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)