Create app.py

app.py

@@ -0,0 +1,39 @@
+from llama_index.core import VectorStoreIndex, SimpleDirectoryReader
+import gradio as gr
+
+def answer(message, history):
+    files = []  # Lista para almacenar los archivos del usuario
+
+    # Recorre el historial de mensajes para encontrar archivos previamente cargados
+    for msg in history:
+        if msg['role'] == "user" and isinstance(msg['content'], tuple):
+            files.append(msg['content'][0])  # Extrae el nombre del archivo
+
+    # Agrega los nuevos archivos enviados con el mensaje actual
+    for file in message["files"]:
+        files.append(file)
+
+    # Usa SimpleDirectoryReader para cargar el contenido de los archivos
+    documents = SimpleDirectoryReader(input_files=files).load_data()
+
+    # Crea un índice vectorial a partir de los documentos cargados
+    index = VectorStoreIndex.from_documents(documents)
+
+    # Crea un motor de consulta para buscar dentro del índice
+    query_engine = index.as_query_engine()
+
+    # Realiza la consulta usando el texto ingresado por el usuario y devuelve la respuesta como string
+    return str(query_engine.query(message["text"]))
+
+# Define la interfaz de chat de Gradio
+demo = gr.ChatInterface(
+    answer,                      # Función que procesa cada mensaje
+    type="messages",             # El historial se maneja como lista de mensajes con roles
+    title="Llama Index RAG v1",  # Título del chatbot
+    description="Upload any text or pdf files and ask questions about them!",  # Descripción visible para el usuario
+    textbox=gr.MultimodalTextbox(file_types=[".pdf", ".txt"]),  # Caja de entrada que permite texto y archivos
+    multimodal=True              # Habilita el soporte para entrada multimodal (texto + archivos)
+)
+
+# Lanza la aplicación de Gradio para que se abra en el navegador
+demo.launch()