update dossier locale

Author: Bintou DIOP

Projet_Assistant_Intelligent_RAG_Agents.docx

@@ -1,12 +1,12 @@
-# Assistant Intelligent Multi-Compétences (RAG + Agents)
+# Assistant intelligent multi-compétences (RAG + Agents)
 
 Ce projet implémente un assistant conversationnel basé sur l'IA, capable d'orchestrer plusieurs compétences : la recherche d'informations dans des documents internes (**RAG** - Retrieval-Augmented Generation) et l'utilisation d'outils externes (**Agents** - Calcul, Météo, Web).
 
 L'architecture utilise **LangChain** et l'**Agent Executor** basé sur les fonctions OpenAI pour le raisonnement et la sélection d'outils, le tout exposé via une interface **Chainlit**.
 
 ---
 
-##  Architecture du Projet
+##  Architecture du projet
 
 L'architecture est construite autour de l'outil **LangGraph**, qui gère l'état et le flux de travail de l'Agent. Nous utilisons une structure modulaire avec le principe de la **séparation des préoccupations**.
 
@@ -19,7 +19,7 @@ L'architecture est construite autour de l'outil **LangGraph**, qui gère l'état
 
 ---
 
-##  Installation et Lancement
+##  Installation et lancement
 
 ### 1. Pré-requis
 
@@ -30,7 +30,7 @@ L'architecture est construite autour de l'outil **LangGraph**, qui gère l'état
   -`GCP_REGION` : Région de déploiement Cloud Run  
   -`GCP_SA_KEY` : Fichier JSON de ta **Service Account Key** 
 
-### 2. Configuration de l'Environnement
+### 2. Configuration de l'environnement
 
 Créez un fichier **`.env`** à la racine du projet pour stocker toutes les configurations sensibles.
 
@@ -46,17 +46,17 @@ LLM_MODEL=gpt-4o-mini
 CHROMA_DB_DIR=./chroma_db_agent
 DOCUMENT_PATH=./data/finance_document.pdf
 ```
-### 3. Installation des Dépendances
+### 3. Installation des dépendances
 
 Créez un fichier **`requirements.txt`** listant toutes les bibliothèques nécessaires, puis exécutez l'installation.
 
 ```bash
 pip install -r requirements.txt
 ```
-### 4. Ingestion des Documents (RAG)
+### 4. Ingestion des documents (RAG)
 Le processus d'ingestion est géré automatiquement au premier lancement (ou lors de l'importation de finance_rag.py). Assurez-vous que le document PDF de référence (finance_document.pdf) est placé dans le dossier ./data.
 
-### 5. Lancement de l'Application
+### 5. Lancement de l'application
 Lancez l'interface web via Chainlit :
 l'application sera accessible via l'URL affichée dans le terminal (généralement http://localhost:8000).
 ```bash
@@ -69,12 +69,12 @@ Le projet a été déployé temporairement sur Google Cloud Run via GitHub Actio
 - logs et erreurs sont monitorés via Cloud Run pour assurer la stabilité durant la période active.
 
 
-# Instructions de Test
+# Instructions de test
 L'Agent Orchestrateur est capable de choisir l'outil approprié. Testez les différents modes :
 
 | Scénario | Exemple de Requête                                             | Outil (via Agent) |
 | :--- |:---------------------------------------------------------------| :--- |
-| **RAG** | *Quelle est la politique de congés selon le manuel ?*          | `Document_QandA` |
+| **RAG** | *Quelle est la politique de congés selon le manuel ?*          | `finance_document.pdf` |
 | **Calcul** | *Calcule 15% de 2500.*                                         | `calculator` |
 | **Web Search** | *Qui a remporté la dernière élection présidentielle aux USA ?* | `web_search` |
 | **Météo** | *Donne la météo pour Londres, UK.*                             | `weather` |

README.md

@@ -1,4 +1,3 @@
-# tools.py
 import os
 import requests
 import ast
@@ -11,12 +10,12 @@
 from langchain_core.tools import tool
 from langchain_tavily import TavilySearch
 
-# --- Configuration et Initialisation ---
+# Configuration et Initialisation
 load_dotenv()
 OPENWEATHER_API_KEY = os.getenv("OPENWEATHER_API_KEY")
 CALENDAR_FILE = "./data/calendar.json"
 
