Create utils.py

utils.py

@@ -0,0 +1,1008 @@
+from __future__ import annotations
+from typing import TYPE_CHECKING, Any, Callable, Dict, List, Tuple, Type
+import logging
+import json
+import os
+from datetime import datetime
+import hashlib
+import csv
+import requests
+import re
+import html
+import markdown2
+import torch 
+import sys
+import gc
+from pygments.lexers import guess_lexer, ClassNotFound
+import time
+
+import gradio as gr
+from pypinyin import lazy_pinyin
+import tiktoken
+import mdtex2html
+from markdown import markdown
+from pygments import highlight
+from pygments.lexers import guess_lexer,get_lexer_by_name
+from pygments.formatters import HtmlFormatter
+
+from langchain.chains import LLMChain, RetrievalQA
+from langchain.chat_models import ChatOpenAI
+from langchain.document_loaders import PyPDFLoader, WebBaseLoader, UnstructuredWordDocumentLoader, DirectoryLoader
+from langchain.document_loaders.blob_loaders.youtube_audio import YoutubeAudioLoader
+from langchain.document_loaders.generic import GenericLoader
+from langchain.document_loaders.parsers import OpenAIWhisperParser
+from langchain.schema import AIMessage, HumanMessage
+from langchain.llms import HuggingFaceHub
+from langchain.llms import HuggingFaceTextGenInference
+from langchain.embeddings import HuggingFaceInstructEmbeddings, HuggingFaceEmbeddings, HuggingFaceBgeEmbeddings, HuggingFaceInferenceAPIEmbeddings
+from langchain.tools import DuckDuckGoSearchRun
+from langchain.retrievers.tavily_search_api import TavilySearchAPIRetriever
+
+from langchain.embeddings.openai import OpenAIEmbeddings
+from langchain.prompts import PromptTemplate
+from langchain.text_splitter import RecursiveCharacterTextSplitter
+from langchain.vectorstores import Chroma
+from chromadb.errors import InvalidDimensionException
+import io
+from PIL import Image, ImageDraw, ImageOps, ImageFont
+import base64
+from tempfile import NamedTemporaryFile
+
+import nltk
+from nltk.corpus import stopwords
+from nltk.tokenize import word_tokenize
+from nltk.stem import WordNetLemmatizer
+nltk.download('punkt')
+
+from sklearn.feature_extraction.text import TfidfVectorizer
+from sklearn.metrics.pairwise import cosine_similarity
+import numpy as np
+
+from reportlab.lib.pagesizes import inch, A4
+from reportlab.platypus import SimpleDocTemplate, Frame, Spacer
+from reportlab.lib import colors
+from reportlab.lib.units import mm
+from reportlab.platypus import Paragraph, SimpleDocTemplate, Frame, Image, Table, ListFlowable, ListItem
+from reportlab.lib.styles import getSampleStyleSheet, ParagraphStyle
+from reportlab.lib.units import cm
+
+
+logging.basicConfig(
+    level=logging.INFO,
+    format="%(asctime)s [%(levelname)s] [%(filename)s:%(lineno)d] %(message)s",
+)
+
+################################################
+#Beispiel-Antworten, wenn die KI etwas nicht beantworten kann - dann im Netz suchen
+################################################
+# Your predefined sentences
+ANTWORT_WEISS_NICHT = ["ich weiß nicht.", "ich weiß das nicht", "Ich habe dazu keine Antwort", "Ich bin nicht sicher", "Ich kann das nicht beantworten", "Es tut mir leid, aber ich kenne keinen", "Es tut mir leid, aber ich kann die Frage nicht beantworten.", "Es tut mir leid, aber ich kann die Frage nicht beantworten, da ich zu der Frage keine spezifischen Informatioen habe"]
+
+#################################################
+#Gesetzte Werte für Pfade, Prompts und Keys..
+#################################################
+#################################################
+#Prompt Zusätze
+template = """\Antworte in deutsch, wenn es nicht explizit anders gefordert wird. Wenn du die Antwort nicht kennst, antworte direkt, dass du es nicht weißt.
+            Versuche nicht es zu umschreiben. Versuche nicht, die Antwort zu erfinden oder aufzumocken. Halte die Antwort kurz aber ausführlich genug und exakt."""
+
+llm_template = "Beantworte die Frage am Ende. " + template + "Frage: {question} "
+#nur für HF für Stichwotre bei chatverlauf
+llm_template2 = "Fasse folgenden Text als Überschrift mit maximal 3 Worten zusammen. Text: {question}  "
+
+rag_template = "Nutze die folgenden Kontext (Beginnend mit dem Wort 'Kontext:') aus Teilen aus den angehängten Dokumenten, um die Frage (Beginnend mit dem Wort 'Frage: ') am Ende zu beantworten. Wenn du die Frage aus dem folgenden Kontext nicht beantworten kannst, dann versuche eine Beantwortung aus deinen eigenen trainierten Daten zu finden. Mache das kenntlich, ob du dich auf den hier angehängten Kontext beziehst oder ob du anhand deiner Daten antwortest." + template + "Kontext: {context} Frage: {question}"
+
+#################################################
+#Konstanten
+LLM_CHAIN_PROMPT = PromptTemplate(input_variables = ["question"], 
+                                  template = llm_template)
+#nur für HF bei chatverlauf
+LLM_CHAIN_PROMPT2 = PromptTemplate(input_variables = ["question"], 
+                                  template = llm_template2)
+
+RAG_CHAIN_PROMPT = PromptTemplate(input_variables = ["context", "question"], 
+                                  template = rag_template)
+
+
+################################################
+#Pfad, wo Docs/Bilder/Filme abgelegt werden können - lokal, also hier im HF Space (sonst auf eigenem Rechner)
+PATH_WORK = "."
