Update app.py

app.py

@@ -17,7 +17,8 @@ from langchain_community.vectorstores import FAISS
 from langchain_community.document_loaders import HuggingFaceDatasetLoader
 from langchain_community.embeddings import HuggingFaceEmbeddings
 
-with st.spinner("Please wait..."):
+with st.status("Downloading data...", expanded=True) as status:
+    st.write("Cargando Dataset...")
     #Carga de DATASET
     dataset_name = "Waflon/FAQ"
     page_content_column = "respuestas"
@@ -26,23 +27,30 @@ with st.spinner("Please wait..."):
     text_splitter = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=150)
     #Transformado a tipo de dato especifico para esto
     docs = text_splitter.split_documents(data)
-    
+
+    st.write("Cargando modelo de Sentence-Transformer...")
     #Modelo QA sentence similarity
     modelPath = 'sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2' #español
     model_kwargs = {'device':'cpu'} # cuda or cpu
     encode_kwargs = {'normalize_embeddings': False}
-    
+
+    st.write("Embeddings...")
     #Embeddings que transforman a vectores densos multidimensionales las preguntas del SII
     embeddings = HuggingFaceEmbeddings(
         model_name=modelPath,     # Ruta a modelo Pre entrenado
         model_kwargs=model_kwargs, # Opciones de configuracion del modelo
         encode_kwargs=encode_kwargs # Opciones de Encoding
     )
-    
+
+    st.write("Base de datos FAISS...")
     #DB y retriever
     db = FAISS.from_documents(docs, embeddings)  # Create a retriever object from the 'db' with a search configuration where it retrieves up to 4 relevant splits/documents.
+
+    st.write("Retriever...")
     retriever = db.as_retriever(search_kwargs={"k": 3})
-    
+
+
+    st.write("Prompt template...")
     prompt_template = """Usa los siguientes fragmentos de contextos para responder una pregunta al final. Por favor sigue las siguientes reglas:
     1. Si la pregunta requiere vinculos, por favor retornar solamente las vinculos de los vinculos sin respuesta
     2. Si no sabes la respuesta, no inventes una respuesta. Solamente di **No pude encontrar la respuesta definitiva, pero tal vez quieras ver los siguientes vinculos** y agregalos a la lista de vinculos.
@@ -73,10 +81,13 @@ with st.spinner("Please wait..."):
         retriever=retriever,
         return_source_documents=True,
     )
-    
+
+    st.write("Finalizando...")
     x = st.text_area('Ingrese su pregunta')
     pipe = pipeline('sentiment-analysis')
     
     if text:
         out = pipe(text)
         st.json(out)
+
+    st.write("Listo...")