Spaces:
Sleeping
Sleeping
Update main.py
Browse files
main.py
CHANGED
@@ -11,6 +11,7 @@ import os
|
|
11 |
import pandas as pd
|
12 |
import numpy as np
|
13 |
|
|
|
14 |
from langchain.agents.agent_types import AgentType
|
15 |
from langchain_experimental.agents.agent_toolkits import create_csv_agent
|
16 |
|
@@ -71,7 +72,13 @@ async def on_chat_start():
|
|
71 |
verbose=False,
|
72 |
agent_type=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
|
73 |
)
|
74 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
75 |
|
76 |
@cl.on_message
|
77 |
async def on_message(message: cl.Message):
|
@@ -79,7 +86,7 @@ async def on_message(message: cl.Message):
|
|
79 |
runnable = cl.user_session.get("runnable") # type: Runnable
|
80 |
cb = cl.AsyncLangchainCallbackHandler()
|
81 |
try:
|
82 |
-
res = await runnable.
|
83 |
await cl.Message(author="COPILOT",content=res['output']).send()
|
84 |
listPrompts_name = f"Liste des requêtes"
|
85 |
prompt_elements = []
|
|
|
11 |
import pandas as pd
|
12 |
import numpy as np
|
13 |
|
14 |
+
from langchain.agents import AgentExecutor
|
15 |
from langchain.agents.agent_types import AgentType
|
16 |
from langchain_experimental.agents.agent_toolkits import create_csv_agent
|
17 |
|
|
|
72 |
verbose=False,
|
73 |
agent_type=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
|
74 |
)
|
75 |
+
agent_executor = AgentExecutor(
|
76 |
+
agent=agent,
|
77 |
+
tools=tools,
|
78 |
+
verbose=False,
|
79 |
+
max_iterations=2,
|
80 |
+
)
|
81 |
+
cl.user_session.set("runnable", agent_executor)
|
82 |
|
83 |
@cl.on_message
|
84 |
async def on_message(message: cl.Message):
|
|
|
86 |
runnable = cl.user_session.get("runnable") # type: Runnable
|
87 |
cb = cl.AsyncLangchainCallbackHandler()
|
88 |
try:
|
89 |
+
res = await runnable.ainvoke({"input": "Tu es un spécialiste du marché de l'emploi. Tu es en capacité d'analyser les emplois et d'en décrire les caractéristiques par rapport aux types de contrat, par rapport aux compétences professionnelles, par rapport aux niveaux de qualification. Réponds en langue française à la question suivante : " + message.content + "\nSi l'information est manquante ou de type nan, fais un projection ou une estimation.\nDétaille la réponse en faisant une analyse complète sachant que la colonne Poste correspond à la colonne des emplois, la colonne Contrat correspond à la colonne des types de contrat, la colonne Savoir correspond à la colonne des compétences professionnelles demandées par les employeurs, la colonne Localisation correspond à la colonne des départements, la colonne Niveau correspond à la colonne des niveaux de qualification."}, callbacks=[cb])
|
90 |
await cl.Message(author="COPILOT",content=res['output']).send()
|
91 |
listPrompts_name = f"Liste des requêtes"
|
92 |
prompt_elements = []
|