+CHROMA_DIR  = "/chroma/kkg"
+CHROMA_PDF = './chroma/kkg/pdf'
+CHROMA_WORD = './chroma/kkg/word'
+CHROMA_EXCEL = './chroma/kkg/excel'
+YOUTUBE_DIR = "/youtube"
+HISTORY_PFAD = "/data/history"
+
+###############################################
+#URLs zu Dokumenten oder andere Inhalte, die einbezogen werden sollen
+PDF_URL       = "https://arxiv.org/pdf/2303.08774.pdf"
+WEB_URL       = "https://openai.com/research/gpt-4"
+YOUTUBE_URL_1 = "https://www.youtube.com/watch?v=--khbXchTeE"
+YOUTUBE_URL_2 = "https://www.youtube.com/watch?v=hdhZwyf24mE"
+#YOUTUBE_URL_3 = "https://www.youtube.com/watch?v=vw-KWfKwvTQ"
+
+
+#################################################
+# Retrieval Funktion, um KI-Antwort mit vorgegebenen zu vergleichen
+# Function to determine if the response is similar to predefined responses
+def is_response_similar(response, threshold=0.7):
+    if (len(response) < 160): #nur bei sehr kurzen Antworten prüfen, ob eine Art 2ich weiß nicht dabei ist
+        # Combine the standard responses with the user's response
+        combined_responses = ANTWORT_WEISS_NICHT + [response]
+    
+        # Convert text to TF-IDF feature vectors
+        vectorizer = TfidfVectorizer()
+        tfidf_matrix = vectorizer.fit_transform(combined_responses)
+    
+        # Compute cosine similarity between user's response and standard responses
+        cosine_similarities = cosine_similarity(tfidf_matrix[-1], tfidf_matrix[:-1])
+    
+        # Check if any of the standard responses are similar to the user's response
+        if np.max(cosine_similarities) > threshold:
+            return True
+        return False
+    return False
+
+
+##################################################
+#Normalisierung eines Prompts
+##################################################
+def normalise_prompt (prompt):
+    #alles Kleinbuchstaben
+    prompt_klein =prompt.lower()
+    #Word Tokenisation
+    tokens = word_tokenize(prompt_klein)
+    #Punktuierung entfernen
+    tokens = [word for word in tokens if word.isalnum()]
+    # Stop Word Entfernung
+    #nltk.download('stopwords')
+    #stop_words = set(stopwords.words('english'))
+    #tokens = [word for word in tokens if not word in stop_words]
+    # 5. Lemmatisierung: Worte in Grundform bringen, um Text besser vergleichen zu können
+    #nltk.download('wordnet')
+    #lemmatizer = WordNetLemmatizer()
+    #tokens = [lemmatizer.lemmatize(word) for word in tokens]
+    # 6. Handling Special Characters (Remove non-alphanumeric characters)
+    tokens = [re.sub(r'\W+', '', word) for word in tokens]    
+    # 7. Spell Check (optional, using a library like pyspellchecker)
+    # from spellchecker import SpellChecker
+    # spell = SpellChecker()
+    # tokens = [spell.correction(word) for word in tokens]
+    # Join tokens back to sentence
+    normalized_prompt = ' '.join(tokens)
+    print("normaiserd prompt..................................")
+    print(normalized_prompt)
+    return normalized_prompt
+
+##################################################
+#RAG Hilfsfunktionen - Dokumenten bearbeiten für Vektorstore
+##################################################
+##################################################
+# Funktion, um für einen best. File-typ ein directory-loader zu definieren
+def create_directory_loader(file_type, directory_path):
+    #verscheidene Dokument loaders:
+    loaders = {
+        '.pdf': PyPDFLoader,
+        '.word': UnstructuredWordDocumentLoader,
+    }
+    return DirectoryLoader(
+        path=directory_path,
+        glob=f"**/*{file_type}",
+        loader_cls=loaders[file_type],
+    )
+################################################    
+#die Inhalte splitten, um in Vektordatenbank entsprechend zu laden als Splits
+def document_loading_splitting():
+    ##############################
+    # Document loading
+    docs = []
+    
+    # kreiere einen DirectoryLoader für jeden file type
+    pdf_loader = create_directory_loader('.pdf', CHROMA_PDF)
+    word_loader = create_directory_loader('.word', CHROMA_WORD)
+    
+    # Load the files
+    pdf_documents = pdf_loader.load()
+    word_documents = word_loader.load()
+
+    #alle zusammen in docs...
+    docs.extend(pdf_documents)
+    docs.extend(word_documents)
+
+
+    #andere loader...
+    # Load PDF
+    #loader = PyPDFLoader(PDF_URL)
+    #docs.extend(loader.load())
+    # Load Web
+    #loader = WebBaseLoader(WEB_URL)
+    #docs.extend(loader.load())
+    # Load YouTube
+    #loader = GenericLoader(YoutubeAudioLoader([YOUTUBE_URL_1,YOUTUBE_URL_2], PATH_WORK + YOUTUBE_DIR), OpenAIWhisperParser())
+    #docs.extend(loader.load())
+    ################################
+    # Document splitting
+    text_splitter = RecursiveCharacterTextSplitter(chunk_overlap = 150, chunk_size = 1500)
+    splits = text_splitter.split_documents(docs)
+    
+    return splits
+
+###########################################
+#Chroma DB die splits ablegen - vektorisiert...
