Delete main.py

main.py

@@ -1,128 +0,0 @@
-from langchain_core.prompts import ChatPromptTemplate
-from langchain_google_genai import ChatGoogleGenerativeAI
-from langchain_community.document_loaders import DirectoryLoader
-from langchain_text_splitters import CharacterTextSplitter
-from langchain_community.document_loaders import PyPDFLoader
-from langchain_huggingface import HuggingFaceEmbeddings
-from typing import List
-from langchain_chroma import Chroma
-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 langgraph.checkpoint.memory import MemorySaver
-from fastapi import FastAPI, UploadFile, Form
-from fastapi.middleware.cors import CORSMiddleware
-from typing import Optional
-from PIL import Image
-import base64
-from io import BytesIO
-import os 
-import logging
-import sys
-
-logger = logging.getLogger('uvicorn.error')
-logger.setLevel(logging.DEBUG)
-
-app = FastAPI()
-
-app.add_middleware(
-    CORSMiddleware,
-    allow_origins=["*"],
-    allow_credentials=True,
-    allow_methods=["*"],
-    allow_headers=["*"],
-)
-
-
-llm = ChatGoogleGenerativeAI(model="gemini-2.0-flash", temperature=0.5)
-
-memory = MemorySaver()
-
-glob_pattern="./*.md"
-directory_path = "./documents"
-loader = DirectoryLoader(directory_path, glob=glob_pattern)
-documents = loader.load()
-
-file_path = "./documents/prog.pdf"
-loader = PyPDFLoader(file_path)
-prog = loader.load()
-
-system = """
-Tu es un assistant spécialisé dans l'enseignement de l'enseigement Sciences Numériques et Technologie (SNT) de la classe de seconde'
-Ton interlocuteur est un élève qui suit l'enseigement SNT en classe de seconde
-Ton unique thème de conservation doit être l'enseignement SNT. Tu ne dois pas aborder d'autres thèmes que l'enseignement SNT
-Tu ne dois pas faire d'erreur, répond à la question uniquement si tu es sûr de ta réponse
-si tu ne trouves pas la réponse à une question, tu réponds que tu ne connais pas la réponse et que l'élève doit s'adresser à son professeur pour obtenir cette réponse
-si l'élève n'arrive pas à trouver la réponse à un exercice, tu ne dois pas lui donner tout de suite la réponse, mais seulement lui donner des indications pour lui permettre de trouver la réponse par lui même
-Tu dois uniquement répondre en langue française
-Tu ne dois pas commencer tes interventions par "Assistant".
-Tu trouveras ci-dessous un résumé du cours de SNT , tu devras veiller à ce que tes réponses ne sortent pas du cadre du programme de SNT
-Si la question posée ne rentre pas dans le cadre du programme de SNT tu peux tout de même répondre en précisant bien que cette notion est hors programme
-si tu proposes un exercice, tu dois bien vérifier que toutes les notions nécessaires à la résolution de l'exercice sont explicitement au programme de SNT
-"""
-
-prompt = ChatPromptTemplate.from_messages(
-    [
-        ("system", system),
-        ("human", "Programme officiel de SNT: \n {prog} \n\n" "Résumé du cours de SNT : \n {documents} \n\n Historique conversation entre l'assistant et l'élève : \n {historical} \n\n Intervention de l'élève : {question}"),
-    ]
-)
-
-def format_historical(hist):
-    historical = []
-    for i in range(0,len(hist)-2,2):
-        historical.append("Utilisateur : "+hist[i].content[0]['text'])
-        historical.append("Assistant : "+hist[i+1].content[0]['text'])
-    return "\n".join(historical[-10:])
-
-
-class GraphState(TypedDict):
-    messages: Annotated[list[AnyMessage], add_messages]
-
-def chatbot(state : GraphState):
-    question = prompt.invoke({'historical': format_historical(state['messages']),'prog':prog, 'documents':documents ,  'question' : state['messages'][-1].content[0]['text']})
-    q = question.messages[0].content + question.messages[1].content
-    if len(state['messages'][-1].content) > 1 :
-        response = llm.invoke([HumanMessage(
-            content=[
-                {"type": "text", "text": q},
-                state['messages'][-1].content[1]
-            ])])
-    else :
-        response = llm.invoke([HumanMessage(
-            content=[
-                {"type": "text", "text": q}
-            ])])
-    return {"messages": [AIMessage(content=[{'type': 'text', 'text': response.content}])]}
-
-workflow = StateGraph(GraphState)
-workflow.add_node('chatbot', chatbot)
-
-workflow.add_edge(START, 'chatbot')
-workflow.add_edge('chatbot', END)
-
-app_chatbot = workflow.compile(checkpointer=memory)
-
-@app.post('/request')
-def request(id:Annotated[str, Form()], query:Annotated[str, Form()], image:Optional[UploadFile] = None):
-    config = {"configurable": {"thread_id": id}}
-    if image:
-        try:
-            img = Image.open(image.file)
-            img_buffer = BytesIO()
-            img.save(img_buffer, format='PNG')
-            byte_data = img_buffer.getvalue()
-            base64_img = base64.b64encode(byte_data).decode("utf-8")
-            message = HumanMessage(
-            content=[
-                {'type': 'text', 'text': query},
-                {'type': 'image_url', 'image_url': {"url": f"data:image/jpeg;base64,{base64_img}"}}
-            ])
-        except:
-            return {"response":"Attention, vous m'avez fourni autre chose qu'une image. Renouvelez votre demande avec une image."}
-        rep = app_chatbot.invoke({"messages": message},config, stream_mode="values")
-    else :
-        rep = app_chatbot.invoke({"messages": [HumanMessage(content=[{'type': 'text', 'text': query}])]},config, stream_mode="values")
-    return {"response":rep['messages'][-1].content[0]['text']}