Update streamlit_app.py.py

streamlit_app.py.py

@@ -3,35 +3,48 @@ import os
 from llama_cpp import Llama
 from langchain_community.vectorstores import FAISS
 from langchain_community.embeddings import HuggingFaceEmbeddings
+from huggingface_hub import hf_hub_download
 
 # --- Configuration de la page Streamlit ---
-st.set_page_config(page_title="Wize, votre Coach RAG", layout="wide")
-st.title("🤖 Wize - Votre Coach Expert")
+st.set_page_config(page_title="Votre Coach RAG", layout="wide")
+st.title("Votre Coach Expert")
 st.write("Posez une question sur vos documents, et je vous répondrai en me basant sur leur contenu.")
 
 # --- Fonctions de chargement mises en cache ---
 # @st.cache_resource est CRUCIAL pour que Streamlit ne recharge pas les modèles à chaque interaction
+
 @st.cache_resource
-def load_llm(model_path):
-    print("Chargement du modèle LLM...")
-    return Llama(model_path=model_path, n_gpu_layers=-1, n_ctx=4096, verbose=False, chat_format="llama-3")
+def load_llm():
+    # ✅ MODIFICATION : On télécharge le modèle depuis le Hub au lieu de le chercher localement.
+    # Cela contourne la limite de stockage de 1 Go du Space.
+    model_repo_id = "QuantFactory/Meta-Llama-3-8B-Instruct-GGUF"
+    model_filename = "Meta-Llama-3-8B-Instruct.Q4_K_M.gguf"
+    
+    with st.spinner(f"Téléchargement du modèle '{model_filename}'... (Cette étape est longue et n'a lieu qu'une seule fois)"):
+        # Télécharge le fichier s'il n'est pas dans le cache et retourne son chemin
+        model_path = hf_hub_download(repo_id=model_repo_id, filename=model_filename)
+    
+    with st.spinner("Chargement du modèle LLM en mémoire..."):
+        # ✅ MODIFICATION : n_gpu_layers=0 car nous utilisons le CPU gratuit.
+        llm = Llama(model_path=model_path, n_gpu_layers=0, n_ctx=4096, verbose=False, chat_format="llama-3")
+    return llm
 
 @st.cache_resource
 def load_retriever(faiss_path, embeddings_path):
-    print("Chargement du modèle d'embeddings et de FAISS...")
-    embeddings_model = HuggingFaceEmbeddings(model_name=embeddings_path, model_kwargs={'device': 'cpu'}) # Utiliser le CPU sur les serveurs gratuits
-    vectorstore = FAISS.load_local(faiss_path, embeddings_model, allow_dangerous_deserialization=True)
+    with st.spinner("Chargement de la base de connaissances (FAISS)..."):
+        # ✅ MODIFICATION : On spécifie 'cpu' car nous n'avons pas de GPU.
+        embeddings_model = HuggingFaceEmbeddings(model_name=embeddings_path, model_kwargs={'device': 'cpu'})
+        vectorstore = FAISS.load_local(faiss_path, embeddings_model, allow_dangerous_deserialization=True)
     return vectorstore.as_retriever(search_kwargs={"k": 5})
 
 # --- Chemins d'accès (relatifs) ---
 DOSSIER_PROJET = os.path.dirname(__file__)
-CHEMIN_MODELE_GGUF = os.path.join(DOSSIER_PROJET, "Meta-Llama-3-8B-Instruct.Q4_K_M.gguf") # Assurez-vous que le nom correspond
 CHEMIN_INDEX_FAISS = os.path.join(DOSSIER_PROJET, "faiss_index_wize")
 CHEMIN_MODELE_EMBEDDINGS = os.path.join(DOSSIER_PROJET, "embedding_model")
 
 # --- Chargement des modèles via Streamlit ---
 try:
-    llm = load_llm(CHEMIN_MODELE_GGUF)
+    llm = load_llm()
     retriever = load_retriever(CHEMIN_INDEX_FAISS, CHEMIN_MODELE_EMBEDDINGS)
     st.success("Les modèles sont chargés et prêts !")
 except Exception as e:
@@ -49,12 +62,10 @@ for message in st.session_state.messages:
 
 # --- Logique de Chat ---
 if prompt := st.chat_input("Posez votre question ici..."):
-    # Ajouter le message de l'utilisateur à l'historique
     st.session_state.messages.append({"role": "user", "content": prompt})
     with st.chat_message("user"):
         st.markdown(prompt)
 
-    # Générer la réponse de l'assistant
     with st.chat_message("assistant"):
         with st.spinner("Je réfléchis..."):
             # 1. Récupérer le contexte
@@ -62,19 +73,12 @@ if prompt := st.chat_input("Posez votre question ici..."):
             context = "\n".join([doc.page_content for doc in docs])
 
             # 2. Créer le prompt pour le LLM
-            system_prompt = "Vous êtes Wize. Répondez à la question en vous basant uniquement sur le contexte fourni."
-            full_prompt = f"""
-            <|begin_of_text|><|start_header_id|>system<|end_header_id|>
-            {system_prompt}
-            Contexte : {context}<|eot_id|><|start_header_id|>user<|end_header_id|>
-            Question : {prompt}<|eot_id|><|start_header_id|>assistant<|end_header_id|>
-            """
+            system_prompt = "Vous êtes Un coach expert. Répondez à la question en vous basant uniquement sur le contexte fourni."
+            full_prompt = f"""<|begin_of_text|><|start_header_id|>system<|end_header_id|>\n{system_prompt}\nContexte : {context}<|eot_id|><|start_header_id|>user<|end_header_id|>\nQuestion : {prompt}<|eot_id|><|start_header_id|>assistant<|end_header_id|>"""
             
             # 3. Générer la réponse
             response = llm(full_prompt, max_tokens=1500, stop=["<|eot_id|>"], echo=False)
             answer = response['choices'][0]['text'].strip()
-            
             st.markdown(answer)
     
-    # Ajouter la réponse de l'assistant à l'historique
     st.session_state.messages.append({"role": "assistant", "content": answer})