alexkueck commited on
Commit
5464695
1 Parent(s): 07429e5

Update utils.py

Browse files
Files changed (1) hide show
  1. utils.py +4 -4
utils.py CHANGED
@@ -280,7 +280,7 @@ def document_storage_chroma(splits):
280
  return vectorstore, retriever
281
 
282
  #Dokumente, die vom Retriever rausgesucht wurden auf Relevanz untersuchen
283
- def grade_documents_direct(documents):
284
  print("---CHECK RELEVANCE---")
285
  # Data model
286
  class grade(BaseModel):
@@ -319,7 +319,7 @@ def grade_documents_direct(documents):
319
  filtered_docs = []
320
 
321
  for d in documents:
322
- score = chain.invoke({"question": question, "context": d.page_content})
323
  grade = score[0].binary_score
324
  if grade == "ja":
325
  print("---Bewertung: Dokument ist relevant---")
@@ -330,7 +330,7 @@ def grade_documents_direct(documents):
330
  return filtered_docs
331
 
332
 
333
- def transform_query_direct(query):
334
  print("---TRANSFORM QUERY---")
335
 
336
  # Create a prompt template with format instructions and the query
@@ -375,7 +375,7 @@ def llm_chain2(llm, prompt):
375
  def rag_chain(llm, prompt, retriever):
376
  #Langgraph nutzen für ein wenig mehr Intelligenz beim Dokumente suchen
377
  relevant_docs = retriever.get_relevant_documents(prompt)
378
- filtered_docs = grade_documents_direct(relevant_docs)
379
  neu_prompt=prompt
380
  if (len(filtered_docs)<2): #frage neu formulieren
381
  neu_prompt = transform_query_direct(prompt)
 
280
  return vectorstore, retriever
281
 
282
  #Dokumente, die vom Retriever rausgesucht wurden auf Relevanz untersuchen
283
+ def grade_documents_direct(prompt, documents):
284
  print("---CHECK RELEVANCE---")
285
  # Data model
286
  class grade(BaseModel):
 
319
  filtered_docs = []
320
 
321
  for d in documents:
322
+ score = chain.invoke({"question": prompt, "context": d.page_content})
323
  grade = score[0].binary_score
324
  if grade == "ja":
325
  print("---Bewertung: Dokument ist relevant---")
 
330
  return filtered_docs
331
 
332
 
333
+ def transform_query_direct(question):
334
  print("---TRANSFORM QUERY---")
335
 
336
  # Create a prompt template with format instructions and the query
 
375
  def rag_chain(llm, prompt, retriever):
376
  #Langgraph nutzen für ein wenig mehr Intelligenz beim Dokumente suchen
377
  relevant_docs = retriever.get_relevant_documents(prompt)
378
+ filtered_docs = grade_documents_direct(prompt, relevant_docs)
379
  neu_prompt=prompt
380
  if (len(filtered_docs)<2): #frage neu formulieren
381
  neu_prompt = transform_query_direct(prompt)