chat_frontend.py

import streamlit as st
from chatbot import get_citation_chain as get_chain

with st.sidebar:
    st.header("Informações")
    st.expander("Sobre o projeto").markdown(
        """
        Este chatbot integra um agente de IA generativa do 
        [LangChain](https://python.langchain.com/docs/get_started/introduction)
        projetado para fornecer informações sobre projetos universitários, teses, artigos e a 
        expertise de docentes. Sua função principal é auxiliar agentes externos, como
        empresas ou instituições, a encontrar especialistas da universidade que
        possam atender a desafios em diversos setores. O agente utiliza a
        técnica de Geração Aumentada por Recuperação (RAG) para oferecer
        recomendações precisas com base em fontes de dados acadêmicos, estruturadas
        e não estruturadas.
        """
    )

    st.expander("Exemplos de consultas").markdown(
        """
        - Eu tenho uma dúvida na área de processamento de imagens, 
        qual o professor mais indicado?
        - Eu preciso de ajuda com um problema de inteligência artifical, 
        quem poderia me ajudar?
        - Eu preciso de ajuda com um problema de microprocessadores, 
        quem poderia me ajudar?
        - Me recomende publicações na área de bioinformática
        - Quero desenvolver um dispositivo vestível para monitorar pacientes 
        com doenças crônicas. Quais especialistas podem me ajudar?
        - Minha empresa está desenvolvendo um produto que utiliza inteligência 
        artificial e os dados adquiridos por uma rede de sensores espalhados em 
        uma plantação para determinar quanto e quais os melhores procedimentos a 
        serem feitos na lavoura. Existem docentes que possam me ajudar?
        - Crie uma nuvem de termos do currículo do professor Denis Salvadeo. 
        Adicione um peso para cada termo, sendo que o peso maior significa maior 
        produção naquela área
        - Explique o currículo do professor Ivan Rizzo como se eu fosse um aluno
        de ensino médio.
        """
    )

    st.header("Configurações")
    retriever_k = st.number_input(
        "Quantos artigos de contexto serão usados (k)",
        min_value=1,
        max_value=200,
        value=50,
        step=1,
        format="%d",
    )

st.title("Sistema de Consulta da UNESP")
st.info(
    "Me fale sobre seu problema e indicarei um docente da universidade para ajudá-lo!"
)

if "model_settings" not in st.session_state:
    st.session_state.model_settings = {"k": retriever_k}
    st.session_state.get_assistant_answer = get_chain(retriever_k)

if "messages" not in st.session_state:
    st.session_state.messages = []

for message in st.session_state.messages:
    with st.chat_message(message["role"]):
        if "output" in message.keys():
            st.markdown(message["output"])

        if "settings" in message.keys():
            st.status(
                "Configurações usadas na geração da resposta", state="complete"
            ).write(message["settings"])

        if "retriever_prompt" in message.keys():
            st.status(
                "Prompt usado para recuperar os documentos", state="complete"
            ).write(message["retriever_prompt"])

if prompt := st.chat_input("O que você quer saber?"):
    st.chat_message("user").markdown(prompt)

    st.session_state.messages.append({"role": "user", "output": prompt})

    with st.spinner("Procurando uma resposta..."):
        if st.session_state.model_settings != {"k": retriever_k}:
            st.session_state.model_settings = {"k": retriever_k}
            st.session_state.get_assistant_answer = get_chain(retriever_k)
        assistant_output, retriever_prompt = st.session_state.get_assistant_answer(
            prompt,
        )

    st.chat_message("assistant").markdown(assistant_output)
    st.status("Configurações usadas na geração da resposta", state="complete").write(
        st.session_state.model_settings
    )
    st.status("Prompt usado para recuperar os documentos", state="complete").write(
        retriever_prompt
    )

    st.session_state.messages.append(
        {
            "role": "assistant",
            "output": assistant_output,
            "settings": st.session_state.model_settings,
            "retriever_prompt": retriever_prompt,
        }
    )