Update app.py

app.py

@@ -52,7 +52,27 @@ if __name__=="__main__":
     
     # Generación de embeddings y almacenamiento en base de datos ChromaDB
     embeddings = EmbeddingGen("sentence-transformers/all-MiniLM-L12-v2")
-    vectorstore = Chroma.from_documents(list(tqdm(textos[:10], desc="Procesando documentos", unit="doc")), embeddings)
+    # Define la ruta donde deseas guardar el vector store
+    persist_directory = './vectorstore_data'
+    
+    # Verifica si la carpeta de persistencia existe, si no la crea
+    if not os.path.exists(persist_directory):
+        os.makedirs(persist_directory)
+    
+    # Crea el vector store y persiste los documentos
+    vectorstore = Chroma.from_documents(
+        list(tqdm(textos, desc="Procesando documentos", unit="doc")), 
+        embeddings,
+        persist_directory=persist_directory  # Ruta de persistencia
+    )
+    
+    print("Vectorizado terminado")
+    
+    # Convierte el vector store en un recuperador (retriever) de similaridad
+    retriever = vectorstore.as_retriever(search_type="similarity", search_kwargs={"k": 3})
+    
+    # Guarda el vector store para que persista entre ejecuciones
+    vectorstore.persist()
     print("Vectorizado terminado")
     retriever = vectorstore.as_retriever(search_type="similarity", search_kwargs={"k": 3})
     print("Carga del modelo")