File size: 3,997 Bytes
2047172 f227f03 2047172 f227f03 2047172 f227f03 2047172 f227f03 2047172 f227f03 2047172 f227f03 2047172 f227f03 2047172 f227f03 2047172 f227f03 2047172 f227f03 2047172 f227f03 2047172 f227f03 2047172 f227f03 2047172 f227f03 2047172 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 | from flask import Flask, render_template, request, jsonify, session
from langchain_google_genai import ChatGoogleGenerativeAI
from langchain_huggingface import HuggingFaceEmbeddings
from langchain_chroma import Chroma
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain.chains import create_history_aware_retriever, create_retrieval_chain
from langchain.chains.combine_documents import create_stuff_documents_chain
from langchain_core.messages import HumanMessage, AIMessage
from dotenv import load_dotenv
import os
# Memuat variabel lingkungan (untuk testing lokal dan kunci API di server)
load_dotenv()
app = Flask(__name__, template_folder='templates')
app.secret_key = os.urandom(24)
# --- Inisialisasi Komponen Utama ---
vectorstore = None
llm = None
retriever = None
rag_chain = None
try:
# 1. Menyiapkan Model Embedding yang Ringan
# Model ini akan mengambil data dari cache yang sudah di-download saat build
embedding_model = HuggingFaceEmbeddings(model_name="all-MiniLM-L6-v2")
# 2. Memuat Vectorstore (Database Chroma)
vectorstore = Chroma(
persist_directory="data",
embedding_function=embedding_model
)
retriever = vectorstore.as_retriever(search_kwargs={"k": 5})
print("Vectorstore berhasil dimuat dan retriever dibuat.")
# 3. Menyiapkan Model AI (LLM)
llm = ChatGoogleGenerativeAI(model="gemini-1.5-flash", temperature=0.2)
print("Model AI (Gemini) berhasil diinisialisasi.")
# 4. Membuat RAG Chain (Logika Inti Aplikasi)
contextualize_q_prompt = ChatPromptTemplate.from_messages([
("system", "Mengingat riwayat percakapan dan pertanyaan terbaru, formulasikan ulang pertanyaan menjadi pertanyaan yang berdiri sendiri."),
MessagesPlaceholder("chat_history"),
("human", "{input}"),
])
history_aware_retriever = create_history_aware_retriever(llm, retriever, contextualize_q_prompt)
qa_prompt = ChatPromptTemplate.from_messages([
("system", "Anda adalah asisten AI untuk BPVP Kota Sorong. Gunakan potongan konteks berikut untuk menjawab pertanyaan. Jika tidak tahu jawabannya, katakan saja Anda tidak tahu. Jawab dalam bahasa Indonesia.\n\nKonteks:\n{context}"),
MessagesPlaceholder("chat_history"),
("human", "{input}"),
])
question_answer_chain = create_stuff_documents_chain(llm, qa_prompt)
rag_chain = create_retrieval_chain(history_aware_retriever, question_answer_chain)
print("RAG Chain berhasil dibuat.")
except Exception as e:
print(f"GALAT PENTING SAAT INISIALISASI: {e}")
# --- Rute Aplikasi Flask ---
@app.route('/')
def home():
session.pop("chat_history", None)
return render_template('index.html')
@app.route('/get', methods=['GET'])
def get_response():
if not rag_chain:
return jsonify({"error": "Server belum siap. Periksa log untuk galat inisialisasi."}), 503
user_message = request.args.get('msg')
if not user_message:
return jsonify({"error": "Pesan tidak boleh kosong."}), 400
chat_history_from_session = session.get("chat_history", [])
chat_history = [HumanMessage(content=msg["message"]) if msg.get("sender") == "user" else AIMessage(content=msg["message"]) for msg in chat_history_from_session]
try:
response = rag_chain.invoke({"input": user_message, "chat_history": chat_history})
answer = response.get("answer", "Maaf, saya tidak dapat menemukan jawaban untuk itu.")
new_history = session.get("chat_history", [])
new_history.append({"sender": "user", "message": user_message})
new_history.append({"sender": "ai", "message": answer})
session["chat_history"] = new_history
return jsonify(answer)
except Exception as e:
print(f"GALAT saat menjalankan RAG Chain: {e}")
return jsonify({"error": "Maaf, terjadi masalah internal saat memproses permintaan Anda."}), 500
if __name__ == '__main__':
app.run(debug=True) |