Added description details

app.py

@@ -2,7 +2,12 @@ from model import model
 
 import gradio as gr
 
-with gr.Blocks() as demo:
+with gr.Blocks(fill_height=True) as demo:
+    with gr.Accordion("Voir les Details"):
+        gr.Markdown("""
+        Cette application vous permet de chatter directement avec une page de documentation pour generer du code que vous demandez.
+        Vous indiquez l'url de la page, ensuite vous posez votre question dans le chat. Alors le contenu de la page est recupere (grace a du scraping) puis decompose en blocks. Puis une recherche semantique est effectue a travers ces bloques pour retourner uniquement les plus signifiants par rapport a la question posee. Ces nouveaux blocks constituent alors le contexte dans lequel le LLM doit repondre a la question, ce que ces modeles savent tres bien faire. La reponse est enfin affichee. Nous obtenons ainsi en conclusion ce qu'on appelle un RAG (Retrieval Augmented Generation).
+        """)
     with gr.Row(equal_height=True):
         with gr.Column(min_width=200, scale=0):
             max_tokens = gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens", render=True)
@@ -25,6 +30,7 @@ with gr.Blocks() as demo:
                     temperature,
                     top_p,
                 ],
+                type="messages",
             )
 
 

model.py

@@ -43,6 +43,6 @@ class Model:
     
             response += token
             yield response
-    
+
 
 model = Model()