Upload 2 files

app.py

@@ -2,22 +2,27 @@ import streamlit as st
 import os
 from PyPDF2 import PdfReader
 from langchain.text_splitter import RecursiveCharacterTextSplitter
-from langchain.embeddings import HuggingFaceHubEmbeddings  # Cambiado desde HuggingFaceEmbeddings
+from langchain.embeddings import HuggingFaceHubEmbeddings
 from langchain.vectorstores import FAISS
-from langchain.chat_models import ChatOpenAI
+from langchain.llms import HuggingFaceHub
 from langchain.chains.question_answering import load_qa_chain
+from langchain.prompts import PromptTemplate
 
 st.set_page_config(page_title='preguntaDOC')
 st.header("Pregunta a tu PDF")
 
-OPENAI_API_KEY = st.text_input('OpenAI API Key', type='password')
-HUGGINGFACE_API_KEY = st.text_input('Hugging Face API Key', type='password')  # Añadido para la API de Hugging Face
+# Campo para el token de Hugging Face (ahora requerido para los embeddings)
+huggingface_api_token = st.text_input('Hugging Face API Token (requerido)', type='password')
 
 pdf_obj = st.file_uploader("Carga tu documento", type="pdf", on_change=st.cache_resource.clear)
 
 @st.cache_resource 
-def create_embeddings(pdf, hf_api_key):
-    os.environ["HUGGINGFACEHUB_API_TOKEN"] = hf_api_key  # Configurar token de HF
+def create_embeddings(pdf, api_token):
+    if not api_token:
+        st.error("Se requiere un token de API de Hugging Face")
+        return None
+        
+    os.environ["HUGGINGFACEHUB_API_TOKEN"] = api_token
     
     pdf_reader = PdfReader(pdf)
     text = ""
@@ -32,29 +37,53 @@ def create_embeddings(pdf, hf_api_key):
     chunks = text_splitter.split_text(text)
     
     # Usar HuggingFaceHubEmbeddings en lugar de HuggingFaceEmbeddings
+    # Este enfoque no requiere sentence-transformers instalado localmente
     embeddings = HuggingFaceHubEmbeddings(
         repo_id="sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2",
-        huggingfacehub_api_token=hf_api_key
+        huggingfacehub_api_token=api_token
     )
     
     knowledge_base = FAISS.from_texts(chunks, embeddings)
     return knowledge_base
 
-if pdf_obj and HUGGINGFACE_API_KEY:
-    knowledge_base = create_embeddings(pdf_obj, HUGGINGFACE_API_KEY)
-    user_question = st.text_input("Haz una pregunta sobre tu PDF:")
+if pdf_obj and huggingface_api_token:
+    knowledge_base = create_embeddings(pdf_obj, huggingface_api_token)
     
-    if user_question and OPENAI_API_KEY:
-        os.environ["OPENAI_API_KEY"] = OPENAI_API_KEY
-        docs = knowledge_base.similarity_search(user_question, 3)
-        llm = ChatOpenAI(model_name='gpt-3.5-turbo')
-        chain = load_qa_chain(llm, chain_type="stuff")
+    if knowledge_base:
+        user_question = st.text_input("Haz una pregunta sobre tu PDF:")
         
-        with st.spinner("Procesando tu pregunta..."):
-            try:
-                respuesta = chain.run(input_documents=docs, question=user_question)
-                st.write(respuesta)
-            except Exception as e:
-                st.error(f"Error: {str(e)}")
-elif pdf_obj and not HUGGINGFACE_API_KEY:
-    st.warning("Por favor, introduce una clave API de Hugging Face para procesar el documento.")
+        if user_question:
+            docs = knowledge_base.similarity_search(user_question, 3)
+            
+            # Usar un modelo gratuito de Hugging Face
+            llm = HuggingFaceHub(
+                repo_id="google/flan-t5-large",
+                huggingfacehub_api_token=huggingface_api_token,
+                model_kwargs={"temperature": 0.5, "max_length": 512}
+            )
+            
+            prompt_template = """
+            Responde a la siguiente pregunta basándote únicamente en el contexto proporcionado.
+            
+            Contexto: {context}
+            
+            Pregunta: {question}
+            
+            Respuesta:
+            """
+            
+            PROMPT = PromptTemplate(
+                template=prompt_template, 
+                input_variables=["context", "question"]
+            )
+            
+            chain = load_qa_chain(llm, chain_type="stuff", prompt=PROMPT)
+            
+            with st.spinner("Procesando tu pregunta..."):
+                try:
+                    respuesta = chain.run(input_documents=docs, question=user_question)
+                    st.write(respuesta)
+                except Exception as e:
+                    st.error(f"Error al procesar tu pregunta: {str(e)}")
+elif not huggingface_api_token and pdf_obj:
+    st.warning("Por favor, ingresa tu token de API de Hugging Face para continuar.")

requirements.txt

@@ -9,5 +9,3 @@ accelerate==0.20.3
 einops==0.6.1
 protobuf==3.20.3
 tiktoken==0.4.0
-openai==0.28.1
-