Spaces:
Sleeping
Sleeping
import re | |
import json | |
import chainlit as cl | |
from langchain_community.vectorstores import FAISS | |
from rag_module import RagModule | |
from collections import defaultdict | |
prompt_template = """ | |
Tu t'appelles GAIA et tu travailles pour Politique Agricole Commune (PAC). Tu es un agent intelligent spécialisé sur les aides financières agricoles. | |
Tu es chargé de donner des conseils sur les aides financières disponibles pour les agriculteurs. | |
Tu comprends et génère les réponses en français, jamais en anglais. | |
Merci de bien vouloir répondre aux questions en utilisant seulement le contexte suivant. | |
contexte: {context} | |
historique: {history} | |
question: {question} | |
réponse: | |
""" | |
##------------ CHAINLIT ---------------## | |
async def start(): | |
rag = RagModule() | |
db = rag.get_faiss_db() | |
qa_chain = rag.retrieval_qa_memory_chain(db, prompt_template) | |
msg = cl.Message(content="Lancement du bot...", author = "Gaia") | |
await msg.send() | |
msg.content = "Bonjour et bienvenue sur le bot qui connait tout sur toutes les aides de la PAC (ou à peu près). Quelle est ta question ?" | |
await msg.update() | |
cl.user_session.set("chain", qa_chain) | |
async def main(message): | |
rag = RagModule() | |
chain = cl.user_session.get("chain") | |
cb = cl.AsyncLangchainCallbackHandler( | |
stream_final_answer = True, | |
answer_prefix_tokens=["FINAL", "ANSWER"] | |
) | |
cb.answer_reached=True | |
response = await chain.ainvoke(message.content, callbacks=[cb]) | |
answer = response.get('result') | |
sources = rag.get_sources_document(response.get('source_documents')) | |
elements = [cl.Pdf(name = "Pdf", display ="inline", path = path) for path in sources] | |
if response.get('source_documents'): | |
answer = rag.shape_answer_with_source(answer, sources) | |
else: | |
answer += f"\nNo sources found" | |
await cl.Message(content=answer, elements=elements, author="Gaia").send() | |
# await cl.Message(content=answer, author = "Chatbot Eureden").send() | |