app.py

# Importa las bibliotecas necesarias
import os
import gradio as gr
import random
import requests
from getpass import getpass
from langchain.document_loaders import PyPDFLoader
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain.embeddings import OpenAIEmbeddings
from langchain.vectorstores import Chroma
from langchain.chat_models import ChatOpenAI
from langchain.chains import RetrievalQA
from langchain.chains.conversation.memory import ConversationBufferMemory

# Agrega el API KEY
OPENAI_API_KEY = "COLOCAR APIKEY"
os.environ["OPENAI_API_KEY"] = OPENAI_API_KEY

# Lista de URLs de los documentos PDF
urls = [
 # Agrega tus URLs aquí
]

# Descarga y carga los documentos PDF
pdfdoc = []
for i, url in enumerate(urls):
 response = requests.get(url)
 filename = f'documento{i+1}.pdf'
 with open(filename, "wb") as f:
 f.write(response.content)
 print(f"{filename} fue descargado con éxito.")
 loader = PyPDFLoader(filename)
 data = loader.load()
 pdfdoc.extend(data)

# Divide el texto de los documentos
text_splitter = RecursiveCharacterTextSplitter(chunk_size=400, chunk_overlap=200, length_function=len)
documents = text_splitter.split_documents(pdfdoc)

# Crea la base de datos vectorial
embeddings = OpenAIEmbeddings(model="text-embedding-ada-002")
vectorstore = Chroma.from_documents(documents=documents, embedding=embeddings)
retriever = vectorstore.as_retriever(search_kwargs={"k": 2})

# Crea los modelos de chat y cadenas para consultar información
chat = ChatOpenAI(openai_api_key=OPENAI_API_KEY, model_name="gpt-3.5-turbo", temperature=0.0)
memory = ConversationBufferMemory()
qa_chain = RetrievalQA.from_chain_type(llm=chat, chain_type="stuff", retriever=retriever, memory=memory)

# Función para chatear con el modelo
def chat_with_model(message, history):
 response = generate_response_from_documents(message, documents)
 if response == "No se encontró información relevante en los documentos.":
 model_response = qa_chain.run(message)
 response = model_response
 return response

# Función para generar respuestas basadas en la información de los documentos PDF
def generate_response_from_documents(message, documents):
 user_tokens = message.split()
 found_responses = []
 for doc_index, document in enumerate(documents):
 for page_index, page_content in enumerate(document):
 if any(keyword in page_content for keyword in user_tokens):
 found_responses.append({"source": f"documento{doc_index + 1}.pdf", "page": page_index, "content": page_content})
 if found_responses:
 response = random.choice(found_responses)
 return f"Encontré información en {response['source']}, página {response['page']}:\n{response['content']}"
 else:
 return "No se encontró información relevante en los documentos."

# Crea la interfaz Gradio
gr.ChatInterface(
 chat_with_model,
 chatbot=gr.Chatbot(height=200),
 textbox=gr.Textbox(placeholder="Hazme una pregunta", container=False, scale=7),
 title="Bienvenido a LechuzoBot",
 description="En que puedo ayudarte el dia de hoy?",
 theme="soft",
 examples=["Que es la Universidad Tecnologica de Tecamac?", "Numero telefonico donde puedo comunicarme"],
 cache_examples=True,
 retry_btn=None,
 undo_btn="Eliminar respuesta anterior",
 clear_btn="Limpiar",
).launch()