-# --- Outil 1 : Calculatrice Sécurisée ---
+# Outil 1 : Calculatrice Sécurisée
 
 # Opérateurs autorisés pour l'évaluation sécurisée
 ALLOWED_OPERATORS = {
@@ -55,17 +54,20 @@ def calculate_financial_operation(expression: str) -> str:
     return safe_eval(expression)
 
 
-# --- Outil 2 : Recherche Web (Tavily) ---
-
-# TavilySearchResults est déjà une classe Tool/Runnable
-web_search_tool = TavilySearch(
-    name="recherche_web_actualites",
-    description="Utilisez cet outil pour trouver des informations externes, des actualités financières récentes, ou des définitions qui ne sont pas dans les documents internes.",
-    max_results=3
-)
+# Outil 2 : Recherche Web (Tavily)
+tavily_search_instance = TavilySearch(max_results=3)
+@tool
+def recherche_web_actualites(query: str) -> str:
+    """
+    Utilisez cet outil pour trouver des informations externes...
+    """
+    try:
+        return tavily_search_instance.invoke(query)
+    except Exception as e:
+        return f"Erreur lors de la recherche web (Tavily): {e}"
 
 
-# --- Outil 3 : Météo (OpenWeatherMap) ---
+# Outil 3 : Météo (OpenWeatherMap)
 
 @tool
 def get_weather_for_city(city: str) -> str:
@@ -92,7 +94,7 @@ def get_weather_for_city(city: str) -> str:
         return "Erreur de connexion à l'API météo. Veuillez réessayer."
 
 
-# --- Outil 4 : Calendrier / Todo List Locale ---
+# Outil 4 : Calendrier /
 
 @tool
 def read_calendar(query: str) -> str:
@@ -122,12 +124,11 @@ def read_calendar(query: str) -> str:
         return f"Erreur lors de la lecture du calendrier: {e}"
 
 
-# --- Liste des Outils Exportée ---
 
-# NOTE : La recherche web est ajoutée directement car elle est déjà une classe Tool
+
 EXTERNAL_TOOLS = [
     calculate_financial_operation,
-    web_search_tool,
+    recherche_web_actualites,
     get_weather_for_city,
     read_calendar
 ]

agent_tools.py

@@ -1,3 +1,4 @@
+# lien du document: https://www.lafinancepourtous.com/IMG/pdf/guide_pedagogique/guide-pedagogique.pdf
 import chainlit as cl
 import os
 from dotenv import load_dotenv
@@ -30,21 +31,9 @@ async def start():
     # 3. Message de bienvenue avec statut et exemples
     await cl.Message(
         content=f" **Assistant Financier Multi Compétences**\n\n"
-                f"Bonjour ! Je peux répondre à vos questions, faire des calculs précis et chercher des informations en temps réel.\n\n"
-                f"{rag_status}",
+                f"Bonjour ! Je peux répondre à vos questions, faire des calculs précis et chercher des informations en temps réel.\n\n",
         author="Assistant",
     ).send()
-
-    await cl.Message(
-        content="Voici quelques exemples de questions que vous pouvez me poser :\n"
-                "Quelle est la définition de la monnaie selon nos documents ?\n"
-                "Calculez 5000 * (1 + 0.045)^5\n"
-                "Qui est le CEO de LVMH ?\n"
-                "Quels événements sont prévus pour ce week-end ?",
-        author="Assistant",
-    ).send()
-
-
 @cl.on_message
 async def main(message: cl.Message):
     """Fonction appelée à chaque nouveau message utilisateur."""

app_chainlit.py

@@ -0,0 +1,14 @@
+# Welcome to Chainlit! 🚀🤖
+
+Hi there, Developer! 👋 We're excited to have you on board. Chainlit is a powerful tool designed to help you prototype, debug and share applications built on top of LLMs.
+
+## Useful Links 🔗
+
+- **Documentation:** Get started with our comprehensive [Chainlit Documentation](https://docs.chainlit.io) 📚
+- **Discord Community:** Join our friendly [Chainlit Discord](https://discord.gg/k73SQ3FyUh) to ask questions, share your projects, and connect with other developers! 💬
+
+We can't wait to see what you create with Chainlit! Happy coding! 💻😊
+
+## Welcome screen
+
+To modify the welcome screen, edit the `chainlit.md` file at the root of your project. If you do not want a welcome screen, just leave this file empty.