Se corrigio el problema que mantenia el archivo entre sesiones implementando la session_state de streamlit y un mejor manejo de la cache

langchain_tools/lc_tools.py

@@ -2,7 +2,6 @@ from langchain_openai import OpenAIEmbeddings
 from langchain_community.vectorstores import Chroma
 from langchain_community.llms import OpenAI
 from langchain_community.chat_models import ChatOpenAI
-from langchain_core.prompts import PromptTemplate
 from langchain.memory.buffer import ConversationBufferMemory
 import os
 import streamlit as st
@@ -10,6 +9,7 @@ from dotenv import load_dotenv
 from langchain.chains import RetrievalQAWithSourcesChain, ConversationalRetrievalChain
 from langchain_community.llms import HuggingFaceEndpoint
 from langchain_community.embeddings import HuggingFaceEmbeddings
+from streamlit.runtime.state import session_state
 
 
 class LangChainTools:
@@ -55,7 +55,7 @@ class LangChainTools:
 
         return self.embedding_model
 
-    @st.cache_resource
+    # @st.cache_resource
     def create_vector_strore(
         _self, _docs_split: list, _file_name: str, _embedding_model
     ):
@@ -66,21 +66,33 @@ class LangChainTools:
             _file_name (str): Nombre del documento
         """
 
-        db_name = _file_name.replace(".pdf", "").replace(" ", "_").lower()
+        # db_name = _file_name.replace(".pdf", "").replace(" ", "_").lower()
+        st.success(_file_name)
+
+        if "db_name" not in st.session_state.keys():
+            st.session_state.db_name = (
+                _file_name.replace(".pdf", "").replace(" ", "_").lower()
+            )
 
         # Cargamos el modelo de embeddings
         # _embedding_model = self._embedding_model
 
         # Verificamos si existe la vector strore
-        persist_directory = f"embeddings/{db_name}"
+        # persist_directory = f"embeddings/{db_name}"
 
-        if os.path.exists(persist_directory):
+        if "persist_director" not in st.session_state.keys():
+            st.session_state.persist_directory = (
+                f"embeddings/{st.session_state.db_name}"
+            )
+
+        if os.path.exists(st.session_state.persist_directory):
             vectordb = Chroma(
-                persist_directory=persist_directory, embedding_function=_embedding_model
+                persist_directory=st.session_state.persist_directory,
+                embedding_function=_embedding_model,
             )
         else:
             vectordb = Chroma.from_documents(
-                persist_directory=persist_directory,
+                persist_directory=st.session_state.persist_directory,
                 documents=_docs_split,
                 embedding=_embedding_model,
             )
@@ -110,7 +122,8 @@ class LangChainTools:
 
         return llm_openai
 
-    def load_llm_open_source(self):
+    @st.cache_resource
+    def load_llm_open_source(_self):
         """Esta funcion carga un modelo de LLM OpenSource desde HuggingFace
 
         Returns:
@@ -137,24 +150,6 @@ class LangChainTools:
 
         return llm
 
-    def load_prompt_template(self):
-        """Esta funcion construye un prompt template de lanfchain.
-
-        Returns:
-            _type_: Retorno a un prompt template de LangChain.
-        """
-        template = """Responde en español la siguiente pregunta utilizando los documentos proporcionados y citando las fuentes relevantes entre corchetes []:
-
-        Pregunta: {question}
-
-        Respuesta:"""
-
-        prompt_template = PromptTemplate(
-            template=template, input_variables=["question"]
-        )
-
-        return prompt_template
-
     def define_retrieval_qa(self, _llm, _vectordb, _file_name, _embedding_model):
         """Esta función integra un LLM y una base de datos vectorial en una
         chain de LangChain para hacer requerimientos. Este modelo no integra memoria.
@@ -193,10 +188,8 @@ class LangChainTools:
 
         return qa
 
-    @st.cache_resource
-    def define_retrieval_qa_memory(
-        _self, _llm, _vectordb, _file_name, _embedding_model
-    ):
+    # @st.cache_resource
+    def define_retrieval_qa_memory(_self, _llm, _file_name, _embedding_model):
         """Esta función integra un LLM y una base de datos vectorial en una
         chain de LangChain para hacer requerimientos. Este modelo integra memoria.
 
@@ -213,13 +206,14 @@ class LangChainTools:
             y la BDV.
         """
 
-        db_name = _file_name.replace(".pdf", "").replace(" ", "_").lower()
+        # db_name = _file_name.replace(".pdf", "").replace(" ", "_").lower()
 
         # Verificamos si existe la vector strore
-        persist_directory = f"embeddings/{db_name}"
+        # persist_directory = f"embeddings/{db_name}"
 
         _vectordb = Chroma(
-            persist_directory=persist_directory, embedding_function=_embedding_model
+            persist_directory=st.session_state.persist_directory,
+            embedding_function=_embedding_model,
         )
 
         # Configura la memoria

langchain_tools/pdf_tools.py

@@ -6,11 +6,11 @@ import streamlit as st
 
 class PdfLangChain:
     """Clase para menejar documentos pdf con LangChain.
-.
+    .
 
-    Attributes:
-        file_name (str): Nombre del archivo PDF.
-        file_path (str): Ruta del archivo PDF.
+        Attributes:
+            file_name (str): Nombre del archivo PDF.
+            file_path (str): Ruta del archivo PDF.
     """
 
     def __init__(self, file_name: str) -> None:
@@ -22,7 +22,7 @@ class PdfLangChain:
         """
 
         self.file_name = file_name
-        self.file_path = os.path.join('documents', 'pdfs', self.file_name)
+        self.file_path = os.path.join("documents", "pdfs", self.file_name)
 
         # Verificar si el directorio exist, sino, crearlo
         if not os.path.exists(self.file_path):
@@ -38,6 +38,8 @@ class PdfLangChain:
 
         loader = PyPDFLoader(_self.file_path)
         _self.docs = loader.load()
+
+        st.success(f"Se carga el pdf : {_self.file_path}")
         return _self.docs
 
     def split_docs(self, data: list) -> list:
@@ -54,8 +56,10 @@ class PdfLangChain:
         chunk_overlap = 300
 
         splitter = RecursiveCharacterTextSplitter(
-            chunk_size=chunk_size,
-            chunk_overlap=chunk_overlap)
+            chunk_size=chunk_size, chunk_overlap=chunk_overlap
+        )
         self.docs_split = splitter.split_documents(data)
 
+        st.success(f"{self.file_path[3][:200]}")
+
         return self.docs_split