initial commit

.env

@@ -0,0 +1,3 @@
+OPENAI_API_KEY="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"
+PINECONE_API_KEY="7279bddb-c200-4f98-b5da-4815c5cf391b"
+PINECONE_ENV="gcp-starter"

app.py

@@ -0,0 +1,97 @@
+import os
+import pinecone
+import gradio as gr
+from langchain.chains import LLMChain
+from langchain.prompts import PromptTemplate
+from langchain.chat_models import ChatOpenAI
+from langchain.vectorstores import Pinecone
+from langchain.embeddings.openai import OpenAIEmbeddings
+
+from dotenv import load_dotenv, find_dotenv
+load_dotenv(find_dotenv(), override=True)
+
+PINECONE_API_KEY = os.environ.get('PINECONE_API_KEY')
+PINECONE_ENV = os.environ.get('PINECONE_ENV')
+
+embeddings = OpenAIEmbeddings()
+
+pinecone.init(
+    api_key=PINECONE_API_KEY,
+    environment=PINECONE_ENV
+)
+
+index_name = "okean"
+index = pinecone.Index(index_name)
+
+llm = ChatOpenAI(model='gpt-4-1106-preview', temperature=0)
+
+template="""Assistente é uma IA que tira dúvidas de um manual e documentação. Os documentos tem conteudo em ingles e portugues mas responda sempre em português.
+    Assistente elabora repostas simplificadas, com base no contexto fornecido.
+    Assistente fornece referências extraídas do contexto abaixo. 
+    Caso não consiga encontrar no contexto abaixo ou caso a pergunta não esteja relacionada do contexto do manual, 
+    diga apenas 'Eu não sei!'
+    Pergunta: {query}
+
+    Contexto: {context}
+    Referência: [Página: {page}, Fonte: {source}]
+"""
+
+prompt = PromptTemplate(
+    template=template,
+    input_variables=["query", "context", "page", "source"]
+)
+
+historico = []
+
+def clear_history():
+    global historico
+    historico = []
+    return "Histórico limpo!", "Histórico de perguntas e respostas aqui..."
+
+
+def search(query):
+    global historico
+    # Adiciona a pergunta ao histórico
+    historico.append(f"Pergunta: {query}")
+
+    # Realiza a busca por similaridade
+    docsearch = Pinecone.from_existing_index(index_name, embeddings)
+    docs = docsearch.similarity_search(query, k=3)
+
+    first_doc = docs[0]
+    page_ref = first_doc.metadata['page']
+    source_ref = first_doc.metadata['source']
+
+    # Concatena o conteúdo das páginas com o histórico e inclui os metadados
+    context = ' '.join(historico)
+    for doc in docs:
+        print(doc)
+        context += f" {doc.page_content} [Referência: Página - {doc.metadata['page']}, Fonte - {doc.metadata['source']}]"
+
+
+    # Chama a cadeia LLM com o novo contexto
+    resp = LLMChain(prompt=prompt, llm=llm)    
+    answer = resp.run(query=query, context=context, page=page_ref, source=source_ref)
+
+    # Formatar a resposta para incluir as informações de página e fonte
+    formatted_answer = f"{answer}\n\nReferência: Página - {page_ref}, Fonte - {source_ref}"
+
+
+    # Adiciona a resposta ao histórico
+    historico.append(f"Resposta: {formatted_answer}")
+
+    # Retorne tanto a resposta quanto o histórico atualizado
+    return formatted_answer, "\n".join(historico)
+
+
+
+with gr.Blocks(title="Chatbot Inteligente", theme=gr.themes.Soft()) as ui:
+    gr.Markdown("# Sou uma IA que tem o manual OKEAN como base de conhecimento")
+    query = gr.Textbox(label='Faça a sua pergunta:', placeholder="EX: como funcionam o sistema de propulsão?")
+    text_output = gr.Textbox(label="Resposta")
+    historico_output = gr.Textbox(label="Histórico", value="Histórico de perguntas e respostas aqui...")
+    btn = gr.Button("Perguntar")
+    clear_btn = gr.Button("Limpar Histórico")  # Novo botão para limpar o histórico
+    btn.click(fn=search, inputs=query, outputs=[text_output, historico_output])
+    clear_btn.click(fn=clear_history, inputs=[], outputs=[text_output, historico_output])  # Vincula a nova função ao botão
+ui.launch(debug=True, share=True)

requeriments.txt

@@ -0,0 +1,10 @@
+openai==0.28.1
+langchain==0.0.349
+pinecone-client==2.2.4
+python-dotenv==1.0.0
+tiktoken==0.5.2
+wikipedia==1.4.0
+pypdf==3.17.1
+llmx==0.0.18a0
+gradio==4.12.0
+langchain_experimental==0.0.46