Update app.py

app.py

@@ -1,41 +1,40 @@
 import streamlit as st
 from config import index, client, langsmith_project
 from pdf_processing import get_existing_pdf, load_and_preprocess_pdf, split_text
-from pinecone_utils import index_pdf, retrieve_documents, decompress_text
-from graph_agent import agent
+from pinecone_utilsA import index_pdf as index_pdf_A, retrieve_documents as retrieve_documents_A, decompress_text
+from pinecone_utilsB import index_pdf as index_pdf_B, retrieve_documents as retrieve_documents_B
+from graph_agentA import agent as agent_A
+from graph_agentB import agent as agent_B
 
-# Load and index PDF (only once)
+# 🔹 Initialisation de l'indexation PDF (commune aux deux architectures)
 @st.cache_resource
 def initialize_pdf_indexing():
     pdf_path = get_existing_pdf()
     if pdf_path:
         text = load_and_preprocess_pdf(pdf_path)
         texts = split_text(text)
-        index_pdf(texts)
+        index_pdf_A(texts)  # Indexation pour l'architecture A
+        index_pdf_B(texts)  # Indexation pour l'architecture B
 
-# Initialize PDF indexing
+# Initialiser l'indexation PDF
 initialize_pdf_indexing()
 
 # 🔹 Initialisation de l'historique des interactions
 if "chat_history" not in st.session_state:
     st.session_state.chat_history = []
 
-# 🔹 Fonction pour traiter la requête de l'utilisateur
-def process_query(query):
-    """Process the user query and update the chat history."""
-    # Ajouter la question de l'utilisateur à l'historique
+# 🔹 Fonction pour traiter la requête de l'utilisateur (Architecture A)
+def process_query_A(query):
+    """Traitement de la requête avec l'architecture A."""
     st.session_state.chat_history.append({"role": "user", "content": query})
 
-    # Exécuter l'agent avec un indicateur de chargement
     with st.spinner("Recherche en cours..."):
         initial_state = {"query": query, "messages": [], "relevant_docs": [], "response": ""}
-        result = agent.invoke(initial_state)
+        result = agent_A.invoke(initial_state)
         response = result["response"]
 
-        # Ajouter la réponse de l'assistant à l'historique
         st.session_state.chat_history.append({"role": "assistant", "content": response})
 
-        # Log the query and response in LangSmith
         client.create_run(
             name="RAG_Query",
             run_type="chain",
@@ -44,20 +43,44 @@ def process_query(query):
             outputs={"response": response},
         )
 
-# 🔹 Barre latérale 
+# 🔹 Fonction pour traiter la requête de l'utilisateur (Architecture B)
+def process_query_B(query):
+    """Traitement de la requête avec l'architecture B."""
+    st.session_state.chat_history.append({"role": "user", "content": query})
+
+    with st.spinner("Recherche en cours..."):
+        retrieved_docs = retrieve_documents_B(query)
+        
+        initial_state = {
+            "query": query, 
+            "messages": [], 
+            "combined_docs": retrieved_docs,  # 🔹 Fusion des résultats
+            "response": ""
+        }
+        result = agent_B.invoke(initial_state)
+        response = result["response"]
 
-# Charger le contenu du PDF
-lien_ressource = "https://huggingface.co/spaces/bziiit/RAG_architectures/blob/main/La%20Confession%20muette.pdf"
+        st.session_state.chat_history.append({"role": "assistant", "content": response})
+
+        client.create_run(
+            name="RAG_Query",
+            run_type="chain",
+            project_name=langsmith_project,
+            inputs={"query": query, "retrieved_docs": retrieved_docs},
+            outputs={"response": response},
+        )
 
+# 🔹 Barre latérale améliorée
 def display_sidebar():
-    """Display the sidebar with additional information and options."""
+    """Affiche la barre latérale avec des informations supplémentaires."""
     with st.sidebar:
-        st.markdown("Document ressource :  \n📄[La confession muette]({})".format(lien_ressource))
-        st.image(agent.get_graph().draw_mermaid_png(), caption="Workflow Graph")
+        st.title("📄 La confession muette")
+        st.write("Posez vos questions sur le document.")
+        st.image(agent_A.get_graph().draw_mermaid_png(), caption="Workflow Graph")
 
 # 🔹 Afficher l'historique de chat
 def display_chat_history():
-    """Display the chat history in a conversational format."""
+    """Affiche l'historique de chat dans un format conversationnel."""
     for message in st.session_state.chat_history:
         if message["role"] == "user":
             with st.chat_message("user"):
@@ -68,8 +91,11 @@ def display_chat_history():
 
 # 🔹 Point d'entrée de l'application
 def main():
-    """Main function to run the Streamlit app."""
-    st.title("Architecture A")
+    """Fonction principale pour exécuter l'application Streamlit."""
+    st.title("Architecture A et B")
+
+    # 🔹 Checkbox pour choisir l'architecture
+    use_architecture_B = st.checkbox("Utiliser l'architecture B (avancée)")
 
     # Afficher la barre latérale
     display_sidebar()
@@ -80,10 +106,11 @@ def main():
     # Case d'entrée des questions en bas
     query = st.chat_input("Posez votre question ici:")
     if query:
-        process_query(query)
+        if use_architecture_B:
+            process_query_B(query)  # Utiliser l'architecture B
+        else:
+            process_query_A(query)  # Utiliser l'architecture A
         st.rerun()  # Rafraîchir la page pour afficher immédiatement les nouvelles réponses
 
 if __name__ == "__main__":
-    main()
-
-    
+    main()