main.py

"""
Data Scientist.: Dr.Eddy Giusepe Chirinos Isidro

Este script tem que ser otimizado !!!


https://www.datacamp.com/tutorial/chromadb-tutorial-step-by-step-guide

https://abhishektatachar.medium.com/run-chroma-db-on-a-local-machine-and-as-a-docker-container-a9d4b91d2a97

https://docs.trychroma.com/usage-guide
"""
import chromadb
from chromadb.utils import embedding_functions
import openai

client = chromadb.Client()
#client.reset() # Esvazia e redefine completamente o banco de dados. Isso é destrutivo e irreversível.
#client.delete_collection(name="my_collection")
print(client.list_collections())
#collection = client.create_collection("my_collection")
#client.heartbeat()

# Substitua sua chave de API OpenAI:
import openai
import os
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv()) # read local .env file
openai.api_key  = os.environ['OPENAI_API_KEY']

# # Isto é quando usas o arquivo .env:
# from dotenv import load_dotenv
# import os
# print('Carregando a minha chave Key: ', load_dotenv())
# Eddy_API_KEY_OpenAI = os.environ['OPENAI_API_KEY'] 

student_info = """
Alexandra Thompson, uma estudante do segundo ano de ciências físicas de 19 anos com um GPA de 3.7, é membro \
dos clubes de programação e xadrez e gosta de pizza, nadar e fazer caminhadas em seu tempo livre na esperança \
de trabalhar em uma empresa de tecnologia depois de se formar no Universidade de Washington.
"""

club_info = """
O clube de xadrez universitário oferece uma oportunidade para os alunos se reunirem e se divertirem jogando o clássico \
jogo de estratégia de xadrez. Membros de todos os níveis são bem-vindos, desde iniciantes aprendendo as regras até \
jogadores experientes de torneios. O clube normalmente se reúne algumas vezes por semana para jogar jogos casuais, \
participar de torneios, analisar partidas de xadrez famosas e melhorar as habilidades dos membros.
"""

university_info = """
A Universidade de Washington, fundada em 1861 em Seattle, é uma universidade pública de pesquisa com mais de 45000 alunos \
em três campi em Seattle, Tacoma e Bothell. Como instituição emblemática das seis universidades públicas do estado de Washington, \
a UW abrange mais de 500 edifícios e 20 milhões de pés quadrados de espaço, incluindo um dos maiores sistemas de bibliotecas do mundo.
"""




class Retriver:
    def __init__(self):
        pass
    
    def get_retrieval_results(self, input, k=1):
    
        openai_ef = embedding_functions.OpenAIEmbeddingFunction(model_name="text-embedding-ada-002")
        students_embeddings = openai_ef([student_info, club_info, university_info])
        collection = client.get_or_create_collection(name="my_collection", embedding_function=openai_ef)
        
        collection.add(
        embeddings = students_embeddings,
        documents = [student_info, club_info, university_info],
        metadatas = [{"source": "student info"},{"source": "club info"},{'source':'university info'}],
        ids = ["id1", "id2", "id3"]
        )
        
        retrieval_results = collection.query(
            query_embeddings=openai_ef(input),
            #query_texts=[input],
            n_results=k,
        )
        
        return retrieval_results["documents"][0]
    

# Você é um assistente prestativo que responde às queries do usuário em base as informações recebidas.
class Generator:
    def __init__(self, openai_model="gpt-3.5-turbo-1106"): # gpt-4
        self.openai_model = openai_model
        self.prompt_template = """Sumarize a resposta recuperada: ```{text}```. Ademais a sua resposta deve conter como máximo 20 palavras."""

    def generate_response(self, text):
        # prompts = []
        # for result in retrieval_results:
        #     prompt = self.prompt_template.format(answer_rec=result)
        #     prompts.append(prompt)
        # prompts.reverse()
        prompt = self.prompt_template.format(text=text)
        

        response = openai.ChatCompletion.create(
            model=self.openai_model,
            messages=[{"role": "assistant", "content": prompt}],
            temperature=0,
        )
        sumarizando = response["choices"][0]["message"]["content"]
        return sumarizando
    

class Chatbot:
    def __init__(self):
        self.retriver = Retriver()
        self.generator = Generator()
    
    def answer(self, input):
        retrieval_results = self.retriver.get_retrieval_results(input)
        return self.generator.generate_response(retrieval_results)
        
    

# Creating an instance of the Chatbot class
chatbot = Chatbot()

while True:
    user_input = input("You: ")  # Taking user input from the CLI
    response = chatbot.answer(user_input)
    print(f"Chatbot: {response}")