Upload app.py

app.py

@@ -0,0 +1,180 @@
+import streamlit as st
+from dotenv import load_dotenv
+from langchain.text_splitter import (
+    CharacterTextSplitter,
+    RecursiveCharacterTextSplitter,
+)
+from langchain.vectorstores import FAISS
+from langchain.embeddings import (
+    HuggingFaceEmbeddings,
+)  # General embeddings from HuggingFace models.
+from langchain.memory import ConversationBufferMemory
+from langchain.chains import ConversationalRetrievalChain
+from htmlTemplates import css, bot_template, user_template
+from langchain.llms import LlamaCpp  # For loading transformer models.
+from langchain.document_loaders import PyPDFLoader, TextLoader, JSONLoader, CSVLoader
+import tempfile  # 임시 파일을 생성하기 위한 라이브러리입니다.
+import os
+from huggingface_hub import hf_hub_download  # Hugging Face Hub에서 모델을 다운로드하기 위한 함수입니다.
+
+
+# PDF 문서로부터 텍스트를 추출하는 함수입니다.
+def get_pdf_text(pdf_docs):
+    temp_dir = tempfile.TemporaryDirectory()  # 임시 디렉토리를 생성합니다.
+    temp_filepath = os.path.join(temp_dir.name, pdf_docs.name)  # 임시 파일 경로를 생성합니다.
+    with open(temp_filepath, "wb") as f:  # 임시 파일을 바이너리 쓰기 모드로 엽니다.
+        f.write(pdf_docs.getvalue())  # PDF 문서의 내용을 임시 파일에 씁니다.
+    pdf_loader = PyPDFLoader(temp_filepath)  # PyPDFLoader를 사용해 PDF를 로드합니다.
+    pdf_doc = pdf_loader.load()  # 텍스트를 추출합니다.
+    return pdf_doc  # 추출한 텍스트를 반환합니다.
+
+
+# 과제
+# 아래 텍스트 추출 함수를 작성
+def get_text_file(docs):
+    temp_dir = tempfile.TemporaryDirectory()  # 임시 디렉토리를 생성합니다.
+    temp_filepath = os.path.join(temp_dir.name, docs.name)  # 임시 파일 경로를 생성합니다.
+    with open(temp_filepath, "wb") as f:  # 임시 파일을 바이너리 쓰기 모드로 엽니다.
+        f.write(docs.getvalue())  # 텍스트 파일의 내용을 임시 파일에 씁니다.
+    text_loader = TextLoader(temp_filepath)  # TextLoader를 사용해 텍스트를 로드합니다.
+    text_doc = text_loader.load()  # 텍스트를 추출합니다.
+    return text_doc  # 추출한 텍스트를 반환합니다.
+
+
+def get_csv_file(docs):
+    temp_dir = tempfile.TemporaryDirectory()  # 임시 디렉토리를 생성합니다.
+    temp_filepath = os.path.join(temp_dir.name, docs.name)  # 임시 파일 경로를 생성합니다.
+    with open(temp_filepath, "wb") as f:  # 임시 파일을 바이너리 쓰기 모드로 엽니다.
+        f.write(docs.getvalue())  # CSV 파일의 내용을 임시 파일에 씁니다.
+    csv_loader = CSVLoader(temp_filepath)  # CSVLoader를 사용해 CSV를 로드합니다.
+    csv_doc = csv_loader.load()  # 텍스트를 추출합니다.
+    return csv_doc  # 추출한 텍스트를 반환합니다.
+
+
+def get_json_file(docs):
+    temp_dir = tempfile.TemporaryDirectory()  # 임시 디렉토리를 생성합니다.
+    temp_filepath = os.path.join(temp_dir.name, docs.name)  # 임시 파일 경로를 생성합니다.
+    with open(temp_filepath, "wb") as f:  # 임시 파일을 바이너리 쓰기 모드로 엽니다.
+        f.write(docs.getvalue())  # JSON 파일의 내용을 임시 파일에 씁니다.
+    json_loader = JSONLoader(temp_filepath)  # JSONLoader를 사용해 JSON을 로드합니다.
+    json_doc = json_loader.load()  # 텍스트를 추출합니다.
+    return json_doc  # 추출한 텍스트를 반환합니다.
+
+
+# 문서들을 처리하여 텍스트 청크로 나누는 함수입니다.
+def get_text_chunks(documents):
+    text_splitter = RecursiveCharacterTextSplitter(
+        chunk_size=1000,  # 청크의 크기를 지정합니다.
+        chunk_overlap=200,  # 청크 사이의 중복을 지정합니다.
