Discutez avec votre PDF en utilisant Pinata, OpenAI et Streamlit

Dalam tutorial ini, kami akan membina antara muka sembang ringkas yang membolehkan pengguna memuat naik PDF, mendapatkan semula kandungannya menggunakan API OpenAI dan memaparkan respons dalam antara muka seperti sembang menggunakan Perkemas. Kami juga akan memanfaatkan @pinata untuk memuat naik dan menyimpan fail PDF.

Mari kita lihat sedikit apa yang sedang kita bina sebelum bergerak ke hadapan:

Prasyarat :

• Pengetahuan asas Python
• Kunci API Pinata (untuk memuat naik PDF)
• Kunci API OpenAI (untuk menjana respons)
• Streamlit dipasang (untuk membina UI)

Langkah 1: Persediaan Projek

Mulakan dengan mencipta direktori projek Python baharu:

mkdir chat-with-pdf
cd chat-with-pdf
python3 -m venv venv
source venv/bin/activate
pip install streamlit openai requests PyPDF2

Sekarang, buat fail .env dalam akar projek anda dan tambahkan pembolehubah persekitaran berikut:

PINATA_API_KEY=<Your Pinata API Key>
PINATA_SECRET_API_KEY=<Your Pinata Secret Key>
OPENAI_API_KEY=<Your OpenAI API Key>

Seseorang perlu mengurus OPENAI_API_KEY sendiri kerana ia berbayar. Tetapi mari kita lalui proses mencipta kunci api dalam Pinita.

Jadi, sebelum meneruskan, beritahu kami apakah Pinata sebab kami menggunakannya.

Pinata ialah perkhidmatan yang menyediakan platform untuk menyimpan dan mengurus fail pada IPFS (Sistem Fail InterPlanetary), sistem storan fail terdesentralisasi dan teredar.

• Storan Terpencar: Pinata membantu anda menyimpan fail pada IPFS, rangkaian terdesentralisasi.
• Mudah Digunakan: Ia menyediakan alatan dan API yang mesra pengguna untuk pengurusan fail.
• Ketersediaan Fail: Pinata memastikan fail anda boleh diakses dengan "menyemat"nya pada IPFS.
• Sokongan NFT: Ia bagus untuk menyimpan metadata untuk apl NFT dan Web3.
• Kos Efektif: Pinata boleh menjadi alternatif yang lebih murah kepada storan awan tradisional.

Mari kita cipta token yang diperlukan dengan log masuk:

Langkah seterusnya ialah mengesahkan e-mel berdaftar anda :

Selepas mengesahkan log masuk untuk menjana kunci api :

Selepas itu pergi ke Bahagian Kunci API dan Cipta Kunci API Baharu:

Akhirnya, kunci berjaya dijana. Sila salin kekunci itu dan simpan dalam editor kod anda.

OPENAI_API_KEY=<Your OpenAI API Key>
PINATA_API_KEY=dfc05775d0c8a1743247
PINATA_SECRET_API_KEY=a54a70cd227a85e68615a5682500d73e9a12cd211dfbf5e25179830dc8278efc

Langkah 2: Muat Naik PDF menggunakan Pinata

Kami akan menggunakan API Pinata untuk memuat naik PDF dan mendapatkan cincang (CID) untuk setiap fail. Cipta fail bernama pinata_helper.py untuk mengendalikan muat naik PDF.

import os  # Import the os module to interact with the operating system
import requests  # Import the requests library to make HTTP requests
from dotenv import load_dotenv  # Import load_dotenv to load environment variables from a .env file

# Load environment variables from the .env file
load_dotenv()

# Define the Pinata API URL for pinning files to IPFS
PINATA_API_URL = "https://api.pinata.cloud/pinning/pinFileToIPFS"

# Retrieve Pinata API keys from environment variables
PINATA_API_KEY = os.getenv("PINATA_API_KEY")
PINATA_SECRET_API_KEY = os.getenv("PINATA_SECRET_API_KEY")

def upload_pdf_to_pinata(file_path):
    """
    Uploads a PDF file to Pinata's IPFS service.

    Args:
        file_path (str): The path to the PDF file to be uploaded.

    Returns:
        str: The IPFS hash of the uploaded file if successful, None otherwise.
    """
    # Prepare headers for the API request with the Pinata API keys
    headers = {
        "pinata_api_key": PINATA_API_KEY,
        "pinata_secret_api_key": PINATA_SECRET_API_KEY
    }

    # Open the file in binary read mode
    with open(file_path, 'rb') as file:
        # Send a POST request to Pinata API to upload the file
        response = requests.post(PINATA_API_URL, files={'file': file}, headers=headers)

        # Check if the request was successful (status code 200)
        if response.status_code == 200:
            print("File uploaded successfully")  # Print success message
            # Return the IPFS hash from the response JSON
            return response.json()['IpfsHash']
        else:
            # Print an error message if the upload failed
            print(f"Error: {response.text}")
            return None  # Return None to indicate failure

Langkah 3: Menyediakan OpenAI
Seterusnya, kami akan mencipta fungsi yang menggunakan OpenAI API untuk berinteraksi dengan teks yang diekstrak daripada PDF. Kami akan memanfaatkan model gpt-4o atau gpt-4o-mini OpenAI untuk respons sembang.

