Update chatbot.py

chatbot.py

@@ -1,49 +1,96 @@
-from langchain.chains import LLMChain
-from langchain.prompts import PromptTemplate
-from langchain.llms import HuggingFaceHub
-import os
-
-class InflationChatbot:
-    def __init__(self):
-        # Configuration de l'API Hugging Face
-        self.hf_api_key = os.getenv("jan_nano_streamlit")
-        
-        # Initialisation du modèle de langage
-        self.llm = HuggingFaceHub(
-            repo_id="google/flan-t5-xxl",
-            model_kwargs={"temperature": 0.5, "max_length": 512}
-        )
-        
-        # Template de prompt
-        self.prompt_template = PromptTemplate(
-            input_variables=["context", "question"],
-            template="""
-            Vous êtes un expert économique spécialisé dans la zone BEAC (Cameroun, Gabon, Tchad, Congo, Guinée équatoriale, Centrafrique).
-            Vous devez répondre aux questions en vous basant sur le contexte fourni et vos connaissances économiques.
-            
-            Contexte:
-            - Pays: {context.get('country', 'non spécifié')}
-            - Modèle utilisé: {context.get('model', 'non spécifié')}
-            - Métriques du modèle: {context.get('metrics', 'non disponibles')}
-            
-            Question: {question}
-            
-            Réponse détaillée:
-            """
+import streamlit as st
+import cohere
+import requests
+from io import BytesIO
+import base64
+
+
+# Configuration de la clé API
+COHERE_API_KEY = "moZJbgxiW9cW8Wqo0ecce0pa84uf3eT6F2oL1whB"  # Remplace par ta clé API
+co = cohere.Client(COHERE_API_KEY)
+
+# Initialisation du contexte de chat
+if "chat_history" not in st.session_state:
+    st.session_state.chat_history = []
+
+st.set_page_config(page_title="Chatbot Cohere", page_icon="💬")
+st.title("💬 Chat avec Cohere (Command R+)")
+
+# Boîte d'entrée utilisateur
+user_input = st.chat_input("Pose ta question...")
+
+# Affichage de l'historique visuel
+for msg in st.session_state.chat_history:
+    with st.chat_message("user" if msg["role"] == "USER" else "assistant"):
+        st.markdown(msg["text"])
+
+# Quand l'utilisateur envoie un message
+if user_input:
+    with st.chat_message("user"):
+        st.markdown(user_input)
+
+    st.session_state.chat_history.append({"role": "USER", "text": user_input})
+
+    # Création de l'historique pour Cohere
+    cohere_history = [
+        {"role": msg["role"], "message": msg["text"]}
+        for msg in st.session_state.chat_history
+        if msg["role"] in ["USER", "CHATBOT"]
+    ]
+
+    try:
+        response = co.chat(
+            message=user_input,
+            chat_history=cohere_history,
+            model="command-r-plus",
+            temperature=0.7,
+            max_tokens=300
         )
-        
-        # Initialisation de la chaîne
-        self.chain = LLMChain(llm=self.llm, prompt=self.prompt_template)
-    
-    def ask_question(self, question, country=None, model=None, metrics=None):
-        # Préparation du contexte
-        context = {
-            "country": country,
-            "model": model,
-            "metrics": str(metrics) if metrics else None
+
+        reply = response.text.strip()
+
+        # Étape 1 : Résumer la réponse avec Cohere
+        summary_prompt = f"Résume en une seule phrase simple et claire en français ce texte : {reply}"
+        summary_response = co.generate(prompt=summary_prompt, max_tokens=100)
+        summary = summary_response.generations[0].text.strip()
+
+        # Étape 2 : Appel ElevenLabs (TTS)
+        ELEVEN_API_KEY = "sk_6c5472c80964f88fcdc9d9c189db749143ae1a0d2c8f26f3"  # ← Remplace par ta clé API ElevenLabs
+        voice_id = "TxGEqnHWrfWFTfGW9XjX"  # Voix française (Antoine)
+
+        headers = {
+            "xi-api-key": ELEVEN_API_KEY,
+            "Content-Type": "application/json"
         }
-        
-        # Génération de la réponse
-        response = self.chain.run(context=context, question=question)
-        
-        return response
+
+        data = {
+            "text": summary,
+            "model_id": "eleven_multilingual_v2",
+            "voice_settings": {
+                "stability": 0.5,
+                "similarity_boost": 0.75
+            }
+        }
+
+        response_audio = requests.post(
+            f"https://api.elevenlabs.io/v1/text-to-speech/{voice_id}",
+            headers=headers,
+            json=data
+        )
+
+        # Affichage de la réponse texte + audio
+        with st.chat_message("assistant"):
+            st.markdown(reply)
+            st.markdown(f"🔊 **Résumé vocal :** _{summary}_")
+
+            if response_audio.status_code == 200:
+                audio_bytes = BytesIO(response_audio.content)
+                st.audio(audio_bytes, format="audio/mp3")
+            else:
+                st.warning("Erreur dans la synthèse vocale (ElevenLabs).")
+
+        st.session_state.chat_history.append({"role": "CHATBOT", "text": reply})
+
+    except Exception as e:
+        st.error(f"Erreur : {str(e)}")
+