+def document_storage_chroma(splits):
+    #OpenAi embeddings----------------------------------
+    Chroma.from_documents(documents = splits, embedding = OpenAIEmbeddings(disallowed_special = ()),  persist_directory = PATH_WORK + CHROMA_DIR)  
+
+    #HF embeddings--------------------------------------
+    #Chroma.from_documents(documents = splits, embedding = HuggingFaceEmbeddings(model_name="sentence-transformers/all-mpnet-base-v2", model_kwargs={"device": "cpu"}, encode_kwargs={'normalize_embeddings': False}),  persist_directory = PATH_WORK + CHROMA_DIR)  
+    
+#Mongo DB die splits ablegen - vektorisiert...
+def document_storage_mongodb(splits):
+    MongoDBAtlasVectorSearch.from_documents(documents = splits,
+                                            embedding = OpenAIEmbeddings(disallowed_special = ()),
+                                            collection = MONGODB_COLLECTION,
+                                            index_name = MONGODB_INDEX_NAME)
+############################################
+#dokumente in chroma db vektorisiert ablegen können - die Db vorbereiten daüfur
+def document_retrieval_chroma(llm, prompt):  
+    #OpenAI embeddings -------------------------------
+    embeddings = OpenAIEmbeddings()
+
+    #HF embeddings -----------------------------------
+    #Alternative Embedding - für Vektorstore, um Ähnlichkeitsvektoren zu erzeugen - die ...InstructEmbedding ist sehr rechenaufwendig
+    #embeddings = HuggingFaceInstructEmbeddings(model_name="sentence-transformers/all-MiniLM-L6-v2", model_kwargs={"device": "cpu"})
+    #etwas weniger rechenaufwendig:
+    #embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/all-mpnet-base-v2", model_kwargs={"device": "cpu"}, encode_kwargs={'normalize_embeddings': False})
+
+    #ChromaDb um die embedings zu speichern
+    db = Chroma(embedding_function = embeddings, persist_directory = PATH_WORK + CHROMA_DIR)
+    return db
+
+############################################
+#dokumente in chroma db vektorisiert ablegen können - die Db vorbereiten daüfur
+#zweite Variante, passend zu rag_chain2 für generate_text_mit_bild- ohne llm vorher festlegen zu müssen
+def document_retrieval_chroma2(): 
+    #OpenAI embeddings -------------------------------
+    embeddings = OpenAIEmbeddings()
+
+    #HF embeddings -----------------------------------
+    #Alternative Embedding - für Vektorstore, um Ähnlichkeitsvektoren zu erzeugen - die ...InstructEmbedding ist sehr rechenaufwendig
+    #embeddings = HuggingFaceInstructEmbeddings(model_name="sentence-transformers/all-MiniLM-L6-v2", model_kwargs={"device": "cpu"})
+    #etwas weniger rechenaufwendig:
+    #embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/all-mpnet-base-v2", model_kwargs={"device": "cpu"}, encode_kwargs={'normalize_embeddings': False})
+    #oder einfach ohne Langchain:
+    #embeddings = SentenceTransformerEmbeddings(model_name="all-MiniLM-L6-v2")
+
+    #ChromaDb um die embedings zu speichern
+    db = Chroma(embedding_function = embeddings, persist_directory = PATH_WORK + CHROMA_DIR)
+    print ("Chroma DB bereit ...................")
+    
+    return db 
+    
+###########################################
+#dokumente in mongo db vektorisiert ablegen können - die Db vorbereiten daüfür
+def document_retrieval_mongodb(llm, prompt):
+    db = MongoDBAtlasVectorSearch.from_connection_string(MONGODB_URI,
+                                                         MONGODB_DB_NAME + "." + MONGODB_COLLECTION_NAME,
+                                                         OpenAIEmbeddings(disallowed_special = ()),
+                                                         index_name = MONGODB_INDEX_NAME)
+    return db
+
+###############################################
+#Langchain anlegen
+###############################################
+#langchain nutzen, um prompt an LLM zu leiten - llm und prompt sind austauschbar
+def llm_chain(llm, prompt):
+    llm_chain = LLMChain(llm = llm, prompt = LLM_CHAIN_PROMPT)
+    result = llm_chain.run({"question": prompt})
+    return result
+
+#nur für HF-um bei chatverlauf kurzbeschreibung zu erzeugen
+def llm_chain2(llm, prompt):
+    llm_chain = LLMChain(llm = llm, prompt = LLM_CHAIN_PROMPT2)
+    result = llm_chain.run({"question": prompt})
+    return result
+#############################################
+#langchain nutzen, um prompt an llm zu leiten, aber vorher in der VektorDB suchen, um passende splits zum Prompt hinzuzufügen
+def rag_chain(llm, prompt, db):
+    rag_chain = RetrievalQA.from_chain_type(llm, 
+                                            chain_type_kwargs = {"prompt": RAG_CHAIN_PROMPT}, 
+                                            retriever = db.as_retriever(search_kwargs = {"k": 5}), 
+                                            return_source_documents = True)
+    result = rag_chain({"query": prompt})
+    return result["result"]
+
+############################################
+# rag_chain Alternative für RAg mit Bild-Upload, da hier das llm so nicht genutzt werden kann und der prompt mit den RAG Erweiterungen anders übergeben wird
+#langchain nutzen, um prompt an llm zu leiten, aber vorher in der VektorDB suchen, um passende splits zum Prompt hinzuzufügen
+#prompt mit RAG!!!
