g

model.py

@@ -5,36 +5,50 @@ from langchain_mistralai import ChatMistralAI
 import chromadb
 from huggingface_hub import hf_hub_download
 import os
+import shutil
+
 # Obtener el token desde las variables de entorno de Hugging Face Space
 HF_TOKEN = os.getenv("HF_TOKEN")
 if HF_TOKEN is None:
     raise ValueError("No se encontró la variable de entorno HF_TOKEN.")
 
+# Eliminar caché previa para forzar la descarga
+def eliminar_cache_huggingface():
+    cache_path = "/home/user/.cache/huggingface/hub/datasets--VictorCarr02--Conversational-Agent-LawsEC"
+    if os.path.exists(cache_path):
+        shutil.rmtree(cache_path)
+        print("Caché anterior eliminada. Forzando nueva descarga.")
+
+# Eliminar la caché antes de la descarga
+eliminar_cache_huggingface()
+
+# Descargar los archivos
 embedding_path = hf_hub_download(
     repo_id="VictorCarr02/Conversational-Agent-LawsEC",
     repo_type="dataset",
     filename="data_level0.bin",
-    token=HF_TOKEN
+    token=HF_TOKEN,
+    force_download=True  # Fuerza la descarga
 )
 
 chroma_path = hf_hub_download(
     repo_id="VictorCarr02/Conversational-Agent-LawsEC",
     repo_type="dataset",
     filename="chroma.sqlite3",
-    token=HF_TOKEN
+    token=HF_TOKEN,
+    force_download=True  # Fuerza la descarga
 )
 
 print("Archivos descargados en:")
 print(f"Embeddings: {embedding_path}")
 print(f"ChromaDB: {chroma_path}")
+
 # Cargar ChromaDB y los embeddings
 chromadb_client = chromadb.PersistentClient(path=chroma_path)
 collection = chromadb_client.get_or_create_collection(name="mis_embeddings")
 embeddings = HuggingFaceEmbeddings(model_name="mistralai/MistralAIEmbeddings", path=embedding_path)
 vector_store = Chroma(collection=collection, embedding_function=embeddings)
 
-
-
 # Acceder a la clave API desde la variable de entorno
 api_key = os.getenv("MISTRAL_API_KEY")