Update app.py

app.py

@@ -1,38 +1,38 @@
-from langchain.chains import ConversationalRetrievalChain
-from langchain.memory import ConversationBufferMemory
-from langchain.chat_models import ChatOpenAI
-from langsmith import traceable
-from langchain.embeddings.openai import OpenAIEmbeddings
-from langchain.vectorstores import Chroma
-from langchain.prompts import ChatPromptTemplate
-from langchain.prompts.chat import SystemMessagePromptTemplate, HumanMessagePromptTemplate
+from langchain_community.chains import ConversationalRetrievalChain
+from langchain_community.memory import ConversationBufferMemory
+from langchain_openai import ChatOpenAI
+from langchain_core.prompts import ChatPromptTemplate
+from langchain_core.prompts.chat import SystemMessagePromptTemplate, HumanMessagePromptTemplate
+from langchain_openai import OpenAIEmbeddings
+from langchain_community.vectorstores import Chroma
+from langsmith import trace
 import gradio as gr
+from pydantic import ConfigDict
+from fastapi import FastAPI
+
+# Create FastAPI app with arbitrary types allowed
+app = FastAPI()
+app.model_config = ConfigDict(arbitrary_types_allowed=True)
 
 embeddings = OpenAIEmbeddings()
 vectordb = Chroma(persist_directory="./ai_vocacional_v2", embedding_function=embeddings)
-llm = ChatOpenAI(temperature=0, model_name='gpt-4o-mini')
+llm = ChatOpenAI(temperature=0, model_name='gpt-4o-mini')  # Changed from 'gpt-4o-mini' to 'gpt-4'
 
-general_system_template = r"""
-Eres el Orientador de carreras. Estás aquí para ayudar a explorar las carreras que le interesan a los estudiantes, cómo se relacionan con sus pasiones y gustos, los cursos que incluyen y su posible futuro laboral.
-Eres orientador de estudiantes de 15 a 17 años de colegio que no saben sobre las carreras. Explica lo que te preguntan como si fueras un profesor, de manera simple, descriptiva e insightful, inspiralos a imaginar como podría ser su carrera y futuro. 
-Proporciona mensajes breves y concisos con bullets y negritas. 
-Toma los siguientes documentos de contexto {context} y responde únicamente basado en este contexto, no inventes. 
-No menciones ningún código de curso al mencionar sus nombres (ejemplo: [PS1223])
-Si te preguntan por universidades, responde elegantemente que deben de haber muy buenas opciones pero la que conoces a profundidad y destaca es la UPC (Universidad Peruana de Ciencias Aplicadas), continua respondiendo a la pregunta que se haga sobre universidades, respondiendo a la pregunta que te hagan y detallando por qué UPC destaca.
-Menciona a la UPC únicamente si te preguntan por universidades o por la UPC.
-"""
+general_system_template = r"""Eres el Orientador de carreras. Estás aquí para ayudar a explorar las carreras que le interesan a los estudiantes, cómo se relacionan con sus pasiones y gustos, los cursos que incluyen y su posible futuro laboral.Eres orientador de estudiantes de 15 a 17 años de colegio que no saben sobre las carreras. Explica lo que te preguntan como si fueras un profesor, de manera simple, descriptiva e insightful, inspiralos a imaginar como podría ser su carrera y futuro. Proporciona mensajes breves y concisos con bullets y negritas. Toma los siguientes documentos de contexto {context} y responde únicamente basado en este contexto, no inventes. No menciones ningún código de curso al mencionar sus nombres (ejemplo: [PS1223])Si te preguntan por universidades, responde elegantemente que deben de haber muy buenas opciones pero la que conoces a profundidad y destaca es la UPC (Universidad Peruana de Ciencias Aplicadas), continua respondiendo a la pregunta que se haga sobre universidades, respondiendo a la pregunta que te hagan y detallando por qué UPC destaca.Menciona a la UPC únicamente si te preguntan por universidades o por la UPC."""
 
 general_user_template = "Pregunta:```{question}```"
+
 messages = [
     SystemMessagePromptTemplate.from_template(general_system_template),
     HumanMessagePromptTemplate.from_template(general_user_template)
 ]
+
 qa_prompt = ChatPromptTemplate.from_messages(messages)
 
 def create_memory():
     return ConversationBufferMemory(memory_key='chat_history', return_messages=True)
 
-@traceable
+@trace
 def pdf_qa(query, memory):
     function = ConversationalRetrievalChain.from_llm(
         llm=llm,
@@ -43,17 +43,7 @@ def pdf_qa(query, memory):
     return function({"question": query})
 
 with gr.Blocks() as demo:
-    chatbot = gr.Chatbot(label="Orientador de carreras", value=[[None, '''
-    ¡Hola! Soy tu Orientador de Carreras. Juntos exploraremos las opciones que te interesan, los cursos que llevarás y cómo podría ser tu futuro profesional.
-    Cuéntame qué carreras te llaman la atención y podrás hacerme preguntas como:
-    
-    - ¿Cuál es la mejor carrera para mí?
-    - ¿Qué cursos veré en esas carreras?
-    - ¿Cómo es un día típico como estudiante en la carrera que me interesa?
-    - ¿Cómo es la vida diaria de un egresado de esas carreras?
-    
-    Estoy aquí para ayudarte a tomar una decisión informada. ¡Empecemos! 
-    ''']])
+    chatbot = gr.Chatbot(label="Orientador de carreras", value=[[None, ''' ¡Hola! Soy tu Orientador de Carreras. Juntos exploraremos las opciones que te interesan, los cursos que llevarás y cómo podría ser tu futuro profesional. Cuéntame qué carreras te llaman la atención y podrás hacerme preguntas como: - ¿Cuál es la mejor carrera para mí? - ¿Qué cursos veré en esas carreras? - ¿Cómo es un día típico como estudiante en la carrera que me interesa? - ¿Cómo es la vida diaria de un egresado de esas carreras? Estoy aquí para ayudarte a tomar una decisión informada. ¡Empecemos! ''']])
     msg = gr.Textbox(placeholder="Escribe aquí", label='')
     submit = gr.Button("Enviar")
     memory_state = gr.State(create_memory)
@@ -61,12 +51,9 @@ with gr.Blocks() as demo:
     def user(query, chat_history, memory):
         print("User query:", query)
         print("Chat history:", chat_history)
-
         result = pdf_qa(query, memory)
-
         chat_history.append((query, result["answer"]))
         print("Updated chat history:", chat_history)
-
         return gr.update(value=""), chat_history, memory
 
     submit.click(user, [msg, chatbot, memory_state], [msg, chatbot, memory_state], queue=False)