Upload 2 files

app.py

@@ -0,0 +1,79 @@
+import streamlit as st
+import os
+from PyPDF2 import PdfReader
+from langchain.text_splitter import RecursiveCharacterTextSplitter
+from langchain.embeddings import HuggingFaceEmbeddings
+from langchain.vectorstores import FAISS
+from langchain.llms import HuggingFaceHub
+from langchain.chains.question_answering import load_qa_chain
+from langchain.prompts import PromptTemplate
+
+st.set_page_config(page_title='preguntaDOC')
+st.header("Pregunta a tu PDF")
+
+# Ya no necesitamos la clave de OpenAI
+huggingface_api_token = st.text_input('Hugging Face API Token (opcional)', type='password')
+
+pdf_obj = st.file_uploader("Carga tu documento", type="pdf", on_change=st.cache_resource.clear)
+
+@st.cache_resource 
+def create_embeddings(pdf):
+    pdf_reader = PdfReader(pdf)
+    text = ""
+    for page in pdf_reader.pages:
+        text += page.extract_text()
+    text_splitter = RecursiveCharacterTextSplitter(
+        chunk_size=800,
+        chunk_overlap=100,
+        length_function=len
+    )        
+    chunks = text_splitter.split_text(text)
+    
+    # Usando el mismo modelo de embeddings que ya estabas usando
+    embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2")
+    knowledge_base = FAISS.from_texts(chunks, embeddings)
+    return knowledge_base
+
+if pdf_obj:
+    knowledge_base = create_embeddings(pdf_obj)
+    user_question = st.text_input("Haz una pregunta sobre tu PDF:")
+    
+    if user_question:
+        # Configurar el token de Hugging Face si se proporciona
+        if huggingface_api_token:
+            os.environ["HUGGINGFACEHUB_API_TOKEN"] = huggingface_api_token
+        
+        docs = knowledge_base.similarity_search(user_question, 3)
+        
+        # Usar un modelo gratuito de Hugging Face en lugar de OpenAI
+        llm = HuggingFaceHub(
+            repo_id="google/flan-t5-large",  # Modelo gratuito con buenas capacidades para Q&A
+            model_kwargs={"temperature": 0.5, "max_length": 512}
+        )
+        
+        # Crear un prompt template adecuado para modelos como T5
+        prompt_template = """
+        Responde a la siguiente pregunta basándote únicamente en el contexto proporcionado.
+        
+        Contexto: {context}
+        
+        Pregunta: {question}
+        
+        Respuesta:
+        """
+        
+        PROMPT = PromptTemplate(
+            template=prompt_template, 
+            input_variables=["context", "question"]
+        )
+        
+        chain = load_qa_chain(llm, chain_type="stuff", prompt=PROMPT)
+        
+        # Mostrar un mensaje mientras se procesa
+        with st.spinner("Procesando tu pregunta..."):
+            try:
+                respuesta = chain.run(input_documents=docs, question=user_question)
+                st.write(respuesta)
+            except Exception as e:
+                st.error(f"Error al procesar tu pregunta: {str(e)}")
+                st.info("Si no has proporcionado un token de Hugging Face, considera hacerlo para evitar limitaciones de rate limit.")

requirements.txt

@@ -0,0 +1,9 @@
+streamlit==1.22.0
+langchain==0.0.267
+PyPDF2==3.0.1
+huggingface-hub==0.16.4
+transformers==4.30.2
+sentence-transformers==2.2.2
+faiss-cpu==1.7.4
+accelerate==0.20.3
+einops==0.6.1