Update app.py

app.py

@@ -1,26 +1,45 @@
 import gradio as gr
 from huggingface_hub import InferenceClient
+import PyPDF2
 
 # Initialisation du modèle HF中国镜像站
 client = InferenceClient("HuggingFaceH4/zephyr-7b-beta")
 
 # Messages système pour guider le modèle
 SYSTEM_PROMPT = {
-    "fr": "Tu es un assistant pédagogique qui aide les professeurs à créer des cours.",
-    "en": "You are an educational assistant helping teachers create courses."
+    "fr": "Tu es un assistant pédagogique qui aide les professeurs à créer des cours et analyser des documents PDF.",
+    "en": "You are an educational assistant helping teachers create courses and analyze PDF documents."
 }
 
-# Fonction principale du chatbot
-def generate_course(subject, history, lang, max_tokens, temperature, top_p):
+# 📄 Fonction pour lire et extraire le texte d'un PDF
+def extract_text_from_pdf(pdf_file):
+    text = ""
+    with pdf_file as f:
+        reader = PyPDF2.PdfReader(f)
+        for page in reader.pages:
+            text += page.extract_text() + "\n"
+    return text
+
+# 🧠 Fonction du chatbot avec gestion de l'historique + PDF RAG
+def generate_response(subject, history, lang, pdf_file, max_tokens, temperature, top_p):
     system_message = SYSTEM_PROMPT.get(lang, SYSTEM_PROMPT["en"])  # Sélection de la langue
 
     messages = [{"role": "system", "content": system_message}]
     
+    # 🔄 Correction du format de l'historique
     for message in history:
-        messages.append({"role": message["role"], "content": message["content"]})
+        if isinstance(message, dict) and "role" in message and "content" in message:
+            messages.append(message)
+
+    # 📄 Ajouter le contenu du PDF s'il y en a un
+    if pdf_file is not None:
+        pdf_text = extract_text_from_pdf(pdf_file)
+        messages.append({"role": "user", "content": f"Voici un document PDF pertinent : {pdf_text[:1000]}..."})  # On limite à 1000 caractères pour éviter la surcharge
 
+    # Ajouter la demande de l'utilisateur
     messages.append({"role": "user", "content": f"Crée un cours sur : {subject}"})
 
+    # 🔥 Génération de la réponse en streaming
     response = ""
     for message in client.chat_completion(
         messages, max_tokens=max_tokens, stream=True, temperature=temperature, top_p=top_p
@@ -29,15 +48,17 @@ def generate_course(subject, history, lang, max_tokens, temperature, top_p):
         response += token
         yield response
 
-# Interface utilisateur avec Gradio
+# 🎨 Interface utilisateur Gradio
 with gr.Blocks(theme=gr.themes.Soft()) as demo:
-    gr.Markdown("# 🎓 Teacher Assistant Chatbot")
+    gr.Markdown("# 🎓 Teacher Assistant Chatbot avec PDF RAG")
 
     with gr.Row():
         subject_input = gr.Textbox(label="📌 Sujet du cours", placeholder="Ex: Apprentissage automatique")
         lang_select = gr.Dropdown(choices=["fr", "en"], value="fr", label="🌍 Langue")
 
-    chat = gr.Chatbot(type="messages")  # ✅ Fix : Utilisation du format messages
+    pdf_upload = gr.File(label="📄 Télécharger un PDF (optionnel)", type="file")
+
+    chat = gr.Chatbot(type="messages")  # ✅ Correction : Format messages OK
 
     with gr.Row():
         max_tokens = gr.Slider(minimum=100, maximum=2048, value=512, step=1, label="📝 Max tokens")
@@ -47,11 +68,11 @@ with gr.Blocks(theme=gr.themes.Soft()) as demo:
     generate_button = gr.Button("🚀 Générer le cours")
 
     generate_button.click(
-        generate_course, 
-        inputs=[subject_input, chat, lang_select, max_tokens, temperature, top_p], 
+        generate_response, 
+        inputs=[subject_input, chat, lang_select, pdf_upload, max_tokens, temperature, top_p], 
         outputs=chat
     )
 
-# Lancer l'application
+# 🔥 Lancer l'application
 if __name__ == "__main__":
     demo.launch()