+def rag_chain2(prompt, db, k=3):
+    rag_template = "Nutze die folgenden Kontext Teile am Ende, um die Frage zu beantworten . " + template + "Frage: " + prompt + "Kontext Teile: "
+    retrieved_chunks  = db.similarity_search(prompt, k)
+
+    neu_prompt = rag_template 
+    for i, chunk in enumerate(retrieved_chunks):
+        neu_prompt += f"{i+1}. {chunk}\n"
+
+    return neu_prompt
+
+###################################################
+#Prompts mit History erzeugen für verschiednee Modelle
+###################################################
+#Funktion, die einen Prompt mit der history zusammen erzeugt - allgemein
+def generate_prompt_with_history(text, history, max_length=4048):
+    #prompt = "The following is a conversation between a human and an AI assistant named Baize (named after a mythical creature in Chinese folklore). Baize is an open-source AI assistant developed by UCSD and Sun Yat-Sen University. The human and the AI assistant take turns chatting. Human statements start with [|Human|] and AI assistant statements start with [|AI|]. The AI assistant always provides responses in as much detail as possible, and in Markdown format. The AI assistant always declines to engage with topics, questions and instructions related to unethical, controversial, or sensitive issues. Complete the transcript in exactly that format.\n[|Human|]Hello!\n[|AI|]Hi!"   
+    #prompt = "Das folgende ist eine Unterhaltung in deutsch zwischen einem Menschen und einem KI-Assistenten, der Baize genannt wird. Baize ist ein open-source KI-Assistent, der von UCSD entwickelt wurde. Der Mensch und der KI-Assistent chatten abwechselnd miteinander in deutsch. Die Antworten des KI Assistenten sind immer so ausführlich wie möglich und in Markdown Schreibweise und in deutscher Sprache. Wenn nötig übersetzt er sie ins Deutsche. Die Antworten des KI-Assistenten vermeiden Themen und Antworten zu unethischen, kontroversen oder sensiblen Themen. Die Antworten sind immer sehr höflich formuliert..\n[|Human|]Hallo!\n[|AI|]Hi!"   
+    prompt=""
+    history = ["\n{}\n{}".format(x[0],x[1]) for x in history]
+    history.append("\n{}\n".format(text))
+    history_text = ""
+    flag = False
+    for x in history[::-1]:
+            history_text = x + history_text
+            flag = True
+    print("hist+prompt: ")
+    print(history_text)
+    if flag:
+        return  prompt+history_text
+    else:
+        return None
+
+
+##############################################
+#Prompt und History für OPenAi Schnittstelle
+def generate_prompt_with_history_openai(prompt, history):
+    history_openai_format = []
+    for human, assistant in history:
+        history_openai_format.append({"role": "user", "content": human })
+        history_openai_format.append({"role": "assistant", "content":assistant})
+
+    history_openai_format.append({"role": "user", "content": prompt})
+    print("openai history und prompt................")
+    print(history_openai_format)
+    return history_openai_format
+
+#############################################
+#Prompt und History für Hugging Face Schnittstelle
+def generate_prompt_with_history_hf(prompt, history):
+    history_transformer_format = history + [[prompt, ""]]
+    #stop = StopOnTokens()
+
+    messages = "".join(["".join(["\n<human>:"+item[0], "\n<bot>:"+item[1]])  #curr_system_message +
+                for item in history_transformer_format])
+
+##############################################
+#Prompt und History für Langchain Schnittstelle
+def generate_prompt_with_history_langchain(prompt, history):
+    history_langchain_format = []
+    for human, ai in history:
+        history_langchain_format.append(HumanMessage(content=human))
+        history_langchain_format.append(AIMessage(content=ai))
+    history_langchain_format.append(HumanMessage(content=prompt))
+  
+    return history_langchain_format
+        
+##########################################
+#Json für OpenAI Genaeration Chat zusammenstellen
+##########################################
+##########################################
+#ein hochgeladenes Bild so vorbereiten, dass OpenAI API es annehmen kann und bearbeiten
+#muss ein base64 Bils sein und header und payload entsprechend konfigurieren
+def process_image(image_path, prompt, model_image, oai_key):
+    # Convert image to base64
+    with open(image_path, "rb") as image_file:
+        encoded_string = base64.b64encode(image_file.read()).decode('utf-8')
+
+    # Prepare the data for the API request (specific to the API you're using)
+    headers = {
+              "Content-Type": "application/json",
+              "Authorization": f"Bearer {oai_key}"
+            }
+    payload = {
+      "model": model_image,
+      "messages": [
+        {
+          "role": "user",
+          "content": [
+            {
+              "type": "text",
+              "text":  llm_template + prompt
+            },
+            {
+              "type": "image_url",
+              "image_url": {
+                "url": f"data:image/jpeg;base64,{encoded_string}"
+              }
+            }
+          ]
+        }
+      ],
+      "max_tokens": 300
+    }   
+    return headers, payload
+
+
+def process_chatverlauf(prompt, model, oai_key):
+    #um die Abfrage nur für den Namen des chats nicht zu lang werden zu lassen, den Prompt begrenzen:
+    if (len(prompt)>50):
+        prompt = prompt[:50]
+    # Prepare the data for the API request (specific to the API you're using)
+    headers = {
+              "Content-Type": "application/json",
+              "Authorization": f"Bearer {oai_key}"
+            }
+    payload = {
+      "model": model,
+      "messages": [
+        {
+          "role": "user",
+          "content": [
+            {
+              "type": "text",
+              "text":  'Gib folgendem Text eine Überschrift mit maximal 2 Worten' + prompt
+            },
+          ]
+        }
+      ],
+      "max_tokens": 100
+    }   
+    return headers, payload
+
+def process_chatverlauf_hf(history, llm):
+    input = generate_prompt_with_history("Gib folgendem Text eine Überschrift mit maximal 3 Worten", history)
+    result = llm_chain2(llm, input)
+    return result
+
+#######################################################
+#Funktionen, um aus der summary des chatverlaufs eine Datei zu machen, die man downloaden kann
+def save_and_download(chat_history):
+    # Speichere den Chatverlauf in einer temporären Datei
+    with NamedTemporaryFile(delete=False, mode="w", suffix=".txt", dir="./temp") as tmp:
+        temp_file_path = tmp.name
+        tmp.write(chat_history)
+    return temp_file_path
+
+def cleanup(file_path):
+    if os.path.exists(file_path):
+        os.remove(file_path)
+
+
+########################################################
+#Ausgabe im Chatbot aufhübschen...
