Download datatest.py from MILISHNIKI/ChefMate: direct link, hf CLI and curl.
- Browser
- Download file 3.41 kB
-
https://huggingface.co/MILISHNIKI/ChefMate/resolve/main/datatest.py
- Command line
-
hf download hf://MILISHNIKI/ChefMate/datatest.py
-
curl -L -o datatest.py https://huggingface.co/MILISHNIKI/ChefMate/resolve/main/datatest.py
3.41 kB
| import pandas as pd | |
| import sqlite3 | |
| import streamlit as st | |
| from langchain.chains.llm import LLMChain | |
| from langchain.text_splitter import RecursiveCharacterTextSplitter | |
| from langchain_openai import OpenAIEmbeddings | |
| from langchain_openai import OpenAI | |
| from langchain_community.document_loaders import DataFrameLoader | |
| from langchain_community.vectorstores import FAISS | |
| from langchain.prompts import PromptTemplate | |
| # Подключаемся к базе данных SQLite | |
| connection = sqlite3.connect("C:\\Users\\lyuto\\OneDrive\\Рабочий стол\\UniversityProjeck\\Russian_cuisine.db") | |
| # Запрашиваем данные из нужной таблицы | |
| query = "SELECT * FROM 'Russian cuisine'" | |
| # Загружаем данные в DataFrame | |
| df = pd.read_sql_query(query, connection) | |
| # Закрываем подключение к базе данных | |
| connection.close() | |
| df.head() | |
| loader = DataFrameLoader(df, page_content_column='recipe_name') | |
| documents = loader.load() | |
| embeddings = OpenAIEmbeddings(openai_api_key="ваш OPENAI-ключ") | |
| text_splitter = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=0) | |
| texts = text_splitter.split_documents(documents) | |
| # создаем хранилище | |
| db = FAISS.from_documents(texts, embeddings) | |
| db.as_retriever() | |
| prompt_template = """ | |
| Используя данные из рецепта, включающие алгоритм: {algorithm} и ингредиенты: {ingredients}, опишите подробно, как приготовить блюдо, чтобы читатель мог легко следовать вашему описанию. | |
| """ | |
| prompt = PromptTemplate( | |
| template=prompt_template, | |
| input_variables=["algorithm", "ingredients"] | |
| ) | |
| max_tokens = 1500 | |
| # Инициализация модели OpenAI | |
| llm = OpenAI(temperature=0, max_tokens=max_tokens, openai_api_key="ваш OPENAI-ключ") | |
| # Создание LLMChain с prompt и llm | |
| chain = LLMChain(prompt=prompt, llm=llm) | |
| def clean_url(url): | |
| url = "https:" + url | |
| return url.replace('"', '') | |
| def generate_recipe_description(query): | |
| relevants = db.similarity_search(query) | |
| if not relevants: | |
| return "Не удалось найти информацию о данном рецепте." | |
| # Извлечение метаданных (алгоритм и ингредиенты) из документа | |
| recipe_data = relevants[0].metadata | |
| algorithm = recipe_data.get('algorithm', '') | |
| ingredients = recipe_data.get('ingredients', '') | |
| photo_url = recipe_data.get('photo', None) | |
| # Генерация подробного описания рецепта с использованием LLMChain | |
| response = chain.run(algorithm=algorithm, ingredients=ingredients) | |
| return response, photo_url | |
| # Начало Streamlit-приложения | |
| st.title("Ассистент по поиску рецептов ChefMate") | |
| query = st.text_input("Введите ваш запрос:") | |
| if st.button("Получить рецепт"): | |
| response, photo_url = generate_recipe_description(query) | |
| avatar_url = "https://i.yapx.ru/XZyvC.png" # Укажите URL или путь к аватарке ассистента | |
| st.image(avatar_url, width=50) | |
| st.write("ChefMate:") | |
| st.write(response) | |
| if photo_url: | |
| clean_url = clean_url(photo_url) | |
| st.image(clean_url, width=400) | |