Ilyas KHIAT commited on
Commit
6db239f
·
1 Parent(s): 23f4488

delete docs

Browse files
Files changed (1) hide show
  1. rag.py +15 -16
rag.py CHANGED
@@ -67,17 +67,29 @@ def get_vectorstore(text_chunks,filename, file_type,namespace,index):
67
  print(e)
68
  return False
69
 
70
- def get_retreive_answer(enterprise_id,prompt,index):
71
  try:
72
 
73
  embedding = OpenAIEmbeddings(model="text-embedding-3-large")
74
  vector_store = PineconeVectorStore(index=index, embedding=embedding,namespace=enterprise_id)
75
-
76
  retriever = vector_store.as_retriever(
77
  search_type="similarity_score_threshold",
78
  search_kwargs={"k": 3, "score_threshold": 0.6},
79
  )
80
- response = retriever.invoke(prompt)
 
 
 
 
 
 
 
 
 
 
 
 
81
 
82
  return response
83
 
@@ -88,21 +100,8 @@ def get_retreive_answer(enterprise_id,prompt,index):
88
  def generate_response_via_langchain(query: str, stream: bool = False, model: str = "gpt-4o-mini",context:str="",messages = [],style:str="formal",tonality:str="neutral"):
89
  # Define the prompt template
90
  template = "En tant qu'IA experte en marketing, réponds avec un style {style} et une tonalité {tonality} dans ta communcation, sachant le context suivant: {context}, et l'historique de la conversation: {messages}, {query}"
91
-
92
- template = '''
93
- Vous êtes un spécialiste de la communication marketing responsable avec une expertise en stratégie de communication numérique, en gestion des médias sociaux, en création de contenu, en notoriété de la marque et en engagement communautaire.
94
-
95
- Je vous fournirai des détails concernant le {style}, la {tonality}, mon entreprise, les contextes spécifiques et les conversations passées afin d'assurer une intégration transparente dans nos projets. Vos tâches comprennent le développement de matériel de marketing numérique engageant et informatif tel que des tweets, des posts LinkedIn, et des newsletters alignés sur Vegetaelis 2024 - le Salon de l'Innovation Végétale et de la Transition Agroécologique qui aura lieu à Pau les 21 et 22 novembre 2024.
96
 
97
- Pour chaque tâche, suivez les étapes suivantes :
98
 
99
- Analyser les préférences des utilisateurs et les exigences du projet à partir des paramètres donnés.
100
- Effectuer des recherches sur le sujet et intégrer les tendances actuelles si nécessaire.
101
- Créer un contenu captivant adapté au format demandé (message sur Twitter, article sur LinkedIn ou lettre d'information).
102
- Relire attentivement les textes pour s'assurer qu'ils respectent la grammaire, la ponctuation et la cohérence stylistique.
103
- Livrer le document final en veillant à ce qu'il réponde à toutes les attentes et à toutes les lignes directrices.
104
- Le résultat doit être attrayant, informatif, rédigé de manière professionnelle, cohérent avec le style et la tonalité spécifiés, doté des hashtags appropriés si nécessaire, et représentatif des valeurs de l'entreprise de l'utilisateur et des normes de l'industrie.
105
- '''
106
  prompt = PromptTemplate.from_template(template)
107
 
108
  # Initialize the OpenAI LLM with the specified model
 
67
  print(e)
68
  return False
69
 
70
+ def get_retreive_answer(enterprise_id,prompt,index,common_id):
71
  try:
72
 
73
  embedding = OpenAIEmbeddings(model="text-embedding-3-large")
74
  vector_store = PineconeVectorStore(index=index, embedding=embedding,namespace=enterprise_id)
75
+
76
  retriever = vector_store.as_retriever(
77
  search_type="similarity_score_threshold",
78
  search_kwargs={"k": 3, "score_threshold": 0.6},
79
  )
80
+
81
+ if common_id:
82
+ vector_store_commun = PineconeVectorStore(index=index, embedding=embedding,namespace=common_id)
83
+
84
+ retriever_commun = vector_store_commun.as_retriever(
85
+ search_type="similarity_score_threshold",
86
+ search_kwargs={"k": 3, "score_threshold": 0.6},
87
+ )
88
+
89
+ response = retriever.invoke(prompt) + retriever_commun.invoke(prompt)
90
+
91
+ else:
92
+ response = retriever.invoke(prompt)
93
 
94
  return response
95
 
 
100
  def generate_response_via_langchain(query: str, stream: bool = False, model: str = "gpt-4o-mini",context:str="",messages = [],style:str="formal",tonality:str="neutral"):
101
  # Define the prompt template
102
  template = "En tant qu'IA experte en marketing, réponds avec un style {style} et une tonalité {tonality} dans ta communcation, sachant le context suivant: {context}, et l'historique de la conversation: {messages}, {query}"
 
 
 
 
 
103
 
 
104
 
 
 
 
 
 
 
 
105
  prompt = PromptTemplate.from_template(template)
106
 
107
  # Initialize the OpenAI LLM with the specified model