Buat fail baharu openai_helper.py:

import os
from openai import OpenAI
from dotenv import load_dotenv

# Load environment variables from .env file
load_dotenv()

# Initialize OpenAI client with the API key
OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")
client = OpenAI(api_key=OPENAI_API_KEY)

def get_openai_response(text, pdf_text):
    try:
        # Create the chat completion request
        print("User Input:", text)
        print("PDF Content:", pdf_text)  # Optional: for debugging

        # Combine the user's input and PDF content for context
        messages = [
            {"role": "system", "content": "You are a helpful assistant for answering questions about the PDF."},
            {"role": "user", "content": pdf_text},  # Providing the PDF content
            {"role": "user", "content": text}  # Providing the user question or request
        ]

        response = client.chat.completions.create(
            model="gpt-4",  # Use "gpt-4" or "gpt-4o mini" based on your access
            messages=messages,
            max_tokens=100,  # Adjust as necessary
            temperature=0.7  # Adjust to control response creativity
        )

        # Extract the content of the response
        return response.choices[0].message.content  # Corrected access method
    except Exception as e:
        return f"Error: {str(e)}"

Langkah 4: Membina Antara Muka Streamlit

Sekarang kami telah menyediakan fungsi pembantu kami, tiba masanya untuk membina apl Streamlit yang akan memuat naik PDF, mendapatkan respons daripada OpenAI dan memaparkan sembang.

Buat fail bernama app.py:

import streamlit as st
import os
import time
from pinata_helper import upload_pdf_to_pinata
from openai_helper import get_openai_response
from PyPDF2 import PdfReader
from dotenv import load_dotenv

# Load environment variables
load_dotenv()

st.set_page_config(page_title="Chat with PDFs", layout="centered")

st.title("Chat with PDFs using OpenAI and Pinata")

uploaded_file = st.file_uploader("Upload your PDF", type="pdf")

# Initialize session state for chat history and loading state
if "chat_history" not in st.session_state:
    st.session_state.chat_history = []
if "loading" not in st.session_state:
    st.session_state.loading = False

if uploaded_file is not None:
    # Save the uploaded file temporarily
    file_path = os.path.join("temp", uploaded_file.name)
    with open(file_path, "wb") as f:
        f.write(uploaded_file.getbuffer())

    # Upload PDF to Pinata
    st.write("Uploading PDF to Pinata...")
    pdf_cid = upload_pdf_to_pinata(file_path)

    if pdf_cid:
        st.write(f"File uploaded to IPFS with CID: {pdf_cid}")

        # Extract PDF content
        reader = PdfReader(file_path)
        pdf_text = ""
        for page in reader.pages:
            pdf_text += page.extract_text()

        if pdf_text:
            st.text_area("PDF Content", pdf_text, height=200)

            # Allow user to ask questions about the PDF
            user_input = st.text_input("Ask something about the PDF:", disabled=st.session_state.loading)

            if st.button("Send", disabled=st.session_state.loading):
                if user_input:
                    # Set loading state to True
                    st.session_state.loading = True

                    # Display loading indicator
                    with st.spinner("AI is thinking..."):
                        # Simulate loading with sleep (remove in production)
                        time.sleep(1)  # Simulate network delay
                        # Get AI response
                        response = get_openai_response(user_input, pdf_text)

                    # Update chat history
                    st.session_state.chat_history.append({"user": user_input, "ai": response})

                    # Clear the input box after sending
                    st.session_state.input_text = ""

                    # Reset loading state
                    st.session_state.loading = False

            # Display chat history
            if st.session_state.chat_history:
                for chat in st.session_state.chat_history:
                    st.write(f"**You:** {chat['user']}")
                    st.write(f"**AI:** {chat['ai']}")

                # Auto-scroll to the bottom of the chat
                st.write("<style>div.stChat {overflow-y: auto;}</style>", unsafe_allow_html=True)

                # Add three dots as a loading indicator if still waiting for response
                if st.session_state.loading:
                    st.write("**AI is typing** ...")

        else:
            st.error("Could not extract text from the PDF.")
    else:
        st.error("Failed to upload PDF to Pinata.")

Langkah 5: Menjalankan Apl

Untuk menjalankan apl secara setempat, gunakan arahan berikut:

streamlit run app.py

Fail kami berjaya dimuat naik dalam Platform Pinata :

Langkah 6: Menjelaskan Kod

Muat Naik Pinata

• Pengguna memuat naik fail PDF, yang disimpan sementara secara setempat dan dimuat naik ke Pinata menggunakan fungsi upload_pdf_to_pinata. Pinata mengembalikan cincang (CID), yang mewakili fail yang disimpan pada IPFS.

Pengeluaran PDF

• Une fois le fichier téléchargé, le contenu du PDF est extrait à l'aide de PyPDF2. Ce texte est ensuite affiché dans une zone de texte.

Interaction OpenAI

• L'utilisateur peut poser des questions sur le contenu du PDF en utilisant la saisie de texte. La fonction get_openai_response envoie la requête de l'utilisateur ainsi que le contenu PDF à OpenAI, qui renvoie une réponse pertinente.

Le code final est disponible dans ce dépôt github :
https://github.com/Jagroop2001/chat-with-pdf

C'est tout pour ce blog ! Restez à l'écoute pour plus de mises à jour et continuez à créer des applications incroyables ! ?✨
Bon codage ! ?

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!