LLM-project / chatbot.py
linusedman's picture
Removed the .env support since it is not in use anymore
388464c verified
# -*- coding: utf-8 -*-
"""
Created on Wed Oct 15 11:06:24 2025
Updated on Sun Oct 19 13:32:50 2025
@author 1: Lovisa
@author 2: Agnes
@author 3: Linus
"""
import os
from google import genai
from google.genai import types
import gradio as gr
import mimetypes
import pdfplumber
from PIL import Image
KEY = os.environ.get("GEMINI_API_KEY")
FAISS_INDEX = os.environ.get("FAISS_FOLDER")
client = genai.Client(api_key=KEY)
default_model = "gemini-2.5-flash"
from langchain_community.vectorstores import FAISS # "db" to store and retrieve embeddings
from langchain_huggingface import HuggingFaceEmbeddings
embeddings = HuggingFaceEmbeddings(model_name="KBLab/sentence-bert-swedish-cased")
db = FAISS.load_local(FAISS_INDEX, embeddings, allow_dangerous_deserialization=True) # Load the vector database
def response_stream(inputs, history):
user_text = ""
user_images = []
if isinstance(inputs, dict):
user_text = inputs.get("text", "").lower()
files = inputs.get("files", [])
if files:
for file_path in files:
try:
mime_type, _ = mimetypes.guess_type(file_path) # Guesses "the filetype based on its filename, path or URL, given by url"
if mime_type and mime_type.startswith("image/"):
# Handle image input
user_images.append(Image.open(file_path))
elif mime_type and mime_type.startswith("text/"):
# Handle plain text input
with open(file_path, "r", encoding="utf-8", errors="ignore") as f:
user_text += "\n" + f.read()
elif mime_type == "application/pdf" or file_path.lower().endswith(".pdf"):
# Handle PDF input
try:
with pdfplumber.open(file_path) as pdf:
pdf_text = "\n".join(page.extract_text() or "" for page in pdf.pages)
user_text += "\n" + pdf_text
except Exception as e:
user_text += f"\n(Kunde inte läsa PDF: {e})"
else:
# Unsupported file types
user_text += "\n(Filtypen stöds inte ännu.)"
except Exception as e:
user_text += "\nFel vid läsning av fil {file_path}: {e}"
else:
user_text = inputs.lower()
# special greetings from example file
if user_text=="hej":
yield "Hej, jag är din livsmedelsexpert. Vad kan jag hjälpa dig med?"
return
elif "hejdå" in user_text:
yield "Hejdå! Ha en fortsatt trevlig dag :)"
return
history_text = "Fortsätt konversationen.\n\n"
for user_msg, bot_msg in history:
history_text += f"Användare: {user_msg}\nAssistent: {bot_msg}\n"
# Add context from RAG if any text has been inputted by the user
if len(user_text) > 0:
context = db.similarity_search(user_text, k=5)
history_text += "\n\n" + "Kontext:\n" + "".join([chunk.page_content + "\n Source: " + chunk.metadata["source"] for chunk in context]) + "\n"
# Add latest user input
history_text += f"Användare: {user_text}\nAssistent:"
contents = []
if len(user_images) > 0:
contents.extend(user_images)
contents.append(history_text)
try:
gemini_stream = client.models.generate_content_stream(
model=default_model,
contents=contents,
config=types.GenerateContentConfig(
temperature=0.0,
max_output_tokens=2000,
system_instruction="Du är en livsmedelsexpert med djup kunskap inom Sveriges och EUs lagar kring livsmedel.\
Besvara användarens frågor enligt kontexten, ta hänsyn till alla filer som användaren tillhandahåller.\
Var artig och pedagogisk. OM några förordningar finns med i kontexten SÅ avsluta varje meddelande med en lista av de relevanta förordningarna.",
thinking_config=types.ThinkingConfig(thinking_budget=0),
safety_settings=[
types.SafetySetting(
category="HARM_CATEGORY_DANGEROUS_CONTENT",
threshold="BLOCK_MEDIUM_AND_ABOVE"
),
types.SafetySetting(
category="HARM_CATEGORY_HARASSMENT",
threshold="BLOCK_MEDIUM_AND_ABOVE"
),
types.SafetySetting(
category="HARM_CATEGORY_SEXUALLY_EXPLICIT",
threshold="BLOCK_MEDIUM_AND_ABOVE"
),
types.SafetySetting(
category="HARM_CATEGORY_HATE_SPEECH",
threshold="BLOCK_MEDIUM_AND_ABOVE"
)
]
)
)
# Yield chunks for live updates
partial_response = ""
for chunk in gemini_stream:
if chunk.text:
partial_response += chunk.text
yield partial_response
except Exception as e:
# Handle streaming failure without crashing the chatbot
yield "Ursäkta, ett fel uppstod! Kan du upprepa dig snälla!"
return
with gr.Blocks(
fill_height=True,
css="""
/* Colors commonly used on the website of livsmedelsverket and the kontrollwiki
orange-crayola: #f2712e;
white: #ffffff;
van-dyke: #4c3d38;
verdigris: #6cacad;
dark-cyan: #2a898b;
*/
/* Top title */
.title {
text-align: center;
color: #f2712e;
font-size: 60px;
font-weight:bold;
}
/* Title text */
.gradio-container .prose h1 {
color: #f2712e !important;
}
/* Whole app background */
.gradio-container {
background-color: #6cacad !important;
}
#chat-bot .multimodal-textbox textarea {
background-color: #ffffff;
color: #4c3d38;
border: 2px solid #6cacad;
border-radius: 8px;
padding: 6px;
}
#info-box .info-container {
background-color: #f8b88b;
color: #ffffff;
padding: 12px;
border: 2px solid #f2712e;
border-radius: 10px ;
}
#info-box h3 {
color: #f2712e !important;
""") as demo:
gr.HTML(
"""
<div class="title">FoodLex</div>
"""
)
with gr.Row():
with gr.Column(scale=3):
with gr.Group(elem_id="chat-bot"):
chatbot = gr.ChatInterface(
fn=response_stream,
chatbot=gr.Chatbot(height=600),
multimodal=True,
textbox=gr.MultimodalTextbox(
placeholder="Fråga mig något, så hjälper jag dig!",
file_count="multiple"),
title="Din livsmedelsexpert",
)
with gr.Column(scale=1):
with gr.Group(elem_id="info-box"):
gr.HTML(
"""
<div class="info-container">
<h3>Viktig information</h3>
<p>Hej kära användare! Jag är din AI-livsmedelsexpert, här för att hjälpa dig med frågor kring livsmedel och relaterade lagar i Sverige och EU.<br><br>
Trots min expertis kan jag ibland göra misstag, så tveka inte att dubbelkolla viktig information. Jag hämtar kontext från konsoliderade
versioner av EU-lagar fram till september 2025, så för de allra senaste uppdateringarna rekommenderar jag att du konsulterar officiella
källor såsom EUR-Lex eller experter inom området.<br><br>
Tack för att du använder vår tjänst!</p>
</div>
"""
)
if __name__ == "__main__":
demo.launch(share=False)