affichage prompt

app.py

@@ -1,119 +1,31 @@
 import streamlit as st
-import json
+
 import logging
-import os
-import spacy
-from typing import List, Tuple
-from pydantic import BaseModel, Field
-from langchain.output_parsers import PydanticOutputParser
-from langchain.prompts import PromptTemplate
 from langchain.chat_models import ChatOpenAI
 
 # Import the function for detecting the "est une étape" pattern
-from est_une_etape import une_etape
-
-# Configure logging
-logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
-
-# Load the French spaCy model
-nlp = spacy.load('fr_core_news_md')
-
-# Pydantic models for style error detection
-class StyleErrorDetection(BaseModel):
-    erroneous_expression: str = Field(..., description="L'expression ou la tournure incorrecte détectée")
-    correct_suggestion: str = Field(..., description="La correction ou suggestion correcte")
-    occurrences: int = Field(..., description="Nombre d'occurrences de l'expression erronée")
-    indices: List[Tuple[int, int]] = Field(..., description="Indices de début et de fin pour chaque occurrence")
-
-class StyleErrorSummary(BaseModel):
-    total_style_errors_detected: int = Field(..., description="Nombre total de fautes de style détectées")
-
-class StyleErrorResult(BaseModel):
-    style_errors: List[StyleErrorDetection] = Field(..., description="Liste des fautes de style détectées")
-    summary: StyleErrorSummary = Field(..., description="Résumé des fautes de style détectées")
-
-# Create the output parser
-output_parser = PydanticOutputParser(pydantic_object=StyleErrorResult)
-
-# Prompt template with format instructions
-prompt_template = """
-Tu es un détecteur de texte AI très précis. Je vais te donner un texte, et ta mission est de repérer des fautes de style.
-Cela inclut les répétitions, les tournures de phrases maladroites, et les mauvais choix de mots.
-Pour chaque erreur détectée, tu dois fournir les informations suivantes :
-- L'expression ou la tournure incorrecte détectée
-- La correction ou suggestion correcte
-- Le nombre d'occurrences de l'expression erronée
-- Les indices de début et de fin pour chaque occurrence
-
-Le texte à analyser est le suivant :
-```{text}```
-
-Voici le format attendu pour la sortie :
-{format_instructions}
-"""
-
-def get_llm_chain():
-    prompt = PromptTemplate(
-        input_variables=["text"],
-        template=prompt_template,
-        partial_variables={"format_instructions": output_parser.get_format_instructions()},
-    )
-
-    llm = ChatOpenAI(
-        model='gpt-4o',
-        temperature=0.5,
-        api_key="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",
-        verbose=True
-    )
-
-    llm_chain = prompt | llm | output_parser
-    return llm_chain
-
-def analyze_style_errors(text: str) -> dict:
-    logging.info(f"Analyzing text: {text[:100]}...")
-    llm_chain = get_llm_chain()
-    logging.info("Running the LLM chain.")
-    result = llm_chain.invoke({"text": text})
-    logging.info("LLM chain completed.")
-    return result
-
-# Function to detect forms of the verb "permettre" in a text
-def detect_permettre_forms(text: str) -> list:
-    doc = nlp(text)
-    resultats = []
-    for i, token in enumerate(doc):
-        # Vérifier si le lemme est "permettre" et que le mot est un verbe (autre que "permis")
-        if token.lemma_ == "permettre" and token.pos_ == "VERB" and token.text.lower() != "permis":
-            resultats.append((token.text, token.idx))
-        # Traiter spécifiquement le mot "permis"
-        elif token.text.lower() == "permis":
-            est_verbe = False
-            # Vérifier si le mot précédent est un auxiliaire
-            if i > 0 and doc[i - 1].pos_ == "AUX":
-                est_verbe = True
-            # Vérifier si le mot suivant est "de" suivi d'un verbe à l'infinitif
-            elif i + 2 < len(doc) and doc[i + 1].text.lower() == "de" and doc[i + 2].pos_ == "VERB" and "Inf" in doc[i + 2].tag_:
-                est_verbe = True
-            # Vérifier si le mot précédent est un déterminant (le, la, un, une, etc.)
-            elif i > 0 and doc[i - 1].pos_ == "DET":
-                est_verbe = False
-            else:
-                # Autres cas, on suppose que c'est un nom
-                est_verbe = False
-
-            if est_verbe:
-                resultats.append((token.text, token.idx))
-    return resultats
+from est_une_etape import une_etape, une_etape_prompt_template
 
