app.py

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


# Inicialización de Hugging Face
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"])

if uploaded_file:
    df = pd.read_csv(uploaded_file)
    st.dataframe(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_name, 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}")
        sys.exit(1)


    # Crear una cadena LLM con LangChain
    llm = HuggingFaceHub(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)
else:
    st.write("No se ha subido un archivo")