app.py

#Paz Munidal
#mi aporte
#
#  Crea una consultor público, al servicio de las personas, sobre las normas formales Chilenas, las que están publicadas oficialmente 
#  en la Biblioteca del Congreso Nacional (www.bcn.cl), quienes a través de sus deberes a la ciudadanía facilitan el accesso a la 
#  información a través de datos en XML, los que luego son alimentados a un modelo LLM (a una A.I.) para que diga cómo lo clasifica en 
#  en arreglos ordenados matematicamente, los que luego matematicamente pueden ser comparados con la pregunta hecha al ingreso de la 
#  consulta y obtener un patron mátématico medible que en el mundo de las ideas, represente la semantica de la pregunta y responder 
#  con la norma que se consulta, en lo que más sentido tenga.
#   
#                  Esto tiene liciencia GNU GPLv3  <--- software libre y las was que hagai con él también lo deben ser 🤟 (for ever, sin trampas, maldidta rata!!🤗)!!!
#                         @fermaf
#                         Nostr: npub1fermafqdu9ghcmsflq9wdsfwhg3zf93e6n49204ch2ztf98utw6qmhavug
#
# (de acá en adelante con mis garabatos/comentarios incluidos xd, sin ellos no hubiese hecho la primera iteración!! 🤓 )
#
#(https://30days.streamlit.app/)
#pip install streamlit
import os
import streamlit as st
import xml.etree.ElementTree as ET
import requests
import re
import time


openai_api_key = os.getenv("OPENAI_API_KEY")

#st.write(openai_api_key)
#st.write("HOLASAS")
def extraer_texto(contenidoXML):
    # Espacio de nombres del XML
    namespaces = {'emas': 'http://www.leychile.cl/esquemas'}
    #print(contenidoXML)
    
    # Parsear el archivo XML
    #arbol = ET.parse(ruta_a_archivo)  #tambien se puede pasar la ruta a un archivo /home/hola/ds49.xml
    #raiz = arbol.getroot()
    
    raiz = ET.fromstring(contenidoXML)  #forma de "parsear" un XML directo desde string
    
    
    # Crear una lista para almacenar todos los textos
    textos = []

    # Buscar todos los elementos 'texto' en el espacio de nombres correcto 
    for texto in raiz.iter('{http://www.leychile.cl/esquemas}Texto'):
        texto.text = texto.text.replace("\t", " ")
        texto.text = re.sub(" +", " ", texto.text)
        
        texto.text = texto.text.replace(".\n", ".@")
        texto.text = texto.text.replace(":\n", ":@")
        texto.text = texto.text.replace("\n", " ")
        texto.text = texto.text.replace(".@", ".\n")
        texto.text = texto.text.replace(":@", ":\n")
        
        texto.text = texto.text.strip()+"\n" 
        textos.append(texto.text)

    return textos


def obtener_contenido_url(url):
    respuesta = requests.get(url)
    contenido = respuesta.text
    return contenido





st.header("Minvu Dijur")
st.subheader('Consulta en tu norma favorita 🔎')


                                             ########################################################
                                             #######################################################
st.sidebar.image('./image/logos/minvu.png')  #  <---  Este es un caso de uso, para un Consultor con toda la normativa de un organo/servicio del Estado, como el MINVU (en este caso)
                                             ########################################################
                                             ########################################################
norma = st.sidebar.selectbox(
    "Selecciona una norma",
    ('DS49 (V. y U.) de 2011', 'Ley 21.442 (Ley de copropiedad inmobiliaria)'))


#st.write(type(option))
if norma=='DS49 (V. y U.) de 2011':
    placeholder="¿qué es una entidad patrocinante?"
    url="https://www.leychile.cl/Consulta/obtxml?opt=7&idNorma=1039424"
else:
    placeholder="¿qué pasa si no se reunieren los quórum para sesionar?"
    url="https://www.leychile.cl/Consulta/obtxml?opt=7&idNorma=1174663"

question = st.text_input("haz una pregunta:",placeholder=placeholder)
    

######### FIN WEB ###########

#os.environ['OPENAI_API_KEY'] = openai_api_key

contenidoXML = obtener_contenido_url(url)  #<--contiene el XML de la norma en texto
#st.write(url)


######################


#Normaliza eltexto XML para extraer texto



###############

textos = extraer_texto(contenidoXML)

#TEXTO normalizado COMPLETO DE LA NORMA en ascii (sin metadata)
texto='\n'.join(textos)
#i=i+1
#st.write("HOLA1")



from langchain.schema import Document

documento = [Document(page_content=texto, metadata={"nombre": "norma"})]  #<---- del tipo <class 'langchain.schema.document.Document'> 

#st.write(texto[:50])
#st.write("HOLA2")



from langchain.indexes import VectorstoreIndexCreator
#st.write(i)

index = VectorstoreIndexCreator().from_documents(documento)

#st.write("HOLA3")
#st.write(texto[:100])
###############

####MUESRRA Respuesta 1

if question: 
    respuesta=index.query(question)
    
    st.write("👧 \n ",respuesta)


########################################

from langchain.text_splitter import RecursiveCharacterTextSplitter
text_splitter = RecursiveCharacterTextSplitter(chunk_size = 500, chunk_overlap = 100)
all_splits = text_splitter.split_documents(documento)
##
from langchain.vectorstores import Chroma
from langchain.embeddings import OpenAIEmbeddings
vectorstore = Chroma.from_documents(documents=all_splits,embedding=OpenAIEmbeddings(openai_api_key=openai_api_key))
##
if question: 
    docs = vectorstore.similarity_search(question)
##
#import logging
from langchain.chat_models import ChatOpenAI
from langchain.retrievers.multi_query import MultiQueryRetriever
#logging.basicConfig()
#logging.getLogger('langchain.retrievers.multi_query').setLevel(logging.INFO)
retriever_from_llm = MultiQueryRetriever.from_llm(retriever=vectorstore.as_retriever(),
                                                llm=ChatOpenAI(temperature=0))
if question: 
    unique_docs =  retriever_from_llm.get_relevant_documents(query=question)


####
from langchain.prompts import ChatPromptTemplate

chat = ChatOpenAI(openai_api_key=openai_api_key,temperature=0,max_tokens=600)


#customer_style = """alta contenido de modismos chilenos \
#y usando lenguaje con mucho slang
#"""


#customer_style = """Muy formal y anticuado\
#y usando lenguaje rimbombante.
#"""


template_string = """En una lista, en la que cada elemento tiene el siguiente formato: \
Document("page_content" y "metadata"), responde usando exclusivamente la información contenida "page_content",\
a la siguiente pregunta: \
pregunta: ```{text}``` \n\n

Verifica que la respuesta cumpla con:
* Nunca mencionar tus fuentes de informacion, como decir "page_content" o elementos de la lista o documento.
* No citar normas ni articulos, pero si es necesesario solo usa la información de "paga_content", señalandor Tipo de norma, año y de quien es y/o el número de articulo.
* Tu respuesta puede ser hasta de 600 tokens.



Finalmente verifica que la respuesta SIEMPRE responda esta pregunta primordial:\n
{pregunta}. \n 

Si no responde, en no mas de 25 palabras, pide ingresar una nueva preguenta.

"""

prompt_template = ChatPromptTemplate.from_template(template_string)




####MUESRRA Respuesta 2
if question:

    customer_messages = prompt_template.format_messages(
                    #style=customer_style,
                    pregunta=question,
                    text=unique_docs)
    
    respuesta2 = chat(customer_messages)
    st.divider()
    st.write("👨\n",respuesta2.content)