Create app.py

app.py

@@ -0,0 +1,78 @@
+from flask import Flask, request, jsonify
+import chromadb
+from langchain_community.vectorstores import Chroma
+from langchain_openai import OpenAIEmbeddings
+import os
+from openai import OpenAI
+
+app = Flask(__name__)
+
+# Configurar la API Key de OpenAI
+OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")
+
+# Inicializar el cliente de OpenAI
+client = OpenAI(api_key=OPENAI_API_KEY)
+
+# Inicializar el cliente de ChromaDB en Hugging Face Space
+chroma_client = chromadb.PersistentClient(path="/app/chroma_db")  # Usa la ruta dentro del contenedor
+
+# Cargar la base de datos de Chroma como un vector store
+vectorstore = Chroma(
+    client=chroma_client,
+    collection_name="docs",
+    embedding_function=OpenAIEmbeddings(model="text-embedding-3-small", openai_api_key=OPENAI_API_KEY)
+)
+
+# Crear un retriever
+retriever = vectorstore.as_retriever()
+
+def obtener_extractos(pregunta):
+    """Obtiene documentos relevantes desde ChromaDB"""
+    docs_relevantes = retriever.invoke(pregunta)
+    return [(doc.page_content, doc.metadata.get("url", "URL no disponible")) for doc in docs_relevantes]
+
+@app.route('/chat', methods=['POST'])
+def chat():
+    """Endpoint para generar respuestas usando OpenAI y ChromaDB"""
+    data = request.json
+    message = data.get("message", "")
+    system_message = data.get("system_message", "Eres un asistente virtual.")
+    max_tokens = data.get("max_tokens", 512)
+    temperature = data.get("temperature", 0.7)
+    top_p = data.get("top_p", 0.95)
+
+    if not message:
+        return jsonify({"error": "El campo 'message' es obligatorio."}), 400
+
+    # Obtener documentos relevantes
+    contexto = obtener_extractos(message)
+
+    # Construir el mensaje del sistema con el contexto
+    system_message_final = f"""{system_message}
+    Información relevante extraída de los documentos:
+    {contexto}
+    """
+
+    messages = [
+        {"role": "system", "content": system_message_final},
+        {"role": "user", "content": message}
+    ]
+
+    try:
+        # Llamar a la API de OpenAI
+        response = client.chat.completions.create(
+            model="gpt-4o-mini",
+            messages=messages,
+            max_tokens=max_tokens,
+            temperature=temperature,
+            top_p=top_p
+        )
+
+        completion = response.choices[0].message.content
+        return jsonify({"response": completion, "context": contexto})
+
+    except Exception as e:
+        return jsonify({"error": str(e)}), 500
+
+if __name__ == '__main__':
+    app.run(host="0.0.0.0", port=7860)