+########################################################
+def markdown_to_html_with_syntax_highlight(md_str):
+    def replacer(match):
+        lang = match.group(1) or "text"
+        code = match.group(2)
+        lang = lang.strip()
+        #print(1,lang)
+        if lang=="text":
+            lexer = guess_lexer(code)
+            lang = lexer.name
+            #print(2,lang)
+        try:
+            lexer = get_lexer_by_name(lang, stripall=True)
+        except ValueError:
+            lexer = get_lexer_by_name("python", stripall=True)
+        formatter = HtmlFormatter()
+        #print(3,lexer.name)
+        highlighted_code = highlight(code, lexer, formatter)
+
+        return f'<pre><code class="{lang}">{highlighted_code}</code></pre>'
+
+    code_block_pattern = r"```(\w+)?\n([\s\S]+?)\n```"
+    md_str = re.sub(code_block_pattern, replacer, md_str, flags=re.MULTILINE)
+
+    html_str = markdown(md_str)
+    return html_str
+
+
+def normalize_markdown(md_text: str) -> str:
+    lines = md_text.split("\n")
+    normalized_lines = []
+    inside_list = False
+
+    for i, line in enumerate(lines):
+        if re.match(r"^(\d+\.|-|\*|\+)\s", line.strip()):
+            if not inside_list and i > 0 and lines[i - 1].strip() != "":
+                normalized_lines.append("")
+            inside_list = True
+            normalized_lines.append(line)
+        elif inside_list and line.strip() == "":
+            if i < len(lines) - 1 and not re.match(
+                r"^(\d+\.|-|\*|\+)\s", lines[i + 1].strip()
+            ):
+                normalized_lines.append(line)
+            continue
+        else:
+            inside_list = False
+            normalized_lines.append(line)
+
+    return "\n".join(normalized_lines)
+
+
+def convert_mdtext(md_text):
+    code_block_pattern = re.compile(r"```(.*?)(?:```|$)", re.DOTALL)
+    inline_code_pattern = re.compile(r"`(.*?)`", re.DOTALL)
+    code_blocks = code_block_pattern.findall(md_text)
+    non_code_parts = code_block_pattern.split(md_text)[::2]
+
+    result = []
+    for non_code, code in zip(non_code_parts, code_blocks + [""]):
+        if non_code.strip():
+            non_code = normalize_markdown(non_code)
+            if inline_code_pattern.search(non_code):
+                result.append(markdown(non_code, extensions=["tables"]))
+            else:
+                result.append(mdtex2html.convert(non_code, extensions=["tables"]))
+        if code.strip():
+            code = f"\n```{code}\n\n```"
+            code = markdown_to_html_with_syntax_highlight(code)
+            result.append(code)
+    result = "".join(result)
+    result += ALREADY_CONVERTED_MARK
+    return result
+
+def convert_asis(userinput):
+    return f"<p style=\"white-space:pre-wrap;\">{html.escape(userinput)}</p>"+ALREADY_CONVERTED_MARK
+
+def detect_converted_mark(userinput):
+    if userinput.endswith(ALREADY_CONVERTED_MARK):
+        return True
+    else:
+        return False
+
+
+
+def detect_language(code):
+    if code.startswith("\n"):
+        first_line = ""
+    else:
+        first_line = code.strip().split("\n", 1)[0]
+    language = first_line.lower() if first_line else ""
+    code_without_language = code[len(first_line) :].lstrip() if first_line else code
+    return language, code_without_language
+
+def convert_to_markdown(text):
+    text = text.replace("$","&#36;")
+    def replace_leading_tabs_and_spaces(line):
+        new_line = []
+        
+        for char in line:
+            if char == "\t":
+                new_line.append("&#9;")
+            elif char == " ":
+                new_line.append("&nbsp;")
+            else:
+                break
+        return "".join(new_line) + line[len(new_line):]
+
+    markdown_text = ""
+    lines = text.split("\n")
+    in_code_block = False
+
+    for line in lines:
+        if in_code_block is False and line.startswith("```"):
+            in_code_block = True
+            markdown_text += f"{line}\n"
+        elif in_code_block is True and line.startswith("```"):
+            in_code_block = False
+            markdown_text += f"{line}\n"
+        elif in_code_block:
+            markdown_text += f"{line}\n"
+        else:
+            line = replace_leading_tabs_and_spaces(line)
+            line = re.sub(r"^(#)", r"\\\1", line)
+            markdown_text += f"{line}  \n"
+
+    return markdown_text
+
+def add_language_tag(text):
+    def detect_language(code_block):
+        try:
+            lexer = guess_lexer(code_block)
+            return lexer.name.lower()
+        except ClassNotFound:
+            return ""
+
+    code_block_pattern = re.compile(r"(```)(\w*\n[^`]+```)", re.MULTILINE)
+
+    def replacement(match):
+        code_block = match.group(2)
+        if match.group(2).startswith("\n"):
+            language = detect_language(code_block)
+            if language:
+                return f"```{language}{code_block}```"
+            else:
+                return f"```\n{code_block}```"
+        else:
+            return match.group(1) + code_block + "```"
+
+    text2 = code_block_pattern.sub(replacement, text)
+    return text2
+
+def delete_last_conversation(chatbot, history):
+    if len(chatbot) > 0:
+        chatbot.pop()
+
+    if len(history) > 0:
+        history.pop()
+        
+    return (
+        chatbot,
+        history,
+        "Delete Done",
+    )
+
+def reset_state():
+    return [], [], "Reset Done"
+
+def reset_textbox():
+    return gr.update(value=""),""
+
+def cancel_outputing():
+    return "Stop Done"
+
+    
+##########################################
+#Extension des hochgeladenen Files bestimmen
+def analyze_file(file):
+    file_extension = file.name.split('.')[-1]  # Holen Sie sich die Dateiendung
+    return file_extension
+
+########################################
+#Aus dem File-Pfad nur den Namen herausholen
+def get_filename(file_pfad):
+    parts = file_pfad.rsplit('/', 1)  # Den String nach dem letzten '/' aufteilen
+    if len(parts) == 2:
+        result = parts[1]  # Der Teil nach dem letzten '/' ist in parts[1]
+    else:
+        result = "Ein Fehler im Filenamen ist aufgetreten..."
