Se corrigen algunos errores en los modelos de ollama

chats/chat_tools.py

@@ -2,38 +2,50 @@ from colorama import Fore, Back, Style
 
 
 class MessageManager:
-
     def create_chat(self, qa):
-
         # Emoticon de robot
-        ia_emoticon = "\U0001F916"  # Emoticon de robot Unicode
-        humano_emoticon = "\U0001F604"  # Emoticon de carita feliz Unicode
+        ia_emoticon = "\U0001f916"  # Emoticon de robot Unicode
+        humano_emoticon = "\U0001f604"  # Emoticon de carita feliz Unicode
 
         # Imprimir el texto en amarillo y negrita con el emoticon de robot
 
         # Definicimo el mensaje de la IA
-        print(f"{ia_emoticon} " + Style.BRIGHT + Fore.YELLOW +
-              "IA: " + Style.RESET_ALL + "Pregunta algo al documento")
+        print(
+            f"{ia_emoticon} "
+            + Style.BRIGHT
+            + Fore.YELLOW
+            + "IA: "
+            + Style.RESET_ALL
+            + "Pregunta algo al documento"
+        )
         while True:
             input_usuario = input(
-                Style.BRIGHT + Fore.BLUE + f"{humano_emoticon} You: " + Style.RESET_ALL)
-            if input_usuario.lower() == 'salir':
+                Style.BRIGHT + Fore.BLUE + f"{humano_emoticon} You: " + Style.RESET_ALL
+            )
+            if input_usuario.lower() == "salir":
                 break
-            bot_response = qa.invoke({"question": f"{input_usuario}"},
-                                     return_only_outputs=True)
-            print(f'{ia_emoticon} ' + Style.BRIGHT + Fore.YELLOW +
-                  'IA:' + Style.RESET_ALL + f'{bot_response["answer"]}')
+            bot_response = qa.invoke(
+                {"question": f"{input_usuario}"}, return_only_outputs=True
+            )
+            print(
+                f"{ia_emoticon} "
+                + Style.BRIGHT
+                + Fore.YELLOW
+                + "IA:"
+                + Style.RESET_ALL
+                + f'{bot_response["answer"]}'
+            )
 
     def generate_citations(self, documents_source: list) -> str:
-
         text_source: str = ""
 
         for index, document in enumerate(documents_source):
             quote: str = document.page_content
-            source: str = document.metadata['source'].replace(
-                'documents/pdfs/', '')
-            page: str = document.metadata['page'] + 1
-            fuente: str = f"**Fuente #{index + 1}:** \n '{quote}'\n(*{source}, P.{page})*"
+            source: str = document.metadata["source"].replace("documents/pdfs/", "")
+            page: str = document.metadata["page"] + 1
+            fuente: str = (
+                f"**Fuente #{index + 1}:** \n '{quote}'\n(*{source}, P.{page})*"
+            )
 
             text_source += fuente + "\n\n\n"
 

chats/streamlit_tools.py

@@ -14,16 +14,16 @@ def import_file() -> str:
 
         # Agregamos el nombre a la lista de archvios para luego podr verificarlos
         List_of_files.append(nombre_archivo)
-        st.success(
-            f"El numero de archivos en la lista  de archivos es de: {len(List_of_files)}"
-        )
+        # st.success(
+        #    f"El numero de archivos en la lista  de archivos es de: {len(List_of_files)}"
+        # )
 
         # Abrir un archivo en modo escritura binaria ('wb') para guardar el archivo de audio
         with open(f"documents/pdfs/{nombre_archivo}", "wb") as new_file:
             # Leer los datos del archivo cargado y escribirlos en el nuevo archivo
             new_file.write(archivo.read())
 
-    st.success(f"Se carga el archivo con nombre: {nombre_archivo}")
+    # st.success(f"Se carga el archivo con nombre: {nombre_archivo}")
 
     # Verificamos que en la lista solo haya un archivo, de lo contrario, limpiamos la session_state
     if (

langchain_tools/lc_tools.py

@@ -68,7 +68,7 @@ class LangChainTools:
         """
 
         # db_name = _file_name.replace(".pdf", "").replace(" ", "_").lower()
-        st.success(_file_name)
+        # st.success(_file_name)
 
         if "db_name" not in st.session_state.keys():
             st.session_state.db_name = (
@@ -265,7 +265,7 @@ class LangChainTools:
         # Pregunta: {question}
         # Respuesta en español:"""
 
-        conversation.combine_docs_chain.llm_chain.prompt.template = template
-        conversation.question_generator.prompt.template = "Dado el siguiente diálogo y una pregunta de seguimiento, reformula la pregunta de seguimiento para que sea una pregunta independiente, en su idioma original.\n\nHistorial del chat:\n{chat_history}\nPregunta de seguimiento: {question}\nPregunta independiente:"
+        # conversation.combine_docs_chain.llm_chain.prompt.template = template
+        # conversation.question_generator.prompt.template = "Dado el siguiente diálogo y una pregunta de seguimiento, reformula la pregunta de seguimiento para que sea una pregunta independiente, en su idioma original.\n\nHistorial del chat:\n{chat_history}\nPregunta de seguimiento: {question}\nPregunta independiente:"
 
         return conversation

langchain_tools/pdf_tools.py

@@ -39,7 +39,7 @@ class PdfLangChain:
         loader = PyPDFLoader(_self.file_path)
         _self.docs = loader.load()
 
-        st.success(f"Se carga el pdf : {_self.file_path}")
+        # st.success(f"Se carga el pdf : {_self.file_path}")
         return _self.docs
 
     def split_docs(self, data: list) -> list:
@@ -60,6 +60,6 @@ class PdfLangChain:
         )
         self.docs_split = splitter.split_documents(data)
 
-        st.success(f"{self.file_path[3][:200]}")
+        # st.success(f"{self.file_path[3][:200]}")
 
         return self.docs_split