whatif

main.py

@@ -137,10 +137,7 @@ async def generate(user_input: UserInput):
 @app.post("/whatif")
 async def generate_whatif(whatif_input: WhatifInput):
     try:
-        print(f"whatif_input: {whatif_input}")
-        return generate_whatif_stream(whatif_input["question"],whatif_input["answer"])
-    except Exception as e:
-        return {"message": str(e)}
+        
     
 @app.post("/whatif_chat")
 async def generate_whatif_chat(user_input: UserInput):

prompt.py

@@ -74,11 +74,13 @@ template_whatif_response = '''
 Vous êtes un assistant IA très intelligent qui connaît tout sur le livre {name_book} de {writer}. 
 Vous allez répondre à la question de l'utilisateur, qui portera sur ce livre. Vous répondrez rigoureusement dans le style d'écriture de la nouvelle. Vos réponses seront courtes.
 
+Résumé du livre : {summary}
+
 **Historique des messages :** {messages}
 
 **l'utilisateur :** {query}
 
-**Contexte récupéré (si pertinent pour votre réponse) :** {context}
+**Extrait récupéré (si pertinent pour votre réponse) :** {context}
 
 **Sortie attendue :** Votre réponse doit être bien formatée, plaisante à lire et inclure des émojis.
 '''

rag.py

@@ -197,7 +197,7 @@ def generate_stream_whatif_chat(query:str,messages = [], model = "gpt-4o-mini",
         prompt = PromptTemplate.from_template(template_whatif_response)
 
         writer = "Laurent Tripied"
-        name_book = "Limites de l'imaginaire ou limites planétaires"
+        name_book = "La confession muette"
         print("retreiving context")
         context = retrieve_context_from_vectorestore(query)
         print(f"Context: {context}")
@@ -205,9 +205,9 @@ def generate_stream_whatif_chat(query:str,messages = [], model = "gpt-4o-mini",
 
         print("streaming")
         if stream:
-            return llm_chain.stream({"name_book":name_book,"writer":writer,"messages":messages,"context":context,"query":query})
+            return llm_chain.stream({"name_book":name_book,"writer":writer,"messages":messages,"context":context,"query":query,"summary":summary_text})
         else:
-            return llm_chain.invoke({"name_book":name_book,"writer":writer,"messages":messages,"context":context,"query":query})
+            return llm_chain.invoke({"name_book":name_book,"writer":writer,"messages":messages,"context":context,"query":query,"summary":summary_text})
         
     except Exception as e:
         print(e)