RufiDev commited on
Commit
b68e86b
·
verified ·
1 Parent(s): 6937d5f

Update app.py

Browse files
Files changed (1) hide show
  1. app.py +6 -5
app.py CHANGED
@@ -1,8 +1,7 @@
1
  import os
2
- import shutil
3
  import gradio as gr
4
  from git import Repo
5
- from llama_index.core import SimpleDirectoryReader, VectorStoreIndex, ServiceContext, StorageContext
6
  from llama_index.embeddings.openai import OpenAIEmbedding
7
  from llama_index.llms.openai import OpenAI
8
 
@@ -19,14 +18,16 @@ if not os.path.exists(PROJECT_DIR):
19
  if not os.path.exists(PROJECT_DIR) or not os.listdir(PROJECT_DIR):
20
  raise ValueError(f"Erro: O diretório {PROJECT_DIR} está vazio ou não foi clonado corretamente.")
21
 
 
 
 
 
22
  # Lendo os arquivos do projeto
23
  documents = SimpleDirectoryReader(PROJECT_DIR).load_data()
24
 
25
  # Criando um índice vetorial para buscas
26
- service_context = ServiceContext.from_defaults(llm=OpenAI(), embed_model=OpenAIEmbedding())
27
  storage_context = StorageContext.from_defaults(persist_dir="storage")
28
-
29
- index = VectorStoreIndex.from_documents(documents, storage_context=storage_context, service_context=service_context)
30
 
31
  # Função para responder perguntas sobre o projeto
32
  def respond(message, history):
 
1
  import os
 
2
  import gradio as gr
3
  from git import Repo
4
+ from llama_index.core import SimpleDirectoryReader, VectorStoreIndex, StorageContext, Settings
5
  from llama_index.embeddings.openai import OpenAIEmbedding
6
  from llama_index.llms.openai import OpenAI
7
 
 
18
  if not os.path.exists(PROJECT_DIR) or not os.listdir(PROJECT_DIR):
19
  raise ValueError(f"Erro: O diretório {PROJECT_DIR} está vazio ou não foi clonado corretamente.")
20
 
21
+ # Configurar LlamaIndex corretamente
22
+ Settings.llm = OpenAI()
23
+ Settings.embed_model = OpenAIEmbedding()
24
+
25
  # Lendo os arquivos do projeto
26
  documents = SimpleDirectoryReader(PROJECT_DIR).load_data()
27
 
28
  # Criando um índice vetorial para buscas
 
29
  storage_context = StorageContext.from_defaults(persist_dir="storage")
30
+ index = VectorStoreIndex.from_documents(documents, storage_context=storage_context)
 
31
 
32
  # Função para responder perguntas sobre o projeto
33
  def respond(message, history):