 # Interface Streamlit
 st.title("Analyse du texte")
 
+# Liste des templates de prompt
+List_prompt = {
+    "< Détection du pattern 'est une étape' >": une_etape_prompt_template,
+    # Ajoutez d'autres options ici si nécessaire
+}
+
 # Menu déroulant pour sélectionner l'analyse
 option = st.selectbox(
     "Choisissez l'analyse à effectuer :",
-    ("< Détection du pattern 'est une étape' >")# , "Détection du verbe 'permettre'"
+    List_prompt.keys()
 )
 
+# Afficher le prompt correspondant à l'option sélectionnée
+selected_prompt = List_prompt.get(option, "")
+st.subheader("Prompt correspondant à l'option sélectionnée")
+st.text_area("Voici le prompt utilisé pour cette analyse :", value=selected_prompt, height=300, disabled=True)
+
 # Champ de saisie du texte
 input_text = st.text_area("Entrez votre texte ici :", height=200)
 
@@ -137,19 +49,20 @@ if st.button("Lancer l'analyse"):
                 logging.error(f"Error during analysis: {e}")
                 st.error(f"Une erreur s'est produite lors de l'analyse : {str(e)}")
         elif option == "Détection du verbe 'permettre'":
-            try:
-                # Détecter les formes du verbe "permettre"
-                result = detect_permettre_forms(input_text)
-
-                # Afficher les résultats
-                st.subheader("Résultats de la détection du verbe 'permettre'")
-                if result:
-                    for mot, index in result:
-                        st.write(f"Mot : '{mot}' à l'index {index}")
-                else:
-                    st.write("Aucune forme du verbe 'permettre' n'a été trouvée.")
-            except Exception as e:
-                logging.error(f"Error during detection: {e}")
-                st.error(f"Une erreur s'est produite lors de la détection : {str(e)}")
+            pass
+            # try:
+            #     # Détecter les formes du verbe "permettre"
+            #     result = detect_permettre_forms(input_text)
+
+            #     # Afficher les résultats
+            #     st.subheader("Résultats de la détection du verbe 'permettre'")
+            #     if result:
+            #         for mot, index in result:
+            #             st.write(f"Mot : '{mot}' à l'index {index}")
+            #     else:
+            #         st.write("Aucune forme du verbe 'permettre' n'a été trouvée.")
+            # except Exception as e:
+            #     logging.error(f"Error during detection: {e}")
+            #     st.error(f"Une erreur s'est produite lors de la détection : {str(e)}")
     else:
         st.error("Veuillez entrer du texte pour lancer l'analyse.")

est_une_etape.py

@@ -55,10 +55,7 @@ class DetectionResult(BaseModel):
             "summary": self.summary.to_dict()
         }
 
-
-def une_etape(text):
-    # Créer le template avec la variable text intégrée directement
-    prompt_template = """
+est_une_etape_prompt_template = """
     Analyser le texte suivant et identifier toutes les phrases où une expression similaire à "est une étape" est utilisée,
     y compris des variantes comme "est une étape", "constitue une étape", "représente une étape", "marque une étape",
     "signifie une étape", "symbolise une étape", etc.
@@ -105,6 +102,10 @@ def une_etape(text):
     \n{format_instruction}
     """
 
+def une_etape(text):
+    # Créer le template avec la variable text intégrée directement
+    prompt_template = template
+
     output_parser = PydanticOutputParser(pydantic_object=DetectionResult)
 
     # Créer le prompt avec le texte intégré
@@ -131,7 +132,7 @@ def une_etape(text):
 
     final_prompt = gen_prompt_template.format(text=text)
     # Retourne les suggestions ou les erreurs de parsing
-    
+
     return {
         "result": json_result,
         "prompt": final_prompt