sonika-langchain-bot 0.0.7__tar.gz → 0.0.9__tar.gz

{sonika_langchain_bot-0.0.7/src/sonika_langchain_bot.egg-info → sonika_langchain_bot-0.0.9}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: sonika-langchain-bot
-Version: 0.0.7
+Version: 0.0.9
 Summary: Agente langchain con LLM
 Author: Erley Blanco Carvajal
 License: MIT License
@@ -30,7 +30,8 @@ Provides-Extra: dev
 Requires-Dist: sphinx<9.0.0,>=8.1.3; extra == "dev"
 Requires-Dist: sphinx-rtd-theme<4.0.0,>=3.0.1; extra == "dev"
 
-# Sonika LangChain Bot
+# Sonika LangChain Bot <a href="https://pepy.tech/projects/sonika-langchain-bot"><img src="https://static.pepy.tech/badge/sonika-langchain-bot" alt="PyPI Downloads"></a>
+
 
 Una librería Python que implementa un bot conversacional utilizando LangChain con capacidades BDI (Belief-Desire-Intention) y clasificación de texto.
 
@@ -104,12 +105,17 @@ bot_response = response_model
 
 print(bot_response)
 
+#o por streaming
+for chunk in bot.get_response_stream(user_message):
+    print(chunk)
+
 ```
 
 ### Ejemplo de Clasificación de Texto
 
 ```python
-from sonika_langchain_bot.langchain_clasificator import OpenAIModel, TextClassifier
+from sonika_langchain_bot.langchain_clasificator import TextClassifier
+from sonika_langchain_bot.langchain_models import OpenAILanguageModel
 from pydantic import BaseModel, Field
 
 # Definir estructura de clasificación
@@ -136,3 +142,4 @@ result = classifier.classify("Tu texto aquí")
 ## Contribución
 
 Las contribuciones son bienvenidas. Por favor, abre un issue para discutir los cambios importantes que te gustaría hacer.
+

{sonika_langchain_bot-0.0.7 → sonika_langchain_bot-0.0.9}/README.md

@@ -1,4 +1,5 @@
-# Sonika LangChain Bot
+# Sonika LangChain Bot <a href="https://pepy.tech/projects/sonika-langchain-bot"><img src="https://static.pepy.tech/badge/sonika-langchain-bot" alt="PyPI Downloads"></a>
+
 
 Una librería Python que implementa un bot conversacional utilizando LangChain con capacidades BDI (Belief-Desire-Intention) y clasificación de texto.
 
@@ -72,12 +73,17 @@ bot_response = response_model
 
 print(bot_response)
 
+#o por streaming
+for chunk in bot.get_response_stream(user_message):
+    print(chunk)
+
 ```
 
 ### Ejemplo de Clasificación de Texto
 
 ```python
-from sonika_langchain_bot.langchain_clasificator import OpenAIModel, TextClassifier
+from sonika_langchain_bot.langchain_clasificator import TextClassifier
+from sonika_langchain_bot.langchain_models import OpenAILanguageModel
 from pydantic import BaseModel, Field
 
 # Definir estructura de clasificación
@@ -104,3 +110,4 @@ result = classifier.classify("Tu texto aquí")
 ## Contribución
 
 Las contribuciones son bienvenidas. Por favor, abre un issue para discutir los cambios importantes que te gustaría hacer.
+

{sonika_langchain_bot-0.0.7 → sonika_langchain_bot-0.0.9}/setup.py

@@ -2,7 +2,7 @@ from setuptools import setup, find_packages
 
 setup(
     name="sonika-langchain-bot",
-    version="0.0.7", 
+    version="0.0.9", 
     description="Agente langchain con LLM",
     author="Erley Blanco Carvajal",
     license="MIT License",

{sonika_langchain_bot-0.0.7 → sonika_langchain_bot-0.0.9}/src/sonika_langchain_bot/langchain_bot_agent_bdi.py

@@ -1,3 +1,4 @@
+from typing import Generator
 from typing import List
 from langchain.memory import ConversationBufferMemory
 from langchain.prompts import ChatPromptTemplate, MessagesPlaceholder, SystemMessagePromptTemplate, HumanMessagePromptTemplate
@@ -128,6 +129,26 @@ class LangChainBot:
         self.save_messages(user_input, bot_response)
 
         return ResponseModel(user_tokens=user_tokens, bot_tokens=bot_tokens, response=bot_response)
+    
+    def get_response_stream(self, user_input: str) -> Generator[str, None, None]:
+        """
+        Genera una respuesta en streaming para la entrada del usuario, procesando el contexto.
+
+        Args:
+            user_input (str): Entrada del usuario
+
+        Yields:
+            str: Fragmentos de la respuesta generada por el modelo en tiempo real
+        """
+        context = self._get_context(user_input)
+        augmented_input = f"User question: {user_input}"
+        if context:
+            augmented_input = f"Context from attached files:\n{context}\n\nUser question: {user_input}"
+
+        result_stream = self.conversation.stream({"input": augmented_input, "history": self.memory.chat_memory.messages})
+        for response in result_stream:
+            yield response.content
+
 
     def _get_context(self, query: str) -> str:
         """

