Update app.py

app.py

@@ -1,3 +1,211 @@
+# 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
+# import json
+# from pathlib import Path
+# from pprint import pprint
+
+# 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_text_file(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 텍스트 쓰기 모드로 엽니다.
+#         f.write(text_docs.getvalue())  # 텍스트 문서의 내용을 임시 파일에 씁니다.
+
+#     text_loader = TextLoader(temp_filepath)  # TextLoader를 사용해 텍스트 문서를 로드합니다.
+#     text_doc = text_loader.load()  # 텍스트를 추출합니다.
+#     return text_doc  # 추출된 텍스트를 반환합니다.
+
+# def get_csv_file(csv_docs):
+#     temp_dir = tempfile.TemporaryDirectory()  # 임시 디렉토리를 생성합니다.
+#     temp_filepath = os.path.join(temp_dir.name, csv_docs.name)  # 임시 파일 경로를 생성합니다.
+
+#     with open(temp_filepath, "wb") as f:  # 임시 파일을 바이너리 쓰기 모드로 엽니다.
+#         f.write(csv_docs.getvalue())  # CSV 문서의 내용을 임시 파일에 씁니다.
+
+#     csv_loader = CSVLoader(temp_filepath)  # CSVLoader를 사용해 CSV 문서를 로드합니다.
+#     csv_doc = csv_loader.load()  # 텍스트를 추출합니다.
+#     return csv_doc  # 추출된 텍스트를 반환합니다.
+
+# def get_json_file(json_docs):
+#     temp_dir = tempfile.TemporaryDirectory()  # 임시 디렉토리를 생성합니다.
+#     temp_filepath = os.path.join(temp_dir.name, json_docs.name)  # 임시 파일 경로를 생성합니다.
+
+#     with open(temp_filepath, "wb") as f:  # 임시 파일을 텍스트 쓰기 모드로 엽니다.
+#         f.write(json_docs.getvalue())  # JSON 문서의 내용을 임시 파일에 씁니다.
+
+#     json_loader = JSONLoader(temp_filepath)  # JSONLoader를 사용해 JSON 문서를 로드합니다.
+#     json_doc = json_loader.load()  # 텍스트를 추출합니다.
+#     return json_doc  # 추출된 텍스트를 반환합니다.
+
+
+
+
+# # def get_text_file(text_docs):
+# #
+# #     pass
+# #
+# # def get_csv_file(csv_docs):
+# #     pass
+# #
+# # def get_json_file(json_docs):
+# #
+# #
+# #     pass
+
+    
+# # 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=8192,
+#                    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)
+# text_chunks = []
+# def initialize_conversation_chain():
+#     # Add the necessary code to initialize the conversation_chain
+#     # This may include loading the LlamaCpp model and creating the conversation_chain
+#     vectorstore = get_vectorstore(text_chunks)  # Replace this with the appropriate code
+#     return get_conversation_chain(vectorstore)
+
+
+# def main():
+#     load_dotenv()
+#     st.set_page_config(page_title="Chat with multiple Files",
+#                        page_icon=":books:")
+#     st.write(css, unsafe_allow_html=True)
+
+#     # 대화 체인이 세션 상태에 없거나 None인 경우 초기화합니다.
+#     if "conversation" not in st.session_state or st.session_state.conversation is None:
+#         # 적절한 데이터로 text_chunks를 정의해야 합니다.
+#         st.session_state.conversation = initialize_conversation_chain(text_chunks)
+#     # 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)
+#     if user_question:
+#         # Ensure that conversation_chain is initialized before calling handle_userinput
+#         if st.session_state.conversation is None:
+#             st.session_state.conversation = initialize_conversation_chain()
+
+#         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()
+
 import streamlit as st
 from dotenv import load_dotenv
 from langchain.text_splitter import CharacterTextSplitter, RecursiveCharacterTextSplitter
@@ -11,11 +219,6 @@ import json
 from pathlib import Path
 from pprint import pprint
 
-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.
@@ -26,9 +229,6 @@ def get_pdf_text(pdf_docs):
     pdf_doc = pdf_loader.load() # 텍스트를 추출합니다.
     return pdf_doc # 추출한 텍스트를 반환합니다.
 
-# 과제
-# 아래 텍스트 추출 함수를 작성
-
 def get_text_file(text_docs):
     temp_dir = tempfile.TemporaryDirectory()  # 임시 디렉토리를 생성합니다.
     temp_filepath = os.path.join(temp_dir.name, text_docs.name)  # 임시 파일 경로를 생성합니다.
@@ -62,21 +262,6 @@ def get_json_file(json_docs):
     json_doc = json_loader.load()  # 텍스트를 추출합니다.
     return json_doc  # 추출된 텍스트를 반환합니다.
 
-
-
-
-# def get_text_file(text_docs):
-#
-#     pass
-#
-# def get_csv_file(csv_docs):
-#     pass
-#
-# def get_json_file(json_docs):
-#
-#
-#     pass
-
     
 # 문서들을 처리하여 텍스트 청크로 나누는 함수입니다.
 def get_text_chunks(documents):
@@ -105,7 +290,7 @@ def get_conversation_chain(vectorstore):
     model_path = hf_hub_download(repo_id=model_name_or_path, filename=model_basename)
 
     llm = LlamaCpp(model_path=model_path,
-                   n_ctx=8192,
+                   n_ctx=4086,
                    input={"temperature": 0.75, "max_length": 2000, "top_p": 1},
                    verbose=True, )
     # 대화 기록을 저장하기 위한 메모리를 생성합니다.
@@ -134,12 +319,6 @@ def handle_userinput(user_question):
         else:
             st.write(bot_template.replace(
                 "{{MSG}}", message.content), unsafe_allow_html=True)
-text_chunks = []
-def initialize_conversation_chain():
-    # Add the necessary code to initialize the conversation_chain
-    # This may include loading the LlamaCpp model and creating the conversation_chain
-    vectorstore = get_vectorstore(text_chunks)  # Replace this with the appropriate code
-    return get_conversation_chain(vectorstore)
 
 
 def main():
@@ -148,24 +327,14 @@ def main():
                        page_icon=":books:")
     st.write(css, unsafe_allow_html=True)
 
-    # 대화 체인이 세션 상태에 없거나 None인 경우 초기화합니다.
-    if "conversation" not in st.session_state or st.session_state.conversation is None:
-        # 적절한 데이터로 text_chunks를 정의해야 합니다.
-        st.session_state.conversation = initialize_conversation_chain(text_chunks)
-    # 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
+    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)
     if user_question:
-        # Ensure that conversation_chain is initialized before calling handle_userinput
-        if st.session_state.conversation is None:
-            st.session_state.conversation = initialize_conversation_chain()
-
         handle_userinput(user_question)
 
     with st.sidebar:
@@ -204,4 +373,4 @@ def main():
 
 
 if __name__ == '__main__':
-    main()
+    main()