app.py

import pandas as pd
from langchain.chains import LLMChain
from langchain_huggingface import HuggingFacePipeline
from transformers import LlamaForCausalLM, LlamaTokenizer, pipeline
from langchain.llms import HuggingFaceHub#HuggingFaceLLM
from huggingface_hub import login
import streamlit as st

huggingface_token = st.secrets["SECRET"]
login(huggingface_token)
# Cargar el archivo CSV
uploaded_file = st.file_uploader("Sube un archivo CSV con la columna 'job_title':", type=["csv"])
df = pd.read_csv(uploaded_file)
st.write(df)

# Ingreso del query
query = "aspiring human resources specialist"


# Crear un modelo LLaMA
model_name = "meta-llama/Llama-3.2-1B"
modelo = LlamaForCausalLM.from_pretrained(model_name)
try:
    tokenizer = LlamaTokenizer.from_pretrained(model_id, force_download=True)
    print("Vocab file:", tokenizer.vocab_file)  # Depurar el archivo de vocabulario
except Exception as e:
    print(f"Error al cargar el tokenizador: {e}")
    
# Crear una cadena LLM con LangChain
llm = HuggingFaceHub(modelo, tokenizer)
#llm = HuggingFaceLLM(modelo, tokenizer)
chain = LLMChain(llm)

def calcular_similitud(texto):
    prompt = f"Calcular el cosine similarity score entre '{query}' y '{texto}'. Responde con el score como un valor numérico entre 0 y 1."
    resultado = chain.run(prompt)
    return float(resultado)

# Calcular la similitud para cada job title
df['Score'] = df['job_title'].apply(calcular_similitud)

# Reportar los resultados
print(df)