Update main.py

main.py

@@ -15,7 +15,8 @@ from langchain.agents import AgentExecutor
 from langchain.agents.agent_types import AgentType
 from langchain_experimental.agents.agent_toolkits import create_pandas_dataframe_agent, create_csv_agent
 
-from pandasai import PandasAI
+from pandasai.llm import HuggingFaceTextGen
+from pandasai import SmartDataframe
 import chainlit as cl
 from chainlit.input_widget import TextInput, Select, Switch, Slider
 
@@ -55,42 +56,17 @@ async def set_starters():
 @cl.on_message
 async def on_message(message: cl.Message):
     await cl.Message(f"> SURVEYIA").send()
-    model = await LLMistral()
+    #model = await LLMistral()
     
-    df = pd.read_csv("./public/ExpeCFA_LP_CAA.csv")
-    
-    pandas_ai = PandasAI(model, enable_cache=False)
-    prompt = ChatPromptTemplate.from_messages(
-        [
-            (
-                "system",
-                "Answer the users question about some data. A data scientist will run some code and the results will be returned to you to use in your answer",
-            ),
-            ("human", "Question: {input}"),
-            ("human", "Data Scientist Result: {result}"),
-        ]
-    )
-
-    chain = (
-        {
-            "input": lambda x: x["input_question"],
-            "result": lambda x: pandas_ai(df, prompt=x["input_question"]),
-        }
-        | prompt
-        | model
-        | StrOutputParser()
+    llm = HuggingFaceTextGen(
+        inference_server_url="https://api-inference.huggingface.co/models/mistralai/Mixtral-8x22B-Instruct-v0.1"
     )
-    
+    df = SmartDataframe("./public/ExpeCFA_LP_CAA.csv", config={"llm": llm})
     msg = cl.Message(content="")
-
-    async for chunk in chain.astream({"input_question": message.content},
-                config=RunnableConfig(callbacks=[cl.AsyncLangchainCallbackHandler(stream_final_answer=True)])):
-            await msg.stream_token(chunk)
-    
-    
+    res = df.chat(message.content)
     #cb = cl.AsyncLangchainCallbackHandler()
     #res = await agent.acall("Réponds en langue française à la question suivante :\n" + message.content + "\nDétaille la réponse en faisant une analyse complète en 2000 mots minimum.", callbacks=[cb])
     #res = await agent.ainvoke("D'après les informations fournies, réponds en langue française à la question suivante :\n" + message.content + "\nDétaille la réponse en faisant une analyse complète jusqu'à 2000 mots, si cela est nécessaire.")
     #answer = res['output']
-    #print(res)
-    #await cl.Message(content=GoogleTranslator(source='auto', target='fr').translate(answer)).send()
+    print(res)
+    await cl.Message(content=GoogleTranslator(source='auto', target='fr').translate(res)).send()