Spaces:
Running
Running
File size: 11,577 Bytes
fb86b93 fded6e8 f484ffe fded6e8 fb86b93 8a89e38 fb86b93 81f75af fb86b93 81f75af fb86b93 81f75af fb86b93 f484ffe fb86b93 f484ffe fb86b93 e58c122 fb86b93 d9e40cd fb86b93 e58c122 f484ffe 25eeaae fb86b93 f484ffe 25eeaae d9e40cd fded6e8 |
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 |
import streamlit as st
from dotenv import load_dotenv
from PyPDF2 import PdfReader
from langchain.text_splitter import CharacterTextSplitter
from langchain_community.embeddings import OpenAIEmbeddings
from langchain_community.vectorstores import FAISS
from langchain_community.chat_models import ChatOpenAI
from langchain.llms import HuggingFaceHub
from langchain import hub
from langchain_core.output_parsers import StrOutputParser
from langchain_core.runnables import RunnablePassthrough
from langchain_community.document_loaders import WebBaseLoader
import os
from session import set_rag
from partie_prenante_carte import complete_and_verify_url
def get_docs_from_website(urls):
loader = WebBaseLoader(urls, header_template={
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/102.0.0.0 Safari/537.36',
})
docs = loader.load()
return docs
def get_pdf_text(pdf_docs):
text = ""
for pdf in pdf_docs:
pdf_reader = PdfReader(pdf)
for page in pdf_reader.pages:
text += page.extract_text()
return text
def get_text_chunks(text):
text_splitter = CharacterTextSplitter(
separator="\n",
chunk_size=1000, # the character length of the chunck
chunk_overlap=200, # the character length of the overlap between chuncks
length_function=len # the length function - in this case, character length (aka the python len() fn.)
)
chunks = text_splitter.split_text(text)
return chunks
def get_doc_chunks(docs):
# Split the loaded data
text_splitter = CharacterTextSplitter(separator='\n',
chunk_size=500,
chunk_overlap=40)
docs = text_splitter.split_documents(docs)
return docs
def get_vectorstore_from_docs(doc_chunks):
embedding = OpenAIEmbeddings(model="text-embedding-3-small")
vectorstore = FAISS.from_documents(documents=doc_chunks, embedding=embedding)
return vectorstore
def get_vectorstore(text_chunks):
embedding = OpenAIEmbeddings(model="text-embedding-3-small")
vectorstore = FAISS.from_texts(texts=text_chunks, embedding=embedding)
return vectorstore
def get_conversation_chain(vectorstore):
llm = ChatOpenAI(model="gpt-3.5-turbo",temperature=0.5, max_tokens=2048)
retriever=vectorstore.as_retriever()
prompt = hub.pull("rlm/rag-prompt")
# Chain
rag_chain = (
{"context": retriever , "question": RunnablePassthrough()}
| prompt
| llm
)
return rag_chain
def verify_and_complete_urls(urls):
for i in range(len(urls)):
is_valid, urls[i] = complete_and_verify_url(urls[i])
return urls
def rag_pdf_web():
load_dotenv()
st.header("INDIQUEZ VOS PAGES WEB ET/OU DOCUMENTS D’ENTREPRISE POUR AUDITER LE CONTENU RSE")
option = st.radio("Source", ("A partir de votre site web", "A partir de vos documents entreprise"))
vectorstore = None
chain = None
if option == "A partir de votre site web":
url1 = st.text_input("URL 1")
url2 = st.text_input("URL 2")
url3 = st.text_input("URL 3")
# Process the URLs
sous_options = st.radio("Choisissez votre sous-section", ("Ambition, Vision, Missions, Valeurs", "3 piliers de la démarche RSE"))
try:
if st.button("Process"):
with st.spinner("Processing..."):
#get text from the website
urls = [url1, url2, url3]
filtered_urls = [url for url in urls if url]
#verify and complete urls
filtered_urls = verify_and_complete_urls(filtered_urls)
#get text from the website
docs = get_docs_from_website(filtered_urls)
#get text chunks
text_chunks = get_doc_chunks(docs)
#create vectorstore
vectorstore = get_vectorstore_from_docs(text_chunks)
chain = get_conversation_chain(vectorstore)
if sous_options == "Ambition, Vision, Missions, Valeurs":
# question = '''voici les 4 points à génerer absolument, pas de reponse comme je ne sais pas; et n'oublie aucun des points , chaque paragraphe doit être de minimum 150 caractères:
# \n
# ### Ambition : \n
# Quelle est l'ambition de l'entreprise ? (répondre avec maximum 250 caractères)
# \n
# ### Vision : \n
# Quelle est la vision de l'entreprise ? (répondre avec maximum 250 caractères)
# \n
# ### Missions : \n
# Quelles sont les missions de l'entreprise ? (répondre avec maximum 250 caractères)
# \n
# renvoie ta réponse en markdown et bien formatée'''
# response = chain.invoke(question)
# st.markdown(response.content)
#ambition
