some langchain llm call

system_llm_stream.py

@@ -0,0 +1,31 @@
+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
+       
+    # Au lieu de .invoke(), on utilise .stream()
+    # Cela retourne un générateur (itérable)
+    for chunk in chain.stream({"concept": concept}):
+        # Chaque 'chunk' est un morceau de la réponse
+        # On utilise end="" pour ne pas revenir à la ligne et flush=True pour forcer l'affichage
+        print(chunk.content, end="", flush=True)
+
+# Test
+expert_en_codage("Les variables")