Create app.py

app.py

@@ -0,0 +1,188 @@
+import pandas as pd
+import streamlit as st
+from langchain.docstore.document import Document
+from langchain_huggingface import HuggingFaceEmbeddings
+from langchain_community.vectorstores import FAISS
+from langchain.chains import RetrievalQA
+from langchain.prompts import PromptTemplate
+from langchain_community.llms import HuggingFaceHub
+import os
+from huggingface_hub import HfApi
+
+# Configuration Streamlit
+st.set_page_config(page_title="Assistant Support Client", page_icon="🤖", layout="wide")
+
+# Récupération du token depuis les secrets de l'espace
+HUGGINGFACE_API_TOKEN = st.secrets["HUGGINGFACE_API_TOKEN"]
+
+# Création du dossier data s'il n'existe pas
+DATA_DIR = "data"
+os.makedirs(DATA_DIR, exist_ok=True)
+EMBEDDINGS_FILE = os.path.join(DATA_DIR, "faq_embeddings.pkl")
+
+# Configuration du client HF Hub
+hf_api = HfApi(token=HUGGINGFACE_API_TOKEN)
+
+@st.cache_resource
+def load_faq_data():
+    """Charge les données FAQ depuis un CSV"""
+    try:
+        df = pd.read_csv('data/customer_support_faq.csv')
+        documents = []
+        for _, row in df.iterrows():
+            question = row['question']
+            answer = row['answer']
+            documents.append(Document(page_content=f"Q: {question} A: {answer}"))
+        return documents
+    except Exception as e:
+        st.error(f"Erreur lors du chargement des données FAQ: {str(e)}")
+        return []
+
+@st.cache_resource
+def initialize_embeddings(_documents):
+    """Initialise ou charge les embeddings"""
+    try:
+        embeddings = HuggingFaceEmbeddings(
+            model_name="sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2"
+        )
+        vector_store = FAISS.from_documents(_documents, embeddings)
+        return vector_store
+    except Exception as e:
+        st.error(f"Erreur lors de l'initialisation des embeddings: {str(e)}")
+        return None
+
+@st.cache_resource
+def initialize_qa_chain(vector_store):
+    """Initialise la chaîne de question-réponse"""
+    try:
+        # Initialisation du modèle
+        llm = HuggingFaceHub(
+            repo_id="bigscience/bloom",  # Vous pouvez changer le modèle
+            huggingfacehub_api_token=HUGGINGFACE_API_TOKEN,
+            model_kwargs={"temperature": 0.5, "max_length": 512}
+        )
+
+        # Template de prompt
+        prompt_template = """Utilise le contexte suivant pour répondre à la question.
+        Si la réponse n'est pas dans le contexte, réponds "Je ne sais pas."
+        
+        Contexte: {context}
+        
+        Question: {question}
+        
+        Réponse:"""
+
+        PROMPT = PromptTemplate(
+            template=prompt_template,
+            input_variables=["context", "question"]
+        )
+
+        # Création de la chaîne QA
+        qa_chain = RetrievalQA.from_chain_type(
+            llm=llm,
+            chain_type="stuff",
+            retriever=vector_store.as_retriever(),
+            chain_type_kwargs={"prompt": PROMPT},
+            return_source_documents=False,
+        )
+        
+        return qa_chain
+    except Exception as e:
+        st.error(f"Erreur lors de l'initialisation de la chaîne QA: {str(e)}")
+        return None
+
+# CSS personnalisé
+st.markdown("""
+    <style>
+    .stApp {
+        background-color: #1E1E1E;
+    }
+    .user_message {
+        color: white;
+        background-color: #F85046;
+        padding: 10px;
+        border-radius: 10px;
+        margin: 10px 20px 10px auto;
+        text-align: left;
+        word-wrap: break-word;
+        display: inline-block;
+        max-width: 80%;
+    }
+    .bot_message {
+        color: #1E1E1E;
+        background-color: white;
+        padding: 10px;
+        border-radius: 10px;
+        margin: 10px 20px;
+        text-align: left;
+        word-wrap: break-word;
+        display: inline-block;
+        max-width: 80%;
+    }
+    .header {
+        font-size: 40px;
+        color: white;
+        padding: 20px;
+        text-align: center;
+        border-radius: 10px;
+        font-weight: bold;
+    }
+    .the_text {
+        color: #F9F8FD;
+        font-size: 20px;
+        margin-top: 20px;
+    }
+    .the_conv {
+        color: #F9F8FD;
+        font-size: 30px;
+    }
+    </style>
+""", unsafe_allow_html=True)
+
+# Interface utilisateur
+st.markdown('<div class="header">Assistant Support Client</div>', unsafe_allow_html=True)
+st.markdown('<div class="the_text">Posez votre question ci-dessous :</div>', unsafe_allow_html=True)
+
+# Initialisation de la session state
+if 'conversation' not in st.session_state:
+    st.session_state.conversation = []
+
+# Chargement des composants
+documents = load_faq_data()
+if documents:
+    vector_store = initialize_embeddings(documents)
+    if vector_store:
+        qa_chain = initialize_qa_chain(vector_store)
+        if qa_chain:
+            # Champ de saisie
+            user_query = st.text_input("", key="user_input")
+
+            # Bouton pour obtenir la réponse
+            if st.button("Obtenir une réponse", key="submit"):
+                if user_query:
+                    try:
+                        # Obtention de la réponse
+                        response = qa_chain({"query": user_query})
+                        answer = response["result"]
+                        
+                        # Ajout à l'historique
+                        st.session_state.conversation.append({
+                            "user": user_query,
+                            "bot": answer
+                        })
+
+                        # Affichage de la conversation
+                        st.markdown('<div class="the_conv">Conversation :</div>', unsafe_allow_html=True)
+                        for chat in st.session_state.conversation:
+                            st.markdown(
+                                f'<div class="user_message">🤵 : {chat["user"]}</div>',
+                                unsafe_allow_html=True
+                            )
+                            st.markdown(
+                                f'<div class="bot_message">🤖 : {chat["bot"]}</div>',
+                                unsafe_allow_html=True
+                            )
+                    except Exception as e:
+                        st.error(f"Erreur lors du traitement de la requête: {str(e)}")
+                else:
+                    st.warning("Veuillez entrer une question.")