Spaces:
Running
Running
from flask import Flask, render_template, request, jsonify | |
import os | |
import json | |
from textwrap import dedent | |
from crewai import Agent, Crew, Process, Task | |
from crewai_tools import SerperDevTool | |
from crewai import LLM | |
from typing import List | |
app = Flask(__name__) | |
# Configuration des clés API | |
os.environ["GEMINI_API_KEY"] = os.environ.get("GEMINI_API_KEY") | |
os.environ["SERPER_API_KEY"] = os.environ.get("SERPER_API_KEY") | |
llm = LLM( | |
model="gemini/gemini-1.5-flash", | |
temperature=0.7, | |
timeout=120, | |
max_tokens=8000, | |
) | |
# Initialisation de l'outil de recherche | |
search_tool = SerperDevTool() | |
# Définition des agents | |
researcher = Agent( | |
role='Chercheur de Sujets', | |
goal=dedent("""Trouver les informations les plus pertinentes et précises sur {topic} | |
en utilisant l'API SerpApi."""), | |
backstory=dedent("""Un chercheur expert spécialisé dans la collecte d'informations sur divers sujets. | |
Capable d'utiliser l'API SerpApi pour des recherches précises et efficaces."""), | |
tools=[search_tool], | |
llm=llm, | |
verbose=True, | |
allow_delegation=False | |
) | |
writer = Agent( | |
role='Rédacteur de Flashcards', | |
goal=dedent("""Créer des flashcards claires et concises en format question-réponse | |
basées sur les informations fournies par le Chercheur."""), | |
backstory=dedent("""Un expert en pédagogie et en création de matériel d'apprentissage. | |
Capable de transformer des informations complexes en flashcards simples et mémorisables."""), | |
llm=llm, | |
verbose=True, | |
allow_delegation=False | |
) | |
def extract_json_from_result(result_text: str) -> list: | |
"""Extrait le JSON des résultats de la crew.""" | |
try: | |
json_start = result_text.find('[') | |
json_end = result_text.rfind(']') + 1 | |
if json_start == -1 or json_end == 0: | |
raise ValueError("JSON non trouvé dans le résultat") | |
json_str = result_text[json_start:json_end] | |
return json.loads(json_str) | |
except (json.JSONDecodeError, ValueError) as e: | |
raise ValueError(f"Erreur lors de l'extraction du JSON : {str(e)}") | |
def research_task(topic: str) -> Task: | |
return Task( | |
description=dedent(f"""Effectuer une recherche approfondie sur le sujet '{topic}'. | |
Compiler les informations les plus pertinentes et les plus récentes."""), | |
expected_output="Une liste d'informations pertinentes sur le sujet.", | |
agent=researcher | |
) | |
def flashcard_creation_task(research_task: Task) -> Task: | |
return Task( | |
description=dedent("""Transformer les informations fournies par le Chercheur | |
en une série de flashcards au format JSON. Je veux une vingtaine de flashcard robuste et complet avec des questions et des réponses détailler. Chaque flashcard doit avoir une question | |
d'un côté et une réponse concise de l'autre."""), | |
expected_output="Une liste de flashcards au format JSON.", | |
agent=writer, | |
context=[research_task] | |
) | |
def index(): | |
return render_template('index.html') | |
def generate_flashcards(): | |
topic = request.json.get('topic') | |
if not topic: | |
return jsonify({'error': 'Veuillez entrer un sujet.'}), 400 | |
try: | |
# Création des tâches | |
research = research_task(topic) | |
flashcard_creation = flashcard_creation_task(research) | |
# Création de la crew | |
crew = Crew( | |
agents=[researcher, writer], | |
tasks=[research, flashcard_creation], | |
process=Process.sequential, | |
verbose=True | |
) | |
# Exécution de la crew | |
result = crew.kickoff() | |
# Extraction du JSON depuis le dernier résultat de tâche | |
if result.tasks_output and len(result.tasks_output) > 0: | |
last_task_output = result.tasks_output[-1].raw | |
flashcards = extract_json_from_result(last_task_output) | |
return jsonify({'success': True, 'flashcards': flashcards}) | |
else: | |
return jsonify({'error': 'Aucun résultat généré par la crew.'}), 500 | |
except Exception as e: | |
return jsonify({'error': 'error'}), 500 | |
if __name__ == '__main__': | |
app.run(debug=True) |