Update main.py

main.py

@@ -26,26 +26,6 @@ from deep_translator import GoogleTranslator
 
 from datetime import timedelta
 
-from literalai import AsyncLiteralClient
-async_literal_client = AsyncLiteralClient(api_key=os.getenv("LITERAL_API_KEY"))
-
-@cl.password_auth_callback
-def auth_callback(username: str, password: str):
-    auth = json.loads(os.environ['CHAINLIT_AUTH_LOGIN'])
-    ident = next(d['ident'] for d in auth if d['ident'] == username)
-    pwd = next(d['pwd'] for d in auth if d['ident'] == username)
-    resultLogAdmin = bcrypt.checkpw(username.encode('utf-8'), bcrypt.hashpw(ident.encode('utf-8'), bcrypt.gensalt())) 
-    resultPwdAdmin = bcrypt.checkpw(password.encode('utf-8'), bcrypt.hashpw(pwd.encode('utf-8'), bcrypt.gensalt())) 
-    resultRole = next(d['role'] for d in auth if d['ident'] == username)
-    if resultLogAdmin and resultPwdAdmin and resultRole == "admindatapcc":
-        return cl.User(
-            identifier=ident + " : 🧑‍💼 Admin Datapcc", metadata={"role": "admin", "provider": "credentials"}
-        )
-    elif resultLogAdmin and resultPwdAdmin and resultRole == "userdatapcc":
-        return cl.User(
-            identifier=ident + " : 🧑‍🎓 User Datapcc", metadata={"role": "user", "provider": "credentials"}
-        )
-
 @cl.step(type="tool")
 async def LLModel():
     os.environ['HUGGINGFACEHUB_API_TOKEN'] = os.environ['HUGGINGFACEHUB_API_TOKEN']
@@ -233,10 +213,9 @@ async def on_message(message: cl.Message):
                     cl.Text(name="Sources", content=sources_text, display="inline")
                 )
         
-    with async_literal_client.thread() as thread:
-        cb = cl.AsyncLangchainCallbackHandler()
-        results = await runnable.acall("Contexte : Vous êtes un chercheur de l'enseignement supérieur et vous êtes doué pour faire des analyses d'articles de recherche sur les thématiques liées à la pédagogie, en fonction des critères définis ci-avant. En fonction des informations suivantes et du contexte suivant seulement et strictement, répondez en langue française strictement à la question ci-dessous, en 5000 mots minimum. En plus, tu créeras et tu afficheras, à la fin de ta réponse, 3 questions supplémentaires en relation avec le contexte initial, à chaque étape de la conversation. Tu écriras et tu afficheras les 3 questions supplémentaires en relation avec le contexte initial, à la fin de ta réponse, avec un titrage de niveau 1 qui a pour titre \"Questions en relation avec le contexte : \". Lorsque cela est possible, cite les sources du contexte. Si vous ne pouvez pas répondre à la question sur la base des informations, dites que vous ne trouvez pas de réponse ou que vous ne parvenez pas à trouver de réponse. Essayez donc de comprendre en profondeur le contexte et répondez uniquement en vous basant sur les informations fournies. Ne générez pas de réponses non pertinentes. Question : " + message.content, callbacks=[cb])
-        answer = results["answer"]
+    cb = cl.AsyncLangchainCallbackHandler()
+    results = await runnable.acall("Contexte : Vous êtes un chercheur de l'enseignement supérieur et vous êtes doué pour faire des analyses d'articles de recherche sur les thématiques liées à la pédagogie, en fonction des critères définis ci-avant. En fonction des informations suivantes et du contexte suivant seulement et strictement, répondez en langue française strictement à la question ci-dessous, en 5000 mots minimum. En plus, tu créeras et tu afficheras, à la fin de ta réponse, 3 questions supplémentaires en relation avec le contexte initial, à chaque étape de la conversation. Tu écriras et tu afficheras les 3 questions supplémentaires en relation avec le contexte initial, à la fin de ta réponse, avec un titrage de niveau 1 qui a pour titre \"Questions en relation avec le contexte : \". Lorsque cela est possible, cite les sources du contexte. Si vous ne pouvez pas répondre à la question sur la base des informations, dites que vous ne trouvez pas de réponse ou que vous ne parvenez pas à trouver de réponse. Essayez donc de comprendre en profondeur le contexte et répondez uniquement en vous basant sur les informations fournies. Ne générez pas de réponses non pertinentes. Question : " + message.content, callbacks=[cb])
+    answer = results["answer"]
 
     await cl.Message(content=GoogleTranslator(source='auto', target='fr').translate(answer)).send()