Update app (historial)

app.py

@@ -3,6 +3,7 @@ import os
 
 from groq import Groq
 from PyPDF2 import PdfReader
+from datetime import datetime
 from langchain.text_splitter import RecursiveCharacterTextSplitter
 from langchain_community.embeddings import HuggingFaceEmbeddings 
 #from langchain.vectorstores import FAISS
@@ -32,6 +33,21 @@ modelos_llm = [
 ]
 modelo_llm = st.selectbox('Modelo de lenguaje', list(modelos_llm))
 
+
+def save_to_file():
+    with open("historial.txt", "a", encoding="utf-8") as archivo:
+        # Añadir la fecha y hora actual
+        archivo.write("-" * 25 )
+        fecha_hora_actual = datetime.now().strftime("%Y-%m-%d %H:%M")
+        archivo.write(f" {fecha_hora_actual} ")
+        archivo.write(f" ({file_name}) ")
+        archivo.write("-" * 25 + "\n")
+        # Guardar preguntas
+        archivo.write(f"Pregunta: {user_question}\n")
+        # Guardar respuestas
+        archivo.write(f"Respuesta: {respuesta}\n")
+
+
 @st.cache_resource 
 def create_embeddings(pdf):
     pdf_reader = PdfReader(pdf)
@@ -53,8 +69,9 @@ def create_embeddings(pdf):
 
 
 if pdf_obj:
+    file_name = pdf_obj.name
     knowledge_base = create_embeddings(pdf_obj)
-    user_question = st.text_input("Haz una pregunta sobre tu PDF:")
+    user_question = st.text_input("¡A jugar! Haz una pregunta sobre tu PDF:")
 
     if user_question:
         os.environ["GROQ_API_KEY"] = GROQ_API_KEY
@@ -65,4 +82,7 @@ if pdf_obj:
         chain = load_qa_chain(llm, chain_type="stuff")
         respuesta = chain.run(input_documents=docs, question=user_question)
 
-        st.write(respuesta)
+        st.write(respuesta)
+
+        # Guarda la consulta en un archivo
+        save_to_file()