+    return result
+
+########################################
+#Open Assistant Funktionen für File upload
+########################################
+def submit_message(assistant_id, thread, client, user_message):
+    client.beta.threads.messages.create(
+        thread_id=thread.id, role="user", content=user_message
+    )
+    return client.beta.threads.runs.create(
+        thread_id=thread.id,
+        assistant_id=assistant_id,
+    )
+    
+def get_response(thread, client, assi_id):
+    return client.beta.threads.messages.list(thread_id=thread.id, order="asc")
+
+def create_thread_and_run(user_input, client, assi_id):
+    thread = client.beta.threads.create()
+    run = submit_message(assi_id, thread, client, user_input)
+    return thread, run
+
+def pretty_print(messages):
+    print("# Messages")
+    for m in messages:
+        print(f"{m.role}: {m.content[0].text.value}")
+    print()
+
+# Waiting in a loop
+def wait_on_run(run, thread, client):
+    while run.status == "queued" or run.status == "in_progress":
+        run = client.beta.threads.runs.retrieve(
+            thread_id=thread.id,
+            run_id=run.id,
+        )
+        time.sleep(0.5)
+    return run
+
+########################################
+# Tavility Search Machine
+def tavily_search(tavily_client, query):
+    search_result = tavily_client.get_search_context(query, search_depth="advanced", max_tokens=8000)
+    return search_result
+
+########################################
+# HuggingChat Search Machine
+def hugchat_search(chatbot, query):
+    search_result = chatbot.query(query, web_search=True)
+    #for source in query_result.web_search_sources:
+        #print(source.link)
+        #print(source.title)
+        #print(source.hostname)
+    return search_result.text, search_result.link
+
+########################################
+# nicht in Gebrauch: Assistant für Websuche anlgen
+def openai_assistant_suche(client):
+    assistant = client.beta.assistants.create(
+        instructions=template,
+        model="gpt-4-1106-preview",
+        tools=[{
+            "type": "function",
+            "function": {
+                "name": "tavily_search",
+                "description": "Get information on recent events from the web.",
+                "parameters": {
+                    "type": "object",
+                    "properties": {
+                        "query": {"type": "string", "description": "Die Suchanfrage, die die KI nicht beantworten konnte, hier hinein"},
+                    },
+                    "required": ["query"]
+                }
+            }
+        }]
+    )
+    return assistant
+    
+
+#########################################
+#Bildbearbeitung
+#########################################
+#########################################
+#nicht im Einsatz, da Stable Diffusion die Bilder erzeugt
+def create_picture(history,  prompt):
+    client = OpenAI()
+    response = client.images.generate(model="dall-e-3", prompt=prompt,size="1024x1024",quality="standard",n=1,)
+    image_url = response.data[0].url
+    # using requests library to get the image in bytes 
+    response2 = requests.get(image_url) 
+    # using the Image module from PIL library to view the image 
+    image = Image.open(response2.raw)
+    return image
+
+########################################
+# Ausgabe in PDF des Chathistory
+########################################
+"""
+#Aufzählungen in der History erkennen und auch als Auflistung darstellen
+def erkennen_und_formatieren_von_aufzaehlungen_backup(text, styles):
+    # Aufzählungszeichen oder Nummerierungen erkennen
+    aufzaehlungszeichen = ['-', '*', '•']
+    nummerierung = [f'{i}.' for i in range(1, 11)]  # Beispiel für einfache Nummerierungserkennung
+    nummerierung2 = [f'{i}. ' for i in range(1, 11)]
+    nummerierung3 = [f' {i}. ' for i in range(1, 11)]
+    
+    zeilen = text.split('\n')
+    list_items = []
+    for zeile in zeilen:
+        # Prüft, ob die Zeile mit einem Aufzählungszeichen oder einer Nummerierung beginnt
+        if any(zeile.lstrip().startswith(zeichen) for zeichen in aufzaehlungszeichen + nummerierung + nummerierung2 + nummerierung3) :
+            # Entfernt das Aufzählungszeichen/Nummerierung für die Darstellung
+            for zeichen in aufzaehlungszeichen + nummerierung + nummerierung2 + nummerierung3:
+                if zeile.lstrip().startswith(zeichen):
+                    zeile = zeile.lstrip()[len(zeichen):].lstrip()
+                    break
+            list_items.append(ListItem(Paragraph(zeile, styles['BodyText'])))
+        else:
+            # Wenn die Zeile nicht als Teil einer Aufzählung erkannt wird, breche die Schleife ab
+            break
+    if list_items:
+        # Eine Aufzählung wurde erkannt
+        return ListFlowable(list_items, bulletType='bullet', start='bulletchar', bulletFontName='Helvetica')
+    else:
+        # Keine Aufzählung erkannt, gebe einen normalen Paragraph zurück
+        return Paragraph(text, styles['BodyText'])
+        
+#Aufzählungen in der History erkennen und auch als Auflistung darstellen
+def erkennen_und_formatieren_von_aufzaehlungen(text, styles):
+    # Aufzählungszeichen oder Nummerierungen erkennen
+    aufzaehlungszeichen = ['-', '*', '•']
+    # Regulärer Ausdruck für Nummerierungen (z.B. "1.", "2.")
