nicolbl95's picture
feat: automated sync update
c441d44
Raw History Blame Contribute Delete
8.91 kB
import streamlit as st
import os
import sys
from pathlib import Path
from dotenv import load_dotenv
# ============================================================
# 1. CHEMIN RACINE DU PROJET + CHARGEMENT DU .ENV
# ============================================================
PROJECT_ROOT = Path(__file__).resolve().parents[1]
load_dotenv(PROJECT_ROOT / ".env")
if str(PROJECT_ROOT) not in sys.path:
sys.path.append(str(PROJECT_ROOT))
# ============================================================
# 2. VARIABLES LANGFUSE
# ============================================================
os.environ["LANGFUSE_PUBLIC_KEY"] = os.getenv("LANGFUSE_PUBLIC_KEY") or ""
os.environ["LANGFUSE_SECRET_KEY"] = os.getenv("LANGFUSE_SECRET_KEY") or ""
os.environ["LANGFUSE_BASE_URL"] = (
os.getenv("LANGFUSE_BASE_URL")
or os.getenv("LANGFUSE_HOST")
or "https://cloud.langfuse.com"
)
print("LANGFUSE_PUBLIC_KEY exists:", bool(os.environ["LANGFUSE_PUBLIC_KEY"]))
print("LANGFUSE_SECRET_KEY exists:", bool(os.environ["LANGFUSE_SECRET_KEY"]))
print("LANGFUSE_BASE_URL:", os.environ["LANGFUSE_BASE_URL"])
# ============================================================
# 3. INITIALISATION LANGFUSE
# ============================================================
from langfuse import get_client
from openinference.instrumentation.llama_index import LlamaIndexInstrumentor
langfuse_client = get_client()
try:
if langfuse_client.auth_check():
print("✅ Langfuse connecté")
else:
print("❌ Langfuse non connecté : vérifie les clés Langfuse")
except Exception as e:
print("❌ Erreur auth_check Langfuse:", e)
# Initialisation unique de l'instrumentation LlamaIndex
if "instrumented" not in st.session_state:
LlamaIndexInstrumentor().instrument()
st.session_state.instrumented = True
# ============================================================
# 4. CONFIGURATION STREAMLIT
# ============================================================
st.set_page_config(
page_title="Enterprise Copilot — Agentic",
page_icon="🤖",
layout="centered"
)
st.title("🤖 Enterprise Copilot — Agentic RAG")
st.subheader("Orchestration LangGraph avec routage autonome")
# ============================================================
# 5. IMPORTS AGENT PROJET
# ============================================================
from agents.orchestrator import run_agentic_rag
from agents.evaluator import evaluate_response
import inspect
import agents.orchestrator as orch
print("✅ ORCHESTRATOR FILE USED:", orch.__file__)
print("✅ RUN_AGENTIC_RAG SIGNATURE:", inspect.signature(run_agentic_rag))
if "chat_history" not in str(inspect.signature(run_agentic_rag)):
raise RuntimeError(
f"Mauvaise version de run_agentic_rag chargée : {inspect.signature(run_agentic_rag)} depuis {orch.__file__}"
)
# ============================================================
# 6. MÉMOIRE ET HISTORIQUE STREAMLIT
# ============================================================
# Session stable pour Redis pendant le développement.
# Tu peux remettre uuid.uuid4() plus tard si tu veux une session neuve par utilisateur.
if "session_id" not in st.session_state:
st.session_state.session_id = "nicolas-dev-session-v3"
if "messages" not in st.session_state:
st.session_state.messages = [
{
"role": "assistant",
"content": "Bonjour ! Je suis votre Copilot augmenté par LangGraph. Posez-moi une question sur les documents ou l'actualité !",
"sources": [],
"steps": []
}
]
# Bouton pratique pour nettoyer l'historique local Streamlit.
if st.button("🧹 Vider la conversation"):
st.session_state.messages = [
{
"role": "assistant",
"content": "Bonjour ! Je suis votre Copilot augmenté par LangGraph. Posez-moi une question sur les documents ou l'actualité !",
"sources": [],
"steps": []
}
]
st.rerun()
# ============================================================
# 7. AFFICHAGE DE L'HISTORIQUE
# ============================================================
for msg in st.session_state.messages:
with st.chat_message(msg["role"]):
st.write(msg["content"])
if msg.get("steps"):
st.info(f"👣 **Parcours des agents :** {' ➔ '.join(msg['steps'])}")
if msg.get("sources"):
st.caption(f"📁 **Sources consultées :** {', '.join(msg['sources'])}")
# ============================================================
# 8. INPUT UTILISATEUR + EXÉCUTION GRAPHE + TRACE LANGFUSE + ÉVALUATION
# ============================================================
if user_query := st.chat_input("Votre question ici..."):
# Sauvegarde immédiate de la question utilisateur dans l'historique Streamlit.
st.session_state.messages.append(
{
"role": "user",
"content": user_query,
"sources": [],
"steps": []
}
)
with st.chat_message("user"):
st.write(user_query)
with st.chat_message("assistant"):
with st.spinner("L'orchestrateur LangGraph évalue et exécute les nœuds..."):
try:
with langfuse_client.start_as_current_observation(
as_type="span",
name="enterprise-copilot-agentic-rag",
input={
"question": user_query,
"session_id": st.session_state.session_id
},
metadata={
"app": "enterprise-copilot",
"architecture": "langgraph-crag",
"session_id": st.session_state.session_id
}
) as trace_span:
# Récupère l'ID de la trace active pour envoyer les scores à Langfuse
raw_trace_id = getattr(trace_span, "trace_id", None)
if callable(raw_trace_id):
raw_trace_id = raw_trace_id()
trace_id = str(raw_trace_id) if raw_trace_id else None
print("✅ LANGFUSE TRACE ID:", trace_id)
# IMPORTANT :
# On passe l'historique Streamlit à LangGraph.
result = run_agentic_rag(
user_query,
session_id=st.session_state.session_id,
chat_history=st.session_state.messages
)
answer_text = result["answer"]
sources = result["sources"]
steps = result["steps"]
context = result.get("context", "")
# Évaluation automatique RAGAS-style
eval_scores = evaluate_response(
question=user_query,
answer=answer_text,
context=context,
trace_id=trace_id,
)
print("✅ EVAL SCORES:", eval_scores)
# Mise à jour de la trace Langfuse avec réponse + scores
trace_span.update(
output={
"answer": answer_text,
"sources": sources,
"steps": steps,
"trace_id": trace_id,
"eval_scores": eval_scores
}
)
langfuse_client.flush()
print("✅ Trace envoyée à Langfuse")
st.write(answer_text)
if steps:
st.info(f"👣 **Parcours des agents :** {' ➔ '.join(steps)}")
if sources:
st.caption(f"📁 **Sources consultées :** {', '.join(sources)}")
# Affichage optionnel des scores dans Streamlit
if eval_scores:
st.caption(
f"📊 Évaluation — "
f"Fidélité: {eval_scores.get('faithfulness')} | "
f"Pertinence: {eval_scores.get('relevance')} | "
f"Complétude: {eval_scores.get('completeness')}"
)
# Sauvegarde de la réponse assistant dans l'historique Streamlit.
st.session_state.messages.append(
{
"role": "assistant",
"content": answer_text,
"sources": sources,
"steps": steps
}
)
except Exception as e:
error_msg = f"Mince, une erreur est survenue : {e}"
st.error(error_msg)
print(error_msg)