File size: 7,072 Bytes
339e7ba
 
 
 
e383d14
 
293c5f7
 
 
339e7ba
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
d013388
339e7ba
2d80f81
339e7ba
 
 
 
 
 
2d80f81
339e7ba
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
2d80f81
339e7ba
 
 
 
 
 
 
 
2d80f81
339e7ba
 
2d80f81
339e7ba
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
293c5f7
339e7ba
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
41979d9
 
 
 
 
339e7ba
 
7936b0f
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208

import requests
from gradio_client import Client
from gradio_client import Client
from g4f.Provider import (
    Bard) 
import g4f
 
from bardapi import Bard as bd
client = Client("https://docfile-bhh.hf.space/")


def infer(im):
    im.save("converted.png")
    url = "https://ajax.thehive.ai/api/demo/classify?endpoint=text_recognition"
    files = {
        "image": ("converted.png", open("converted.png", "rb"), "image/png"),
        "model_type": (None, "detection"),
        "media_type": (None, "photo"),
    }
    headers = {"referer": "https://thehive.ai/"}

    res = requests.post(url, headers=headers, files=files)

    text = ""
    blocks = []
    for output in res.json()["response"]["output"]:
        text += output["block_text"]
        for poly in output["bounding_poly"]:
            blocks.append(
                {
                    "text": "".join([c["class"] for c in poly["classes"]]),
                    "rect": poly["dimensions"],
                }
            )

    return text


# app 2

def gpt(prompt):
    if not prompt:
        return "Veuillez saisir une question."

    answer = client.predict(
				prompt,	# str  in 'input_text' Textbox component
				api_name="/predict"
)

    print(answer)
    return "non bouge ! "

def gpt_francais(french_prompt,choix,autheur):
    
    if not french_prompt:
        return "Veuillez saisir un thème ."

    if choix == "discuter":

    	d_prompt = """Je veux faire mon travail de français  de niveau lycé sous la forme d'un travail argumentatif en utilisant le style decriture suivant "{autheur}". La question du travail est la suivante: "{french_prompt}". tu devras etayer ce thème. jai besoin dune introduction(avec une problématique et l'annonce du plan), de 3 arguments(avec explication et example et illustration) et une phrase de transition pour refuter le sujet 
"""
    	
    	te_fi = ""
    	answer = client.predict(
				d_prompt,
				api_name="/predict")
    	te_fi += answer +"\n\n"

    	de = """Je veux faire mon travail de français  de niveau lycé sous la forme d'un travail argumentatif . La question du travail est la suivante: "{french_prompt}". tu devras refuter ce thème. jai juste besoin, de 3 arguments(avec explication et example et illustration) et d'une conclusion avec une ouverture(donné sous forme de phrase interogative ) """
    	answer = client.predict(
				de,
				api_name="/predict")

    	te_fi += answer 
    	return te_fi 
    else:
    	fi_prompt = f"""Je veux faire mon travail de français  de niveau lycé sous la forme d'un travail argumentatif en utilisant le style decriture suivant: "{autheur}". La question du travail est la suivante: "{french_prompt}". tu devras {choix} ce thème. jai besoin dune introduction(avec une problématique et l'annonce du plan), de 3 arguments(avec explication et example et illustration)  et d'une conclusion avec une ouverture(donné sous forme de phrase interogative ) """
    
    	answer = client.predict(
				fi_prompt,
				api_name="/predict")
    	print(answer)
    	return answer


def gpt_philo(phi_prompt,autheur):
    if not phi_prompt:
        return "Veuillez saisir un sujet."
    haha = f""" Je veux que tu me traite mon travail de philosophie  de niveau lycé sous la forme d'une dissertation en utilisant le style decriture suivant: "{autheur}". La question du travail est la suivante: "{phi_prompt}". en te basant sur le plan suiavnt :
    INTRODUCTION:
- Amorcer le sujet  avec moins  de deux phrase
-Poser le problème 
- Formulée la problématique autour  de deux questions essentielles:
   - Question-thèse 
    -Question-antithèse:

DEVELOPPEMENT

Première Partie: Formuler la thèse initiale

je veux trois arguments avec le plan suivant(Argument + Explication de l'argument + Illustration (soit avec un exemple de la vie courante soit avec une citation philosophique). 