+        length_function=len,  # 텍스트의 길이를 측정하는 함수를 지정합니다.
+    )
+
+    documents = text_splitter.split_documents(documents)  # 문서들을 청크로 나눕니다.
+    return documents  # 나눈 청크를 반환합니다.
+
+
+# 텍스트 청크들로부터 벡터 스토어를 생성하는 함수입니다.
+def get_vectorstore(text_chunks):
+    # 원하는 임베딩 모델을 로드합니다.
+    embeddings = HuggingFaceEmbeddings(
+        model_name="bert-base-multilingual-cased",
+        model_kwargs={"device": "cpu"},
+    )  # 임베딩 모델을 설정합니다.
+    vectorstore = FAISS.from_documents(text_chunks, embeddings)  # FAISS 벡터 스토어를 생성합니다.
+    return vectorstore  # 생성된 벡터 스토어를 반환합니다.
+
+
+def get_conversation_chain(vectorstore):
+    model_name_or_path = "TheBloke/Llama-2-7B-chat-GGUF"
+    model_basename = "llama-2-7b-chat.Q2_K.gguf"
+    model_path = hf_hub_download(repo_id=model_name_or_path, filename=model_basename)
+
+    llm = LlamaCpp(
+        model_path=model_path,
+        n_ctx=4086,
+        input={"temperature": 0.75, "max_length": 2000, "top_p": 1},
+        verbose=True,
+    )
+    # 대화 기록을 저장하기 위한 메모리를 생성합니다.
+    memory = ConversationBufferMemory(memory_key="chat_history", return_messages=True)
+    # 대화 검색 체인을 생성합니다.
+    conversation_chain = ConversationalRetrievalChain.from_llm(
+        llm=llm, retriever=vectorstore.as_retriever(), memory=memory
+    )
+    return conversation_chain  # 생성된 대화 체인을 반환합니다.
+
+
+# 사용자 입력을 처리하는 함수입니다.
+def handle_userinput(user_question):
+    print("user_question =>  ", user_question)
+    # 대화 체인을 사용하여 사용자 질문에 대한 응답을 생성합니다.
+    response = st.session_state.conversation({"question": user_question})
+    # 대화 기록을 저장합니다.
+    st.session_state.chat_history = response["chat_history"]
+
+    for i, message in enumerate(st.session_state.chat_history):
+        if i % 2 == 0:
+            st.write(
+                user_template.replace("{{MSG}}", message.content),
+                unsafe_allow_html=True,
+            )
+        else:
+            st.write(
+                bot_template.replace("{{MSG}}", message.content), unsafe_allow_html=True
+            )
+
+
+def main():
+    load_dotenv()
+    # Streamlit UI를 설정합니다.
+    st.title("문서에 대해 질문하는 채팅")
+    st.sidebar.title("문서 업로드")
+    st.sidebar.text("여기에 여러분의 문서를 업로드하세요.")
+    st.sidebar.text("PDF, TXT, CSV, JSON 파일 형식을 지원합니다.")
+    st.write(css, unsafe_allow_html=True)
+
+    if "conversation" not in st.session_state:
+        st.session_state.conversation = None
+    if "chat_history" not in st.session_state:
+        st.session_state.chat_history = None
+
+    st.header("문서에 대해 질문하는 채팅")
+    user_question = st.text_input("문선에 대해서 질문을 해보세요")
+    if user_question:
+        handle_userinput(user_question)
+
+    with st.sidebar:
+        st.subheader("Your documents")
+        docs = st.file_uploader("여기에 문서를 업로드하고 '처리'를 클릭하세요", accept_multiple_files=True)
+        if st.button("처리"):
+            with st.spinner("Processing"):
+                # get pdf text
+                doc_list = []
+
+                for file in docs:
+                    print("file - type : ", file.type)
+                    if file.type == "text/plain":
+                        # file is .txt
+                        doc_list.extend(get_text_file(file))
+                    elif file.type in ["application/octet-stream", "application/pdf"]:
+                        # file is .pdf
+                        doc_list.extend(get_pdf_text(file))
+                    elif file.type == "text/csv":
+                        # file is .csv
+                        doc_list.extend(get_csv_file(file))
+                    elif file.type == "application/json":
+                        # file is .json
+                        doc_list.extend(get_json_file(file))
+
+                # get the text chunks
+                text_chunks = get_text_chunks(doc_list)
+
+                # create vector store
+                vectorstore = get_vectorstore(text_chunks)
+
+                # create conversation chain
+                st.session_state.conversation = get_conversation_chain(vectorstore)
+
+
+if __name__ == "__main__":
+    main()