Upload app2.py

app2.py

@@ -0,0 +1,132 @@
+# Chargement des librairies
+
+# Pour créer et exécuter des applications Web interactives directement via des scripts Python.
+import streamlit as st
+
+
+# Pour charger des variables d'environnement à partir d'un fichier .env dans l'environnement du système pour un accès sécurisé et facile.
+# Pour interagir avec l'API de Groq pour exécuter des modèles d'apprentissage automatique et gérer les opérations sur les données.
+from groq import Groq
+
+
+
+# Changement du logo et du titre de l'application
+st.set_page_config(page_title="myChatbot", page_icon="left_speech_bubble", layout="centered", menu_items=None)
+
+
+# # Load environment variables from .env at the project root
+# project_root = Path(__file__).resolve().parent
+# load_dotenv(project_root / ".env")
+
+# Pour les parametres du menu
+with st.sidebar:
+    # Pour selectionner votre volet
+    radio_option = st.radio("Select your pane", options=("Chatbot", "Text to Speech", "Speech to Text"))
+    
+    if radio_option == "Chatbot":
+        # Pour les parametres du menu
+        with st.sidebar:
+            st.sidebar.subheader("🛠️Settings")
+            temperature = st.slider("Temperature", 0.0, 5.0, 1.0)
+            tokens =  st.slider("Max Tokens", 0, 8192, 900)
+            stream = st.toggle("Stream", value=True)
+            if stream:
+                etat = True
+            else:
+                etat = False
+                
+
+        class GroqAPI:
+            # Gère les opérations API avec Groq pour générer des réponses de chat
+            def __init__(self, model_name: str):
+                self.client = Groq(api_key="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")
+                self.model_name = model_name
+
+        # Méthode interne pour récupérer les réponses de l'API Groq
+            def _response(self, message): 
+                return self.client.chat.completions.create(
+                    model=self.model_name,
+                    messages=message,
+                    temperature=temperature,
+                    max_tokens=tokens,
+                    stream=etat,
+                    stop=None,
+                )
+
+        # Générateur pour diffuser les réponses de l'API
+            def response_stream(self, message):        
+                for chunk in self._response(message):
+                    if chunk.choices[0].delta.content:
+                        yield chunk.choices[0].delta.content
+
+
+        class Message:
+            # Gère les messages de discussion dans l'interface utilisateur Streamlit
+            system_prompt = "You are a professional AI. Please generate responses in English to all user inputs."
+
+        # Initialise l'historique des discussions s'il n'existe pas dans l'état de session
+            def __init__(self):
+                if "messages" not in st.session_state:
+                    st.session_state.messages = [{"role": "system", "content": self.system_prompt}]
+
+        # Ajoute un nouveau message à l'état de la session
+            def add(self, role: str, content: str):
+                st.session_state.messages.append({"role": role, "content": content})
+
+        # Affiche tous les messages passés dans l'interface utilisateur, en ignorant les messages système
+            def display_chat_history(self):
+                for message in st.session_state.messages:
+                    if message["role"] == "system":
+                        continue
+                    with st.chat_message(message["role"]):
+                        st.markdown(message["content"])
+
+        # Réponses de l'API Stream à l'interface utilisateur des messages de discussion Streamlit
+            def display_stream(self, generater):
+                with st.chat_message("assistant"):
+                    return st.write(generater)
+
+
+        class ModelSelector:
+            # Permet à l'utilisateur de sélectionner un modèle dans une liste prédéfinie
+            def __init__(self):
+                # Liste des modèles disponibles au choix
+                self.models = ["llama3-70b-8192", "llama3-8b-8192", "gemma-7b-it", "mixtral-8x7b-32768"]
+
+        # Affiche la sélection de modèles dans une barre latérale avec un titre
+            def select(self):
+                with st.sidebar:
+                    return st.selectbox("Model", self.models)
+
+
+        # Point d'entrée de l'utilisateur pour l'application streamlit "myChatbot"
+        def main():
+            user_input = st.chat_input("Chat whit me...")
+            model = ModelSelector()
+            selected_model = model.select()
+            message = Message()
+            
+        # S'il y a une entrée utilisateur, la traiter via le modèle sélectionné
+            if user_input:
+                llm = GroqAPI(selected_model)
+                message.add("user", user_input)
+                message.display_chat_history()
+                response = message.display_stream(llm.response_stream(st.session_state.messages))
+                message.add("assistant", response)
+                
+            with st.sidebar:
+                st.markdown('''<br/>
+                            <h6 style='text-align:center;color:grey;font-size:10px;'>
+                            © myChatbot - TOUNDE - 2024
+                            </h6>''',  
+                            unsafe_allow_html=True
+                )  
+    
+    
+    
+    
+    
+
+        
+if __name__ == "__main__":
+    main()