Deuxième Partie: Formuler l'antithèse 

je veux trois arguments t avec le plan suivant(Argument + Explication de l'argument + Illustration (soit avec un exemple de la vie courante soit avec une citation philosophique).

CONCLUSION

1. Bilan de la réflexion:
-Résumer les grandes parties de la réflexion
2. Prise de position"""

    answer = client.predict(
				haha,	# str  in 'input_text' Textbox component
				api_name="/predict"
)

    print(answer)
    return answer


def gpt_hist(hist_prompt,p_1,p_2,p_3):
    
    if not gpt_hist:
        return "Veuillez saisir un thème ."
    histt_prompt = f"""Je veux que tu me traite mon travail d'histoire de niveau lycé sous la forme d'une dissertation . La question du travail est la suivante: "{hist_prompt}". les different points a detailler sont :{p_1},{p_2}, {p_3}. en te basant sur le plan suivant :
INTRODUCTION:
- approche par definition du sujet, par constat ou rappel historique( du general au particulier/cas particulier au general )
- problematique/probleme du sujet
- annonce du plan

DEVELOPPEMENT

pour chaque point,je voudrais 
trois arguments(+explication+exemple). il faudra une phrase chapeau au debut et une phrase de transition a la fin de chaque point. 

CONCLUSION

1. Bilan de la réflexion.
2. question douverture du sujet.   
    """
    answer = client.predict(
				histt_prompt,	# str  in 'input_text' Textbox component
				api_name="/predict"
)

    print(answer)
    return answer


def calcul(math, francais, physique, svt, philo, eps, thea, hist, anglais):
    math = math * 5
    francais = francais * 3
    physique = physique * 4
    svt = svt * 3
    philo = philo * 2
    eps = eps * 2
    thea = thea * 3
    anglais = anglais * 2
    hist = hist * 3
    conduite = 14 * 1
    total = (
        math
        + francais
        + physique
        + svt
        + philo
        + eps
        + thea
        + hist
        + anglais
        + conduite
    )
    r = total / 28
    return matha.trunc(r * 100) / 100


def mariam_web(pro):
    if not pro:
        return "Veuillez saisir une question."

    t_pro = " agis en tant q'ia appele mariam et creer par youssouf. ton role est uniquement d'assister. reponds a cette question: " + pro
    response = g4f.ChatCompletion.create(model=g4f.models.default,messages=[{"role": "user", "content":t_pro}],provider=Bard,cookies={"__Secure-1PSID": "bwg91Iygc25J0aTg0ZnoY67_lXLwbhMqloeHH3SRPOkldVArhW9yDClbODrn7d64r6ErVg.", "__Secure-1PSIDCC": "ACA-OxNTV6UL9frGJy-arTqz3Yn34xZEtr4n1JTHqujZzWbZF2T5M4UWNiG7WE1i5VhkwaIMfw"},auth=True)
    return response


def mariam_chimi(chi,im):

	prompt_chi = " tu es un expert en chimie, tu as 20 d'expreriance dans le domaine. reponds a cette question: " + chi
	if not im :
		answer = client.predict(
		prompt_chi,	# str  in 'input_text' Textbox component
		api_name="/predict")

		return answer 
	elif not chi:
		return "aucune instruction donner..."

	else:
	       bdd = bd(token='bwg91Iygc25J0aTg0ZnoY67_lXLwbhMqloeHH3SRPOkldVArhW9yDClbODrn7d64r6ErVg.')
	       with open(im.name, 'rb') as f:
	           image_data = f.read()
	       bard_answer = bdd.ask_about_image(chi, image_data)
	       return bard_answer['content']


#fin