) # get the text chunks text_chunks = get_text_chunks(doc_list) # create vector store vectorstore = get_vectorstore(text_chunks) # create conversation chain st.session_state.conversation = get_conversation_chain( vectorstore) if __name__ == '__main__': main()