Spaces:
Running
Running
import os | |
from langchain_core.output_parsers import StrOutputParser | |
from langchain_core.prompts import PromptTemplate | |
from langgraph.checkpoint.memory import MemorySaver | |
from typing import List | |
from typing_extensions import TypedDict | |
from typing import Annotated | |
from langgraph.graph.message import AnyMessage, add_messages | |
from langchain_core.messages import HumanMessage, AIMessage | |
from langgraph.graph import END, StateGraph, START | |
from fastapi import FastAPI | |
from fastapi.middleware.cors import CORSMiddleware | |
from pydantic import BaseModel | |
from database import create_table, return_exercise | |
import logging | |
from langchain_google_genai import ChatGoogleGenerativeAI | |
create_table() | |
GOOGLE_API_KEY = '' | |
llm = ChatGoogleGenerativeAI(model="gemini-2.0-flash", temperature=0.7) | |
prompt_aide = PromptTemplate.from_template( | |
""" | |
Tu es un expert en pédagogie de l'apprentissage de la programmation | |
Le langage utilisé pour l'apprentissage de la programmation est Python. | |
Tu dois aider un élève à résoudre une activité de programmation Python. | |
Il existe 2 types d'activités : | |
- les activités qui demandent à l'élève d'écrire un programme Python complet | |
- les activités qui demandent à l'élève de compléter un programme Python à trous (les trous sont indiqués par 3 points : ...) | |
Si l'activité est de type "à trous" et que l'élève à laissé des trous, tu dois lui proposer de compléter les trous. | |
Tu ne dois jamais donner la solution de l'activité (même partiellement) à l'élève, juste lui donner des inddications lui permettant de résoudre lui même l'activité | |
L'élève est un débutant en programmation, tu dois lui rappeler les fondamentaux si nécessaire. | |
Tu dois t'adresser directement à l'élève. | |
L'élève ne peut pas te poser des questions, il peut juste te proposer son code. | |
Tu ne dois pas proposer à l'élève de te poser des questions | |
Il est inutile de proposer à l'élève de tester son code avec les exemples proposés. | |
Tu ne dois pas proposer aux élèves des modifications du programme qui sorte du cadre de l'activité. Par exemple, pour l'activité qui demande d'écrire une fonction moyenne, si dans l'énoncé il est précisé que l'on a un tableau non vide d'entier en paramètre, il est inutile de dire à l'élève que son programme doit gérer les tableaux vides. | |
Tu dois t'exprimer en français | |
Voici l'énoncé de l'activité : | |
{enonce} | |
{code_trous} | |
Voici le programme proposé par l'élève pour résoudre l'activité : | |
{code} | |
Pour améliorer ta réponse, tu as aussi à ta disposition l'historique des différents programme proposés par l'élève et les différents conseils que tu lui a déjà donné : | |
{historique} | |
""") | |
def history(hist): | |
historical = "" | |
for i in range(len(hist)): | |
if i%2 == 0: | |
historical += "code de l'éléve : \n"+hist[i].content+"\n" | |
else : | |
historical += "aide de l'expert : \n"+hist[i].content+"\n" | |
return historical | |
memory = MemorySaver() | |
app = FastAPI() | |
app.add_middleware( | |
CORSMiddleware, | |
allow_origins=["*"], | |
allow_credentials=True, | |
allow_methods=["*"], | |
allow_headers=["*"], | |
) | |
class Request(BaseModel): | |
id : str | |
enonce : str | |
code : str | |
res_test : str | |
code_trous : str | |
class AgentState(TypedDict): | |
enonce : str | |
messages: Annotated[list[AnyMessage], add_messages] | |
res_test : str | |
code_trous : str | |
def aide(state : AgentState): | |
llm_aide = prompt_aide | llm | StrOutputParser() | |
if state['code_trous'] == "": | |
c_trous = "" | |
else : | |
c_trous = "Voici le code à trous de l'activité : \n"+state['code_trous'] | |
response = llm_aide.invoke({'enonce': state['enonce'], "code_trous" : c_trous, 'code' : state['messages'][-1].content, 'historique' : history(state['messages'])}) | |
return {"messages": [AIMessage(content=response)]} | |
workflow = StateGraph(AgentState) | |
workflow.add_node("aide", aide) | |
workflow.add_edge(START, "aide") | |
workflow.add_edge( "aide", END) | |
graph = workflow.compile(checkpointer=memory) | |
def request(req: Request): | |
config = {"configurable": {"thread_id": req.id}} | |
rep = graph.invoke({"enonce" : req.enonce,"code_trous" : req.code_trous,"messages": req.code, "res_test" : req.res_test},config , stream_mode="values") | |
return {"response":rep['messages'][-1].content} | |
def get_exercise(titre : str): | |
ex = return_exercise(titre) | |
return {"title" : ex[1], "enonce" : ex[2], "code_trous":ex[3], "test": ex[4]} |