{sonika_langchain_bot-0.0.7 → sonika_langchain_bot-0.0.9}/src/sonika_langchain_bot/langchain_models.py

@@ -1,8 +1,7 @@
 from langchain_openai import ChatOpenAI
 from sonika_langchain_bot.langchain_class import ILanguageModel
 from langchain_core.messages import HumanMessage
-from typing import  Type
-from pydantic import BaseModel
+from typing import Generator
 
 
 class OpenAILanguageModel(ILanguageModel):
@@ -46,4 +45,18 @@ class OpenAILanguageModel(ILanguageModel):
         """
         message = HumanMessage(content=prompt)
         response = self.model.invoke([message])
-        return response
+        return response
+    
+    def stream_response(self, prompt: str) -> Generator[str, None, None]:
+        """
+        Genera una respuesta en streaming basada en el prompt proporcionado.
+
+        Args:
+            prompt (str): Texto de entrada para generar la respuesta
+        
+        Yields:
+            str: Fragmentos de la respuesta generada por el modelo en tiempo real
+        """
+        message = HumanMessage(content=prompt)
+        for chunk in self.model.stream([message]):
+            yield chunk.content

{sonika_langchain_bot-0.0.7 → sonika_langchain_bot-0.0.9/src/sonika_langchain_bot.egg-info}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: sonika-langchain-bot
-Version: 0.0.7
+Version: 0.0.9
 Summary: Agente langchain con LLM
 Author: Erley Blanco Carvajal
 License: MIT License
@@ -30,7 +30,8 @@ Provides-Extra: dev
 Requires-Dist: sphinx<9.0.0,>=8.1.3; extra == "dev"
 Requires-Dist: sphinx-rtd-theme<4.0.0,>=3.0.1; extra == "dev"
 
-# Sonika LangChain Bot
+# Sonika LangChain Bot <a href="https://pepy.tech/projects/sonika-langchain-bot"><img src="https://static.pepy.tech/badge/sonika-langchain-bot" alt="PyPI Downloads"></a>
+
 
 Una librería Python que implementa un bot conversacional utilizando LangChain con capacidades BDI (Belief-Desire-Intention) y clasificación de texto.
 
@@ -104,12 +105,17 @@ bot_response = response_model
 
 print(bot_response)
 
+#o por streaming
+for chunk in bot.get_response_stream(user_message):
+    print(chunk)
+
 ```
 
 ### Ejemplo de Clasificación de Texto
 
 ```python
-from sonika_langchain_bot.langchain_clasificator import OpenAIModel, TextClassifier
+from sonika_langchain_bot.langchain_clasificator import TextClassifier
+from sonika_langchain_bot.langchain_models import OpenAILanguageModel
 from pydantic import BaseModel, Field
 
 # Definir estructura de clasificación
@@ -136,3 +142,4 @@ result = classifier.classify("Tu texto aquí")
 ## Contribución
 
 Las contribuciones son bienvenidas. Por favor, abre un issue para discutir los cambios importantes que te gustaría hacer.
+

{sonika_langchain_bot-0.0.7 → sonika_langchain_bot-0.0.9}/test/test.py

@@ -40,8 +40,29 @@ def bot_bdi():
 
     print(bot_response)
 
+def bot_bdi_streaming():
+    # Obtener claves de API desde el archivo .env
+    api_key = os.getenv("OPENAI_API_KEY")
+    api_key_tavily = os.getenv("TAVILY_API_KEY")
+
+    language_model = OpenAILanguageModel(api_key, model_name='gpt-4o-mini-2024-07-18', temperature=1)
+    embeddings = OpenAIEmbeddings(api_key=api_key)
+    
+    # Configuración de herramientas y bots
+    search = TavilySearchResults(max_results=2, api_key=api_key_tavily)
+    email_tool = EmailTool()
+    
+    tools =[search, email_tool]
+    beliefs = [Belief(content="Eres un asistente de chat", type=BeliefType.PERSONALITY, confidence=1, source='personality')]
+    bot = LangChainBot(language_model, embeddings, beliefs=beliefs, tools=tools)
 
+    user_message = 'Hola como me llamo?'
+
+    bot.load_conversation_history([Message(content="Mi nombre es Erley", is_bot=False)])
+    for chunk in bot.get_response_stream(user_message):
+        print(chunk)
 
+    
 
 # Definir la clase 'Classification' con Pydantic para validar la estructura
 class Classification(BaseModel):
@@ -63,5 +84,6 @@ def clasification():
     result = classifier.classify("how are you?")
     print(result)
 
-#bot_bdi()
-clasification()
+bot_bdi()
+#bot_bdi_streaming()
+#clasification()