+    # Verbesserter regulärer Ausdruck, der optionale Leerzeichen vor der Nummerierung berücksichtigt
+    nummerierung_regex = r"^\s*\d+\.\s*"  # Optional Leerzeichen, gefolgt von Ziffern und einem Punkt, dann Leerzeichen
+    zeilen = text.split('\n')
+    list_items = []
+    for zeile in zeilen:
+        # Prüft, ob die Zeile mit einem Aufzählungszeichen beginnt
+        print("zeile:.............................")
+        print(zeile)
+        if any(zeile.lstrip().startswith(zeichen) for zeichen in aufzaehlungszeichen) or re.match(nummerierung_regex, zeile.lstrip()):
+            # Entfernt das Aufzählungszeichen/Nummerierung für die Darstellung
+            if (re.match(nummerierung_regex, zeile.lstrip())):
+                cleaned_line = re.sub(nummerierung_regex, '', zeile.lstrip(), 1).lstrip()  # Entfernt nummerierte Aufzählungszeichen
+            else:
+                for zeichen in aufzaehlungszeichen:
+                    if zeile.lstrip().startswith(zeichen):
+                        cleaned_line = zeile.lstrip()[len(zeichen):].lstrip()
+                        break
+            print(cleaned_line)
+            list_items.append(ListItem(Paragraph(cleaned_line, styles['BodyText'])))
+        else:
+            # Wenn die Zeile nicht als Teil einer Aufzählung erkannt wird, breche die Schleife ab
+            # und behandle den gesamten Text als normalen Paragraphen, wenn keine Liste erkannt wurde
+            if not list_items:
+                return Paragraph(text, styles['BodyText'])
+            break
+    if list_items:
+        # Eine Aufzählung wurde erkannt
+        return ListFlowable(list_items, bulletType='bullet', start='bulletchar', bulletFontName='Helvetica')
+    else:
+        # Keine Aufzählung erkannt, gebe einen normalen Paragraph zurück
+        return Paragraph(text, styles['BodyText'])
+"""
+
+####################################
+#    Erkennt Aufzählungen im Text und gibt eine entsprechend formatierte ListFlowable oder Paragraph zurück.
+####################################
+def verarbeite_text_und_aufzaehlungen(text, styles):
+    # Aufzählungszeichen oder Nummerierungen erkennen
+    aufzaehlungszeichen = ['-', '*', '•']
+    # Regulärer Ausdruck für Nummerierungen (z.B. "1.", "2.")
+    # Verbesserter regulärer Ausdruck, der optionale Leerzeichen vor der Nummerierung berücksichtigt
+    nummerierung_regex = r"^\s*\d+\.\s*"  # Optional Leerzeichen, gefolgt von Ziffern und einem Punkt, dann Leerzeichen
+    
+    zeilen = text.split('\n')
+    elements = []  # Eine Liste, die sowohl Paragraph-Objekte als auch ListFlowable-Objekte enthalten wird
+    list_items = []  # Temporäre Liste für die Aufzählungs-Items
+    paragraph_text = []  # Sammelt den Text für normale Paragraphen
+
+    for zeile in zeilen:
+        if any(zeile.lstrip().startswith(zeichen) for zeichen in aufzaehlungszeichen) or re.match(nummerierung_regex, zeile.lstrip()):
+            # Wenn bereits normaler Text gesammelt wurde, füge ihn als Paragraph hinzu, bevor eine neue Liste beginnt
+            if paragraph_text:
+                elements.append(Paragraph(' '.join(paragraph_text), styles['BodyText']))
+                paragraph_text = []  # Zurücksetzen des normalen Textsammelns
+
+            # Entfernt das Aufzählungszeichen/Nummerierung für die Darstellung
+            if re.match(nummerierung_regex, zeile.lstrip()):
+                cleaned_line = re.sub(nummerierung_regex, '', zeile.lstrip(), 1).lstrip()
+            else:
+                for zeichen in aufzaehlungszeichen:
+                    if zeile.lstrip().startswith(zeichen):
+                        cleaned_line = zeile.lstrip()[len(zeichen):].lstrip()
+                        break
+            list_items.append(ListItem(Paragraph(cleaned_line, styles['BodyText'])))
+        else:
+            # Wenn eine Liste erkannt wurde und dann normale Zeilen folgen
+            if list_items:
+                # Füge die gesammelten ListItems als ListFlowable hinzu und setze die Sammlung zurück
+                elements.append(ListFlowable(list_items, bulletType='bullet', start='bulletchar', bulletFontName='Helvetica'))
+                list_items = []  # Zurücksetzen der Listensammlung
+            paragraph_text.append(zeile)
+
+    # Füge verbleibende Elemente hinzu, falls vorhanden
+    if paragraph_text:  # Verbleibender normaler Text
+        elements.append(Paragraph(' '.join(paragraph_text), styles['BodyText']))
+    if list_items:  # Verbleibende Listenelemente
+        elements.append(ListFlowable(list_items, bulletType='bullet', start='bulletchar', bulletFontName='Helvetica'))
+
+    return elements
+
+
+        
+#callback Methode, die auf jeder PDF Seite das Datum oben hinschreibt
+def on_each_page(canvas, doc):
+    page_width, page_height = A4  # Oder das von Ihnen verwendete Seitenformat, z.B. A4
+    canvas.saveState()
+    canvas.setFont('Times-Roman', 10)
+    # Formatieren Sie das Datum nach Ihrem Wunsch
