Update main.py

main.py

@@ -8,15 +8,12 @@ from pathlib import Path
 from langchain_huggingface import HuggingFaceEndpoint
 from langchain.schema.runnable.config import RunnableConfig
 from langchain.schema import StrOutputParser
-from langchain_anthropic import AnthropicLLM, ChatAnthropic
 from langchain_core.prompts import ChatPromptTemplate
 
 from langchain.agents import AgentExecutor
 from langchain.agents.agent_types import AgentType
 from langchain_experimental.agents.agent_toolkits import create_pandas_dataframe_agent, create_csv_agent
 
-from pandasai.llm import OpenAI
-from pandasai import SmartDataframe
 import chainlit as cl
 from chainlit.input_widget import TextInput, Select, Switch, Slider
 
@@ -48,18 +45,6 @@ async def LLMistral():
     )
     return llm
 
-@cl.step(type="tool")
-async def LLM():
-    os.environ['OPENAI_API_KEY'] = os.environ['OPENAI_API_KEY']
-    llm = OpenAI(model="gpt-4o-2024-05-13")
-    return llm
-
-@cl.step(type="tool")
-async def File():
-    llm = await LLM()
-    df = SmartDataframe("./public/ExpeCFA_LP_CAA.csv", config={"llm": llm})
-    return df
-    
 @cl.set_chat_profiles
 async def chat_profile():
     return [
@@ -79,13 +64,25 @@ async def set_starters():
 @cl.on_message
 async def on_message(message: cl.Message):
     await cl.Message(f"> SURVEYIA").send()
-    
-    df = await File()
-    msg = cl.Message(content="")
-    res = df.chat(message.content)
-    #cb = cl.AsyncLangchainCallbackHandler()
-    #res = await agent.acall("Réponds en langue française à la question suivante :\n" + message.content + "\nDétaille la réponse en faisant une analyse complète en 2000 mots minimum.", callbacks=[cb])
-    #res = await agent.ainvoke("D'après les informations fournies, réponds en langue française à la question suivante :\n" + message.content + "\nDétaille la réponse en faisant une analyse complète jusqu'à 2000 mots, si cela est nécessaire.")
-    #answer = res['output']
-    #print(res)
-    await cl.Message(content=GoogleTranslator(source='auto', target='fr').translate(res)).send()
+    llm = await LLMistral()
+    agent = create_csv_agent(
+        llm,
+        "./public/ExpeCFA_LP_CAA.csv",
+        verbose=True,
+        agent_type=AgentType.ZERO_SHOT_REACT_DESCRIPTION
+    )
+    cb = cl.AsyncLangchainCallbackHandler()
+    try:
+        res = await agent.acall("Réponds en langue française à la question suivante :\n" + message.content + "\nDétaille la réponse en faisant une analyse complète en 2000 mots minimum.", callbacks=[cb])
+        await cl.Message(author="COPILOT",content=GoogleTranslator(source='auto', target='fr').translate(res['output'])).send()
+    except ValueError as e:
+        res = str(e)
+        resArray = res.split(":")
+        ans = ''
+        if str(res).find('parsing') != -1:
+            for i in range(2,len(resArray)):
+                ans += resArray[i]
+            await cl.Message(author="COPILOT",content=ans.replace("`","")).send()
+        else:
+            await cl.Message(author="COPILOT",content="Reformulez votre requête, s'il vous plait 😃").send()
+