changes to struct

app.py

@@ -1,7 +1,7 @@
 import gradio as gr
 
 
-import src.control as ctrl
+import src.control.control as ctrl
 
 
 """

src/app.py

@@ -1,91 +0,0 @@
-import gradio as gr
-
-
-import src.control as ctrl
-
-
-"""
-==================================
-A. Component part
-==================================
-"""
-
-with gr.Blocks() as hrqa:
-
-    with gr.Row():
-
-        with gr.Column():
-            pass
-
-        with gr.Column(scale=10):
-            """
-            1. input docs components
-            """
-
-            gr.Markdown("# Questions sur le vivre ensemble en entreprise")
-
-            input_text_comp = gr.Textbox(
-                label="",
-                lines=1,
-                max_lines=3,
-                interactive=True,
-                placeholder="Posez votre question ici",
-            )
-            input_example_comp = gr.Radio(
-                label="Examples de questions",
-                choices=["Remboursement de frais de voiture", "Recommandations de transport"],
-            )
-            output_text_comp = gr.Textbox(
-                label="La réponse automatique",
-                lines=2,
-                max_lines=10,
-                interactive=False,
-                visible=False,
-            )
-            sources_comp = gr.CheckboxGroup(
-                label="Documents sources",
-                visible=False,
-                interactive=False,
-            )
-
-        with gr.Column():
-            pass
-
-
-    def input_text_fn1():
-        update_ = {
-            output_text_comp: gr.update(visible=True),
-        }
-        return update_
-
-    def input_text_fn2(input_text_):
-        answer, sources = ctrl.get_response(query=input_text_)
-        source_labels = [s['distance']+' '+s['paragraph']+' '+s['title']+' from '+s['doc'] for s in sources]
-        update_ = {
-            output_text_comp: gr.update(value=answer),
-            sources_comp: gr.update(visible=True, choices=source_labels, value=source_labels)
-        }
-        return update_
-
-
-    def input_example_fn(input_example_):
-        examples = {
-            "Remboursement de frais de voiture": "Comment sont remboursés mes frais kilométriques sur mes trajets "
-                                                 "professionnels?",
-            "Recommandations de transport": "Quelles sont les recommandations de l'entreprise? Vaut-il mieux voyager en "
-                                            "train ou en avion?"
-        }
-        update_ = {
-            input_text_comp: gr.update(value=examples[input_example_]),
-            output_text_comp: gr.update(visible=True),
-        }
-        return update_
-
-    input_text_comp\
-        .submit(input_text_fn1, inputs=[], outputs=[output_text_comp])\
-        .then(input_text_fn2, inputs=[input_text_comp], outputs=[output_text_comp, sources_comp])
-    input_example_comp\
-        .change(input_example_fn, inputs=[input_example_comp], outputs=[input_text_comp, output_text_comp])\
-        .then(input_text_fn2, inputs=[input_text_comp], outputs=[output_text_comp, sources_comp])
-
-hrqa.queue().launch()

src/app2.py

@@ -1,16 +0,0 @@
-from langchain.agents import create_csv_agent
-from langchain.agents import create_pandas_dataframe_agent
-import src.tools.llm as llm
-
-import pandas as pd
-
-path = '../data/AccomodationAndMealsForfaits_en.csv'
-#path = '../data/test_utf32.csv'
-df = pd.read_csv(path, encoding='utf32', sep=";")
-agent = create_pandas_dataframe_agent(llm.OpenAI(temperature=0), df, verbose=True)
-refund = agent.run("Quel est le remboursement pour un repas en Turkiye?")
-print(refund)
-
-
-
-pass

src/control/control.py

@@ -8,8 +8,8 @@ chroma_client = chromadb.Client()
 
 plan_language = 'en'
 content_language = 'en'
-path_plan = '../data/business_trips_plan_until_9_en.docx'
-path_content = '../data/business_trips_content_until_9_en.docx'
+path_plan = 'data/business_trips_plan_until_9_en.docx'
+path_content = 'data/business_trips_content_until_9_en.docx'
 collection_name = "until_9"
 
 doc_plan = Doc(path_plan)
@@ -41,9 +41,3 @@ def select_best_sources(sources: [], delta_1_2=0.1, delta_1_n=0.25, absolute=1.1
     return best_sources
 
 
-q1 = "Comment sont remboursés mes frais kilométriques sur mes déplacements avec mon véhicule personnel?"
-q2 = "Quels sont les moyens de transport recommandés par la société?"
-q3 = "est-ce que mes billets de cinéma peuvent être remboursés?"
-
-a2 = get_response(q3)
-print(a2)

src/control2.py

@@ -1,36 +0,0 @@
-from langchain.agents import AgentType, initialize_agent
-from langchain.tools import BaseTool, StructuredTool, Tool, tool
-
-
-from src.control import *
-
-
-@tool
-def similarity_search(query: str) -> str:
-    """
-    useful for when you look for relevant content about business trip policy : transport, accomodation, etc.
-    """
-    query = llm.translate(query)
-    sources = rtrvr.similarity_search(collection=collection_, query=query)
-    sources = select_best_sources(sources)
-    sources_contents = [s['content'] for s in sources]
-    context = '\n'.join(sources_contents)
-    return context
-
-
-@tool
-def generate_answer(query_and_context: str) -> str:
-    """
-    useful for when you have a query and the relevant content to generate an answer
-    """
-    answer = llm.generate_paragraph2(query_and_context=query_and_context, language='en')
-    answer = llm.translate(text=answer, language='fr')
-    return answer.lstrip()
-
-
-tools = [similarity_search, generate_answer]
-
-agent = initialize_agent(tools, llm.openai_llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True)
-q1 = "Comment sont remboursés mes frais kilométriques sur mes déplacements avec mon véhicule personnel?"
-q2 = "Quels sont les moyens de transport recommandés par la société?"
-ans = agent.run(q2)