skillsia / homeskills.py
datacipen's picture
Update homeskills.py
377e098 verified
raw
history blame
4.78 kB
import pandas as pd
import chainlit as cl
from chainlit.input_widget import Select, TextInput
from chainlit import user_session
async def homeRome():
app_user = cl.user_session.get("user")
welcomeUser = app_user.identifier
welcomeUserArray = welcomeUser.split('@')
welcomeUserStr = welcomeUserArray[0].replace('.',' ')
await cl.Message(f"> Bonjour {welcomeUserStr}").send()
fileCompetences = "./public/referentiel_competence.csv"
df_allcompetences = pd.read_csv(fileCompetences)
df_competences = df_allcompetences[['libelle_competence']].copy()
df_competences = df_competences.sort_values(by=['libelle_competence'])
competences_list = df_competences['libelle_competence'].tolist()
competences_list.sort()
competences_list.insert(0, "")
cl.user_session.set("arraySettingsComp", competences_list)
settings = await cl.ChatSettings(
[
Select(
id="competence",
label="Compétences",
values=competences_list,
initial_index=0,
),
TextInput(id="competenceInput", label="ou saisir une compétence voire des objectifs pédagogiques", placeholder="ou saisir une compétence voire des objectifs pédagogiques", tooltip="saisir une compétence voire des objectifs pédagogiques"),
]
).send()
value = settings["competence"]
if len(value) < 2:
warning = [
cl.Image(name="Warning", size="small", display="inline", path="./public/warning.png")
]
await cl.Message(author="Datapcc : 🌐🌐🌐",content="1️⃣ Cliquez sur le bouton dont l'image suit, dans le prompt, pour commencer à élaborer une note sectorielle de la chaîne documentaire APCC!").send()
await cl.Message(author="Datapcc : 🌐🌐🌐",content="", elements=warning).send()
await cl.Message(author="Datapcc : 🌐🌐🌐",content="2️⃣ Puis sélectionnez ou saisissez une compétence ou des objectifs pédagogiques. Et vous êtes prêt!\n\n🔗 Plateforme de feedback et de fil d'activité : https://cloud.getliteral.ai/").send()
contextChat = cl.user_session.get("contextChatBot")
if not contextChat:
contextChat = df_competences.to_string(index = False)
cl.user_session.set("contextDFCOMPChatBot", df_competences.to_string(index = False))
return contextChat
async def homeEsco():
app_user = cl.user_session.get("user")
welcomeUser = app_user.identifier
welcomeUserArray = welcomeUser.split('@')
welcomeUserStr = welcomeUserArray[0].replace('.',' ')
await cl.Message(f"> Bonjour {welcomeUserStr}").send()
fileCompetences = "./public/escoCompetencesAppellation.csv"
df_allcompetences = pd.read_csv(fileCompetences)
df_competences = df_allcompetences[['compétence']].copy()
df_competences = df_competences.sort_values(by=['compétence'])
competences_list = df_competences['compétence'].tolist()
competences_list.sort()
competences_list.insert(0, "")
cl.user_session.set("arraySettingsComp", competences_list)
settings = await cl.ChatSettings(
[
Select(
id="competence",
label="Compétences",
values=competences_list,
initial_index=0,
),
TextInput(id="competenceInput", label="ou saisir une compétence voire un métier en lien avec le développement durable", placeholder="ou saisir une compétence voire un métier en lien avec le développement durable", tooltip="saisir une compétence voire un métier en lien avec le développement durable"),
]
).send()
value = settings["competence"]
if len(value) < 2:
warning = [
cl.Image(name="Warning", size="small", display="inline", path="./public/warning.png")
]
await cl.Message(author="Datapcc : 🌐🌐🌐",content="1️⃣ Cliquez sur le bouton dont l'image suit, dans le prompt, pour commencer à élaborer une analyse des compétences liées au développement durable!").send()
await cl.Message(author="Datapcc : 🌐🌐🌐",content="", elements=warning).send()
await cl.Message(author="Datapcc : 🌐🌐🌐",content="2️⃣ Puis sélectionnez ou saisissez une compétence ou un métier en lien avec le développement durable. Et vous êtes prêt!\n\n🔗 Plateforme de feedback et de fil d'activité : https://cloud.getliteral.ai/").send()
contextChat = cl.user_session.get("contextChatBot")
if not contextChat:
contextChat = df_competences.to_string(index = False)
cl.user_session.set("contextDFCOMPChatBot", df_competences.to_string(index = False))
return contextChat