Update app.py

app.py

@@ -1,5 +1,69 @@
 import pandas as pd
 from langchain.chains import LLMChain
+from langchain.prompts import PromptTemplate
+from langchain.llms import HuggingFaceHub
+from transformers import LlamaForCausalLM, AutoTokenizer
+from huggingface_hub import login
+import streamlit as st
+import sys
+
+# Inicialización de Hugging Face con el token de la API desde los secretos de Streamlit
+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-2-7b"
+    modelo = LlamaForCausalLM.from_pretrained(model_name)
+
+    try:
+        # Usar AutoTokenizer para manejar automáticamente el tokenizador adecuado
+        tokenizer = AutoTokenizer.from_pretrained(model_name, use_fast=True)
+        print("Tokenizador cargado con éxito.")
+    except Exception as e:
+        print(f"Error al cargar el tokenizador: {e}")
+        sys.exit(1)
+
+    # Crear un prompt para la cadena LLM
+    prompt_template = PromptTemplate(
+        input_variables=["query", "texto"],
+        template=(
+            "Calcular el cosine similarity score entre '{query}' y '{texto}'. "
+            "Responde con el score como un valor numérico entre 0 y 1."
+        )
+    )
+
+    # Crear una cadena LLM con LangChain usando HuggingFaceHub y pasar el token
+    llm = HuggingFaceHub(repo_id=model_name, huggingfacehub_api_token=huggingface_token)
+    chain = LLMChain(llm=llm, prompt=prompt_template)
+
+    def calcular_similitud(texto):
+        resultado = chain.run({"query": query, "texto": texto})
+        return float(resultado)
+
+    # Calcular la similitud para cada job title
+    df['Score'] = df['job_title'].apply(calcular_similitud)
+
+    # Reportar los resultados
+    st.write(df)
+else:
+    st.write("No se ha subido un archivo")
+
+
+
+
+'''
+import pandas as pd
+from langchain.chains import LLMChain
 from langchain_huggingface import HuggingFacePipeline
 from transformers import LlamaForCausalLM, AutoTokenizer
 from langchain.llms import HuggingFaceHub
@@ -49,3 +113,4 @@ if uploaded_file:
     st.write(df)
 else:
     st.write("No se ha subido un archivo")
+'''