Update main.py

main.py

@@ -1,6 +1,7 @@
 import os
 import json
 import bcrypt
+import js2py
 from typing import List
 from pathlib import Path
 from langchain_huggingface import HuggingFaceEmbeddings
@@ -104,7 +105,7 @@ def Search(input, categorie):
                     count = count + 1
                     test.append(search[i].metadata['Lien'])
                     sources_text = sources_text + str(count) + ". " + search[i].metadata['Titre'] + ', ' + search[i].metadata['Auteurs'] + ', ' + search[i].metadata['Lien'] + "\n"
-                    verbatim_text = verbatim_text + "<p>" + str(count) + ". " + search[i].metadata['Phrase'] + "</p><p>&nbsp;</p>"
+                    verbatim_text = verbatim_text + "<p style='font-size:0.8rem'>" + str(count) + ". " + search[i].metadata['Phrase'] + "</p><p>&nbsp;</p>"
         
     else:
         search = vectorstore.similarity_search(input,k=50, filter={"year": {"$gte": 2019}})
@@ -112,7 +113,7 @@ def Search(input, categorie):
             if count <= 15:
                 count = count + 1
                 sources_text = sources_text + str(count) + ". " + search[i].metadata['title'] + ' (JDLP : ' + str(search[i].metadata['year']) + '), ' + search[i].metadata['author'] + ', https://cipen.univ-gustave-eiffel.fr/fileadmin/CIPEN/OPP/' + search[i].metadata['file'] + "\n"
-                verbatim_text = verbatim_text + "<p>" + str(count) + ". JDLP : " + search[i].metadata['jdlp'] + "</p><p>" + search[i].page_content + "</p>"
+                verbatim_text = verbatim_text + "<p style='font-size:0.8rem'>" + str(count) + ". JDLP : " + search[i].metadata['jdlp'] + "</p><p>" + search[i].page_content + "</p>"
                     
     results = [sources_text, verbatim_text]
     return results
@@ -206,6 +207,8 @@ async def on_message(message: cl.Message):
         #    ]),
         #):
         #    await msg.stream_token(chunk)
+        js2py.eval_js(f"console.log( {message.content} )")
+        
         cb = cl.AsyncLangchainCallbackHandler()
         with tracing_v2_enabled():
             results = await runnable.acall("Contexte : Vous êtes un chercheur de l'enseignement supérieur et vous êtes doué pour faire des analyses d'articles de recherche sur les thématiques liées à la pédagogie, en fonction des critères définis ci-avant. En fonction des informations suivantes et du contexte suivant seulement et strictement, répondez en langue française strictement à la question ci-dessous à partir du contexte ci-dessous. En plus, tu créeras 3 questions supplémentaires en relation avec le contexte initial. Tu écriras les 3 questions supplémentaires en relation avec le contexte initial, avec un titrage de niveau 1 qui a pour titre \"Questions en relation avec le contexte : \". Si vous ne pouvez pas répondre à la question sur la base des informations, dites que vous ne trouvez pas de réponse ou que vous ne parvenez pas à trouver de réponse. Essayez donc de comprendre en profondeur le contexte et répondez uniquement en vous basant sur les informations fournies. Ne générez pas de réponses non pertinentes. Question : " + message.content, callbacks=[cb])