Update app.py

app.py

@@ -9,36 +9,100 @@ from functions import *
 from config import *
 from dotenv import load_dotenv
 
-def load_existing_indexes():
-    """Se connecter aux index Pinecone existants."""
+
+# Charger les variables d'environnement
+load_dotenv()
+
+# Initialiser l'état de chat globalement
+if "chat_history" not in st.session_state:
+    st.session_state.chat_history = []
+
+def check_indexes_ready():
+    """Vérifie que les index Pinecone sont prêts."""
     try:
-        # Connexion aux index
-        sparse_index = pc.Index(sparse_index_name)
-        dense_index = pc.Index(dense_index_name)
-        st.write(f"Connexion aux index '{sparse_index_name}' et '{dense_index_name}' réussie.")
-        return sparse_index, dense_index
+        # Vérifier que les index existent
+        existing_indexes = pc.list_indexes().names()
+        if sparse_index_name not in existing_indexes or dense_index_name not in existing_indexes:
+            st.error("Les index Pinecone ne sont pas prêts. Veuillez exécuter 'initialize_indexes.py'.")
+            return False
+        return True
     except Exception as e:
-        st.error(f"Erreur lors de la connexion aux index Pinecone : {e}")
-        return None, None
+        st.error(f"Erreur lors de la vérification des index Pinecone : {e}")
+        return False
+
+def process_query_A(query):
+    """Traite la requête de l'utilisateur avec l'architecture A."""
+    st.session_state.chat_history.append({"role": "user", "content": query})
+    with st.spinner("Recherche en cours..."):
+        initial_state = {"query": query, "messages": [], "relevant_docs": [], "response": ""}
+        result = agent_A.invoke(initial_state)
+        response = result["response"]
+        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},
+            outputs={"response": response},
+        )
+
+def process_query_B(query):
+    """Traite la requête de l'utilisateur avec l'architecture B."""
+    st.session_state.chat_history.append({"role": "user", "content": query})
+    with st.spinner("Recherche en cours..."):
+        # Récupérer les documents pertinents en utilisant la recherche hybride
+        relevant_docs = retrieve_documents_B(query)
+        
+        # Préparer l'état initial pour l'agent
+        initial_state = {
+            "query": query, 
+            "messages": [], 
+            "relevant_docs": relevant_docs,
+            "response": ""
+        }
+        
+        # Exécuter l'agent
+        result = agent_B.invoke(initial_state)
+        response = result["response"]
         
-# Point d'entrée de l'application
+        # Ajouter la réponse à l'historique de chat
+        st.session_state.chat_history.append({"role": "assistant", "content": response})
+        
+        # Enregistrer la requête et la réponse dans LangSmith
+        client.create_run(
+            name="RAG_Query",
+            run_type="chain",
+            project_name=langsmith_project,
+            inputs={"query": query, "relevant_docs": relevant_docs},
+            outputs={"response": response},
+        )
+
+def display_sidebar():
+    """Affiche la barre latérale."""
+    with st.sidebar:
+        st.title("📄 La confession muette")
+        st.write("Posez vos questions sur le document.")
+        st.image(agent_B.get_graph().draw_mermaid_png(), caption="Workflow Graph (Architecture B)")
+
+def display_chat_history():
+    """Affiche l'historique de chat."""
+    for message in st.session_state.chat_history:
+        if message["role"] == "user":
+            with st.chat_message("user"):
+                st.markdown(message["content"])
+        elif message["role"] == "assistant":
+            with st.chat_message("assistant"):
+                st.markdown(message["content"])
+
 def main():
-    # Charger les index existants au démarrage
-    sparse_index, dense_index = load_existing_indexes()
-    if not sparse_index or not dense_index:
-        st.error("Impossible de se connecter aux index Pinecone. Vérifiez votre configuration.")
+    """Point d'entrée de l'application."""
+    # Vérifier que les index Pinecone sont prêts
+    if not check_indexes_ready():
         return
 
-    # Initialiser l'historique de chat s'il n'existe pas
-    if "chat_history" not in st.session_state:
-        st.session_state.chat_history = []
-    
     st.title("Architecture A et B")
     use_architecture_B = st.checkbox("Utiliser l'architecture B (avancée)")
     
-    # Initialiser l'indexation en fonction de l'architecture sélectionnée
-    initialize_pdf_indexing(use_architecture_B=use_architecture_B)
-    
     display_sidebar()
     display_chat_history()
     
@@ -48,4 +112,7 @@ def main():
             process_query_B(query)
         else:
             process_query_A(query)
-        st.rerun()
+        st.rerun()
+
+if __name__ == "__main__":
+    main()