app.py

import os
import pandas as pd
import openai
import re
import json 
from langchain.chat_models import ChatOpenAI
import regex
import gradio as gr
from langchain.schema import Document
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain.embeddings.openai import OpenAIEmbeddings
from openai.embeddings_utils import get_embedding
from openai.embeddings_utils import cosine_similarity
import gspread # See: https://docs.gspread.org/en/v5.10.0/user-guide.html
from oauth2client.service_account import ServiceAccountCredentials
from datetime import datetime

# API de OpenAI
openai.api_key = os.getenv("OPENAI_API_KEY")

# Establece las credenciales y la API

#credentials = os.getenv( "credentials" )

#credentials =  json.loads( credentials )

#gc = gspread.service_account_from_dict( credentials )

#Google_URL = os.getenv( "Google_URL" )

# Cargar el archivo 
df_Expediente = pd.read_csv( os.getenv( "Data" ) )

# Main OpenAI Function
#
# Function: Get embeddings

def get_embedding( text , model ):
    text = text.replace("\n", " ")
    return openai.Embedding.create( input = [text], model = model )['data'][0]['embedding']

# Función de búsqueda

def buscar( busqueda, datos, n_resultados):
    #
    busqueda_embed = get_embedding( busqueda, "text-embedding-ada-002" )
    #
    datos['Similitud'] = datos['Embedding'].apply( lambda x: cosine_similarity( eval( x ) , busqueda_embed ) )
    #
    datos = datos.sort_values('Similitud', ascending = False )
    #
    return datos.iloc[:n_resultados][['Documento', 'Pagina', 'Textos', 'NumPalabras', 'Embedding', 'Similitud']]

#
def Chat( user_message_1 ):
    #
    df_final = buscar( user_message_1, df_Expediente, 20).reset_index( drop = True)
    #
    Textos = df_final[ ['Documento', 'Pagina', 'Textos'] ]
    #
    Textos_Concatenados = '\n\n\n'.join( Textos.apply( lambda row: ' | '.join( row ), axis = 1) )
    #
    # Save Question and date time
    #update_records( user_message_1 )
    return Textos_Concatenados
# 
# 
with gr.Blocks() as demo:
    #
    gr.Markdown("App basada en servicios (Embeddings) de OpenAI (Chat GPT-3.5)")
    gr.Markdown("Este es un producto de prueba desarrollado por Games Econ")
    gr.Markdown("Contacto: ")
    gr.Markdown("Este es un information retrieval system o sistema de recuperación de información.")
    gr.Markdown("Este tipo de herramientas son un proceso para obtener información relevante \
                 para una necesidad de información a partir de una colección de textos.")
    gr.Markdown("Las búsquedas pueden basarse en un texto completo, una frase o una serie de conceptos.")
    gr.Markdown("No obstante, cuanto más detallada sea la sentencia buscada, la recuperación de \
                información será más precisa.")
    gr.Markdown("En alguna medida, los motores de búsqueda web (como Google) son ejemplos de estos sistemas.")
    busqueda = gr.Textbox(label = "Escribe la pregunta, tema o enunciado.")
    greet_btn = gr.Button("Preguntar")
    # Crear dos widgets de salida en lugar de uno
    output1 = gr.Textbox(label = "El Top 20 de los extractos de documentos que coinciden con la consulta son:")

    # Modificar la función click para asignar cada parte de la tupla a un widget diferente
    greet_btn.click(fn = Chat, inputs=[busqueda], outputs=[output1])
    #
#demo.launch( share = True )
demo.launch( )
#
#