Update app.py

app.py

@@ -16,8 +16,19 @@ from langchain_community.vectorstores import FAISS
 from langchain_community.document_loaders import HuggingFaceDatasetLoader
 from langchain_community.embeddings import HuggingFaceEmbeddings
 
-with st.status("Cargando Aplicación...", expanded=False) as status:
-    st.write("Cargando Dataset...")
+# Initialization
+if 'chain' not in st.session_state:
+    st.session_state['chain'] = 'dummy'
+
+def get_data():
+    return st.session_state["chain"]
+
+
+def add_data(chain):
+    st.session_state["chain"]= chain
+
+chain = get_data()
+if chain == 'dummy':    
     #Carga de DATASET
     dataset_name = "Waflon/FAQ"
     page_content_column = "respuestas"
@@ -27,13 +38,11 @@ with st.status("Cargando Aplicación...", expanded=False) as status:
     #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
@@ -41,15 +50,10 @@ with st.status("Cargando Aplicación...", expanded=False) as status:
         encode_kwargs=encode_kwargs # Opciones de Encoding
     )
 
-    st.write("Base de datos FAISS...")
     #DB y retriever
     db = FAISS.from_documents(docs[:2], 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})
-    status.update(label="App cargada con exito!", state="complete")
 
-    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.
@@ -73,21 +77,19 @@ with st.status("Cargando Aplicación...", expanded=False) as status:
         document_prompt=document_prompt,
         callbacks=None,
     )
-    qa = RetrievalQA(
+    chain = RetrievalQA(
         combine_documents_chain=combine_documents_chain,
         callbacks=None,
         verbose=True,
         retriever=retriever,
     )
+    add_data(chain)
 
-    
-    status.update(label="Finalizado!", state="complete")
-    
-def main(): 
-    pregunta = st.text_area('Ingrese su pregunta')
-    if pregunta:
-        out = qa(str(pregunta))
-        st.write(out)
-
-if __name__ == "__main__":
-    main()
+pregunta = st.text_area('Ingresa algun texto:', value="Que es un APA?")
+tmp_button = st.button("CLICK")
+if tmp_button: #Esperar al boton
+    out = chain.invoke(pregunta)
+    st.write(out)
+    #st.rerun() #Restart app
+else:
+    st.stop()