ambition = chain.invoke("Quelle est l'ambition de l'entreprise ? (répondre avec maximum 250 caractères)")
st.markdown("### Ambition :")
st.markdown(ambition.content)
#vision
ambition = chain.invoke(" Quelle est la vision de l'entreprise ? (répondre avec maximum 250 caractères)")
st.markdown("### Vision :")
st.markdown(ambition.content)
#Mission
ambition = chain.invoke(" Quelle est la vision de l'entreprise ? (répondre avec maximum 250 caractères)")
st.markdown("### Mission :")
st.markdown(ambition.content)
#values
values = chain.invoke("Quels sont les valeurs de l'entreprise ? (répondre avec 10 mots maximum en bullet points)")
st.markdown("### Valeurs :")
st.markdown(values.content)
elif sous_options == "3 piliers de la démarche RSE":
question = ''' suggère nous les 3 piliers principaux de la démarche RSE pour cette entreprise. N'oublie aucun pilier RSE , ca doit avoir ce format :
\n
### le titre du pilier numero 1 \n
-la description du pilier (répondre avec maximum 250 caractères)
\n
- 2 indicateurs cibles pertinents à atteindre avec suggestion de valeur cible min, max
\n
### le titre du pilier numero 2 \n
-la description du pilier (répondre avec maximum 250 caractères)
\n
- 2 indicateurs cibles pertinents à atteindre avec suggestion de valeur cible min, max
\n
### le titre du pilier numero 3 \n
-la description du pilier (répondre avec maximum 250 caractères)
\n
- 2 indicateurs cibles pertinents à atteindre avec suggestion de valeur cible min, max
\n
renvoie ta réponse en markdown et bien formatée
'''
response = chain.invoke(question)
st.markdown(response.content)
except Exception as e:
st.error(f"Une erreur s'est produite : Url non valide ou problème de connexion à internet. Veuillez réessayer.")
if option == "A partir de vos documents entreprise":
pdf_docs = st.file_uploader("Upload les documents concernant la marque (maximum 3 fichiers de taille max de 5 Mo)", type="pdf", accept_multiple_files=True)
# Process the PDF documents
sous_options = st.radio("Choisissez votre sous-section", ("Ambition, Vision, Missions, Valeurs", "3 piliers de la démarche RSE"))
try:
if st.button("Process"):
with st.spinner("Processing..."):
#get pdf text in raw format
raw_text = get_pdf_text(pdf_docs)
#get text chunks
text_chunks = get_text_chunks(raw_text)
#create vectorstore
vectorstore = get_vectorstore(text_chunks)
chain = get_conversation_chain(vectorstore)
if sous_options == "Ambition, Vision, Missions, Valeurs":
#ambition
ambition = chain.invoke("Quelle est l'ambition de l'entreprise ? (répondre avec maximum 250 caractères)")
st.markdown("### Ambition :")
st.markdown(ambition.content)
#vision
ambition = chain.invoke(" Quelle est la vision de l'entreprise ? (répondre avec maximum 250 caractères)")
st.markdown("### Vision :")
st.markdown(ambition.content)
#Mission
ambition = chain.invoke(" Quelle est la vision de l'entreprise ? (répondre avec maximum 250 caractères)")
st.markdown("### Mission :")
st.markdown(ambition.content)
#values
values = chain.invoke("Quels sont les valeurs de l'entreprise ? (répondre avec 10 mots maximum en bullet points)")
st.markdown("### Valeurs :")
st.markdown(values.content)
elif sous_options == "3 piliers de la démarche RSE":
question = ''' suggère nous les 3 piliers principaux de la démarche RSE pour cette entreprise. Pour chaque pilier RSE doit avoir ce format :
\n
### le titre du ieme pilier \n
-la description du pilier (répondre avec maximum 250 caractères)
\n
- 2 indicateurs cibles pertinents à atteindre avec suggestion de valeur cible min, max
\n
renvoie ta réponse en markdown et bien formatée
'''
response = chain.invoke(question)
st.markdown(response.content)
except Exception as e:
st.error(f"Une erreur s'est produite : Pdf non valide ou problème de connexion à internet. Veuillez réessayer.")
if vectorstore and chain:
set_rag(vectorstore, chain) |