+    current_date = datetime.now().strftime("%Y-%m-%d")
+    print(current_date)
+    # Positionieren Sie das Datum oben rechts auf der Seite
+    canvas.drawRightString(page_width - 72, page_height - 28, current_date)
+    canvas.restoreState()
+
+#PDF Inhalte zusammenstellen und PDF unter dem angegebene Pfad file_path_download ablegen
+def erstellePdf(file_path_download, ueberschrift, dic_history):
+    # Initialisiere eine leere Listseinstellung ("flowables"), die später gefüllt wird
+    elements = []
+    # Definiere ein neues Papierformat mit A4 Maßen
+    paper_size = A4
+
+    # Erstellen Sie ein neues StyleSheet-Objekt
+    styles = getSampleStyleSheet()
+    # Neuen Style hinzufügen
+    new_style = ParagraphStyle('NewStyle', fontName='Helvetica', fontSize=11)
+    styles.add(new_style)
+    #style für Trennlinie
+    line_style = ParagraphStyle('LineStyle', fontSize=4, leading=6, borderPadding=0,
+                             spaceBefore=0, spaceAfter=0, textColor='black')
+    list_style = getSampleStyleSheet()
+    
+    #Feststehende Überschriften erzeugen
+    # Chat-Überschrift
+    title = Paragraph(ueberschrift, styles['Title'])
+    headline_nutzer = Paragraph('Nutzer:', styles['Heading3'])
+    headline_assi = Paragraph('Assistent:', styles['Heading3'])
+
+    #Pdf Abschnittsweise zusammenstellen
+    elements.append(title)
+    for nutzer, assi in dic_history.items():
+        elements.append(headline_nutzer)
+        p = Paragraph(nutzer, styles['NewStyle'])
+        elements.append(p)
+        # Einen Abstand hinzufügen (optional)
+        elements.append(Spacer(1, 2*mm))
+        elements.append(headline_assi)
+        element_check = verarbeite_text_und_aufzaehlungen(assi,list_style)
+        # Gehe jedes Element in `elements` durch und füge es zu `story` hinzu
+        for elem in element_check:
+            if isinstance(elem, list):
+                # Wenn das Element eine Liste ist, füge jedes Unter-Element hinzu
+                elements.extend(elem)
+            else:
+                # Für einzelne Flowable-Objekte, füge sie direkt hinzu
+                elements.append(elem)
+        
+        # Einen Abstand hinzufügen (optional)
+        elements.append(Spacer(1, 8*mm))
+        #Trennlinie
+        elements.append(Paragraph('_' * 100, line_style)) 
+        # Einen Abstand hinzufügen (optional)
+        elements.append(Spacer(1, 8*mm))
+
+        #Für später, um bilder einzufügen
+        # Fügen Sie andere Flowables wie Bilder oder Tabellen hinzu
+        #image = Image('path/to/your/image.png', width=10*cm, height=5*cm)
+        #elements.append(image)
+        #table = Table([['Cell 1', 'Cell 2'], ['Cell 3', 'Cell 4']])
+        #elements.append(table)
+
+
+    # Generiere das PDF-Dokument
+    doc = CustomDocTemplate(file_path_download, pagesize=paper_size)
+    #on_each_page ist eine callback Methode, die auf jeder neuen PDF Seite ausgeführt wird
+    doc.onPage = on_each_page
+    doc.build(elements)
+
+##########################################
+#Hashing....
+# Funktion zum Hashen des Eingabewerts
+def hash_input(input_string):
+    return hashlib.sha256(input_string.encode()).hexdigest()
+
+    
+########################################
+#zur Zeit nicht im Gebrauch
+def transfer_input(inputs):
+    textbox = reset_textbox()
+    return (
+        inputs,
+        gr.update(value=""),
+        gr.Button.update(visible=True),
+    )
+
+
+#################################################
+#Klasse mit zuständen - z.B. für interrupt wenn Stop gedrückt...
+#################################################
+class State:
+    interrupted = False
+
+    def interrupt(self):
+        self.interrupted = True
+
+    def recover(self):
+        self.interrupted = False
+shared_state = State()
+
+
+
+
+def is_stop_word_or_prefix(s: str, stop_words: list) -> bool:
+    for stop_word in stop_words:
+        if s.endswith(stop_word):
+            return True
+        for i in range(1, len(stop_word)):
+            if s.endswith(stop_word[:i]):
+                return True
+    return False
+
+
+##########################################
+# Klasse, die die SimpleDocTemplate überschreibt (für PDF Generierung)
+# war nötig, da SimpleDocTemplate die on_each_page nicht ausgeführt hat - warum auch immer ...
+##########################################
+class CustomDocTemplate(SimpleDocTemplate):
+    def handle_pageBegin(self):
+        # Sorgt dafür, dass die Standard-Page-Begin-Logik ausgeführt wird
+        self._handle_pageBegin()
+        # Jetzt können Sie das Canvas-Objekt über self.canv sicher verwenden
+        self.canv.saveState()
+        self.canv.setFont('Helvetica', 10)
+        current_date = datetime.now().strftime("%Y-%m-%d")
+        # Passen Sie hier die Positionierung an Ihre Bedürfnisse an
+        self.canv.drawRightString(550, 800, current_date)  # Position anpassen
+        self.canv.restoreState()