29 lines
964 B
Python
29 lines
964 B
Python
|
import os
|
||
|
|
from dotenv import load_dotenv
|
||
|
|
from langchain_google_genai import ChatGoogleGenerativeAI
|
||
|
|
from langchain_core.prompts import ChatPromptTemplate
|
||
|
|
|
||
|
|
# Charger les variables du fichier .env
|
||
|
|
load_dotenv()
|
||
|
|
api_key = os.getenv("GOOGLE_API_KEY")
|
||
|
|
|
||
|
|
# Initialisation du modèle
|
||
|
|
llm = ChatGoogleGenerativeAI(model="gemini-2.5-flash",google_api_key=api_key)
|
||
|
|
|
||
|
|
def expert_en_codage(concept):
|
||
|
|
# 1. On définit un Template (le "moule" de la question)
|
||
|
|
prompt = ChatPromptTemplate.from_messages([
|
||
|
|
("system", "Tu es un expert en programmation Python. Explique les concepts de manière simple avec un exemple de code court."),
|
||
|
|
("human", "Explique-moi le concept suivant : {concept}")
|
||
|
|
])
|
||
|
|
|
||
|
|
# 2. On crée une "chaîne" (Chain) simple
|
||
|
|
chain = prompt | llm
|
||
|
|
|
||
|
|
# 3. On lance la chaîne en remplissant la variable
|
||
|
|
reponse = chain.invoke({"concept": concept})
|
||
|
|
|
||
|
|
print(reponse.content)
|
||
|
|
|
||
|
|
# Test
|
||
|
|
expert_en_codage("Les list comprehensions")
|