Update main.py

main.py

@@ -2,6 +2,7 @@ from langchain_core.prompts import ChatPromptTemplate
 from langchain_google_genai import ChatGoogleGenerativeAI
 from langchain_community.document_loaders import DirectoryLoader
 from langchain_text_splitters import CharacterTextSplitter
+from langchain_community.document_loaders import PyPDFLoader
 from langchain_huggingface import HuggingFaceEmbeddings
 from typing import List
 from langchain_chroma import Chroma
@@ -44,6 +45,10 @@ directory_path = "./documents"
 loader = DirectoryLoader(directory_path, glob=glob_pattern)
 documents = loader.load()
 
+file_path = "./documents/prog.pdf"
+loader = PyPDFLoader(file_path)
+prog = loader.load()
+
 system = """
 Tu es un assistant spécialisé dans l'enseignement de l'enseigement Sciences Numériques et Technologie (SNT) de la classe de seconde'
 Ton interlocuteur est un élève qui suit l'enseigement SNT en classe de seconde
@@ -60,7 +65,7 @@ si tu proposes un exercice, tu dois bien vérifier que toutes les notions néces
 prompt = ChatPromptTemplate.from_messages(
     [
         ("system", system),
-        ("human", "Résumé du cours de SNT : \n {documents} \n\n Historique conversation entre l'assistant et l'élève : \n {historical} \n\n Intervention de l'élève : {question}"),
+        ("human", "Programme officiel de SNT: \n {prog} \n\n" "Résumé du cours de SNT : \n {documents} \n\n Historique conversation entre l'assistant et l'élève : \n {historical} \n\n Intervention de l'élève : {question}"),
     ]
 )
 
@@ -76,7 +81,7 @@ class GraphState(TypedDict):
     messages: Annotated[list[AnyMessage], add_messages]
 
 def chatbot(state : GraphState):
-    question = prompt.invoke({'historical': format_historical(state['messages']), 'documents':documents ,  'question' : state['messages'][-1].content[0]['text']})
+    question = prompt.invoke({'historical': format_historical(state['messages']),'prog':prog, 'documents':documents ,  'question' : state['messages'][-1].content[0]['text']})
     q = question.messages[0].content + question.messages[1].content
     if len(state['messages'][-1].content) > 1 :
         response = llm.invoke([HumanMessage(