ran pre commit

Author: madebygps

spanish/rag_csv.py

@@ -57,7 +57,8 @@
 # Ahora podemos usar los resultados para generar una respuesta
 SYSTEM_MESSAGE = """
 Eres un asistente útil que responde preguntas sobre automóviles basándote en un conjunto de datos de autos híbridos.
-Debes utilizar el conjunto de datos para responder las preguntas, no debes proporcionar ninguna información que no esté en las fuentes proporcionadas.
+Debes utilizar el conjunto de datos para responder las preguntas, no debes
+proporcionar ninguna información que no esté en las fuentes proporcionadas.
 """
 
 response = client.chat.completions.create(

spanish/rag_documents_flow.py

@@ -32,7 +32,7 @@
 else:
     client = openai.OpenAI(api_key=os.environ["OPENAI_KEY"])
     MODEL_NAME = os.environ["OPENAI_MODEL"]
-    
+
 # Indexar los datos del JSON - cada objeto tiene id, texto y embedding
 with open("rag_ingested_chunks.json") as file:
     documents = json.load(file)
@@ -67,4 +67,4 @@
 )
 
 print(f"\nRespuesta de {MODEL_NAME} en {API_HOST}: \n")
-print(response.choices[0].message.content)
+print(response.choices[0].message.content)

spanish/rag_documents_hybrid.py

@@ -41,6 +41,7 @@
     documents_by_id = {doc["id"]: doc for doc in documents}
 index = lunr(ref="id", fields=["text"], documents=documents)
 
+
 def full_text_search(query, limit):
     """
     Realizar una búsqueda de texto completo en los documentos indexados.
@@ -139,4 +140,4 @@ def hybrid_search(query, limit):
 )
 
 print(f"\nRespuesta de {MODEL_NAME} en {API_HOST}: \n")
-print(response.choices[0].message.content)
+print(response.choices[0].message.content)

spanish/rag_ingested_chunks.json

@@ -97145,4 +97145,4 @@
             0.014291062951087952
         ]
     }
-]
+]

spanish/rag_multiturn.py

@@ -53,9 +53,10 @@ def search(query):
     return matches_table
 
 
-SYSTEM_MESSAGE =  """
+SYSTEM_MESSAGE = """
 Eres un asistente útil que responde preguntas sobre automóviles basándote en un conjunto de datos de autos híbridos.
-Debes utilizar el conjunto de datos para responder las preguntas, no debes proporcionar ninguna información que no esté en las fuentes proporcionadas.
+Debes utilizar el conjunto de datos para responder las preguntas, no debes proporcionar ninguna información que no
+esté en las fuentes proporcionadas.
 """
 messages = [{"role": "system", "content": SYSTEM_MESSAGE}]
 

spanish/rag_queryrewrite.py

@@ -32,7 +32,7 @@
 else:
     client = openai.OpenAI(api_key=os.environ["OPENAI_KEY"])
     MODEL_NAME = os.environ["OPENAI_MODEL"]
-    
+
 # Indexar los datos del CSV
 with open("hybridos.csv") as file:
     reader = csv.reader(file)
@@ -62,7 +62,8 @@ def search(query):
 
 SYSTEM_MESSAGE = """
 Eres un asistente útil que responde preguntas sobre automóviles basándose en un conjunto de datos de coches híbridos.
-Debes utilizar el conjunto de datos para responder las preguntas, no debes proporcionar información que no esté en las fuentes proporcionadas.
+Debes utilizar el conjunto de datos para responder las preguntas, no debes proporcionar información que no
+esté en las fuentes proporcionadas.
 """
 messages = [{"role": "system", "content": SYSTEM_MESSAGE}]
 
@@ -75,7 +76,10 @@ def search(query):
         temperature=0.3,
         messages=[
             {"role": "system", "content": QUERY_REWRITE_SYSTEM_MESSAGE},
-            {"role": "user", "content": f"Nueva pregunta del usuario:{question}\n\nHistorial de conversación:{messages}"},
+            {
+                "role": "user",
+                "content": f"Nueva pregunta del usuario:{question}\n\nHistorial de conversación:{messages}",
+            },
         ],
     )
     search_query = response.choices[0].message.content