Update app.py

app.py

@@ -51,7 +51,7 @@ _ = load_dotenv(find_dotenv())
 #nur bei ersten Anfrage splitten der Dokumente - um die Vektordatenbank entsprechend zu füllen
 #splittet = False
 #DB für Vektorstore
-vektorstore = None
+vektordatenbank = None
 retriever = None
 
 #############################################
@@ -325,7 +325,7 @@ def create_assistant_suche_hf(chatbot, prompt):
 #Funktion wird direkt aufgerufen aus der GUI - von hier muss auch die Rückmeldung kommen....
 #man kann einen Text-Prompt eingeben (mit oder ohne RAG), dazu ein Image hochladen, ein Bild zu einem reinen textprompt erzeugen lassen
 def generate_auswahl(prompt_in, file, file_history, chatbot, history, rag_option, model_option, openai_api_key, k=3, top_p=0.6, temperature=0.5, max_new_tokens=4048, max_context_length_tokens=2048, repetition_penalty=1.3,top_k=35, websuche="Aus", validate=False):
-    global vektorstore, retriever
+    global vektordatenbank, retriever
 
     #nur wenn man sich validiert hat, kann die Anwendung los legen
     if (validate and not prompt_in == "" and not prompt_in == None):
@@ -339,15 +339,15 @@ def generate_auswahl(prompt_in, file, file_history, chatbot, history, rag_option
         
         if (rag_option == "An"):
             #muss nur einmal ausgeführt werden... 
-            if vectorstore == None:
+            if vektordatenbank == None:
                 print("db neu aufbauen!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!1")
                 splits = document_loading_splitting()
-                vectorstore, retriever = document_storage_chroma(splits)
+                vektordatenbank, retriever = document_storage_chroma(splits)
 
         #kein Bild hochgeladen -> auf Text antworten...
         status = "Antwort der KI ..."
         if (file == None and file_history == None):
-            result, status = generate_text(prompt, chatbot, history, rag_option, model_option, openai_api_key, vectorstore, websuche, k=3, top_p=0.6, temperature=0.5, max_new_tokens=4048, max_context_length_tokens=2048, repetition_penalty=1.3, top_k=3)
+            result, status = generate_text(prompt, chatbot, history, rag_option, model_option, openai_api_key, vektordatenbank, websuche, k=3, top_p=0.6, temperature=0.5, max_new_tokens=4048, max_context_length_tokens=2048, repetition_penalty=1.3, top_k=3)
             history = history + [[prompt, result]]
         else:
             #Es wurde ein File neu angehängt -> wenn prompt dazu, das Bild analysieren
@@ -359,9 +359,9 @@ def generate_auswahl(prompt_in, file, file_history, chatbot, history, rag_option
             #herausfinden, ob Bild oder Dokument...
             ext = analyze_file(neu_file)
             if (ext == "png" or ext == "PNG" or ext == "jpg" or ext == "jpeg" or ext == "JPG" or ext == "JPEG"):
-                result= generate_text_zu_bild(neu_file, prompt, k, rag_option, chatbot, history, db)
+                result= generate_text_zu_bild(neu_file, prompt, k, rag_option, chatbot, history, vektordatenbank)
             else:
-                result = generate_text_zu_doc(neu_file, prompt, k, rag_option, chatbot, history, db)
+                result = generate_text_zu_doc(neu_file, prompt, k, rag_option, chatbot, history, vektordatenbank)
     
             #die history erweitern - abhängig davon, ob gerade ein file hochgeladen wurde oder nicht
             if (file != None):    
@@ -413,13 +413,13 @@ def generate_bild(prompt, chatbot, model_option_zeichnen='HuggingFace', temperat
 
 ##################################################
 #zu einem Bild und Text-Prompt eine Analyse generieren
-def generate_text_zu_bild(file, prompt, k, rag_option, chatbot, history, vectorstore):
+def generate_text_zu_bild(file, prompt, k, rag_option, chatbot, history, vektordatenbank):
     global splittet
     print("Text mit Bild ..............................")
     prompt_neu = generate_prompt_with_history(prompt, history)
     if (rag_option == "An"):
         print("Bild mit RAG..............................")
-        neu_text_mit_chunks = rag_chain2(prompt, vectorstore, k)
+        neu_text_mit_chunks = rag_chain2(prompt, vektordatenbank, k)
         #für Chat LLM:
         #prompt = generate_prompt_with_history_openai(neu_text_mit_chunks, history)
         #als reiner prompt:
@@ -436,14 +436,14 @@ def generate_text_zu_bild(file, prompt, k, rag_option, chatbot, history, vectors
 
 ##################################################
 #zu einem Bild und Text-Prompt eine Analyse generieren
-def generate_text_zu_doc(file, prompt, k, rag_option, chatbot, history, vectorstore):
+def generate_text_zu_doc(file, prompt, k, rag_option, chatbot, history, vektordatenbank):
     global splittet
     print("text mit doc ..............................")
      
     prompt_neu = generate_prompt_with_history(prompt, history)
     if (rag_option == "An"):
         print("Doc mit RAG..............................")
-        neu_text_mit_chunks = rag_chain2(prompt, vectorstore, k)
+        neu_text_mit_chunks = rag_chain2(prompt, vektordatenbank, k)
         #für Chat LLM:
         #prompt_neu = generate_prompt_with_history_openai(neu_text_mit_chunks, history)
         #als reiner prompt:
@@ -456,7 +456,7 @@ def generate_text_zu_doc(file, prompt, k, rag_option, chatbot, history, vectorst
 ####################################################
 #aus einem Text-Prompt die Antwort von KI bekommen
 #mit oder ohne RAG möglich
-def generate_text (prompt, chatbot, history, rag_option, model_option, openai_api_key, vectorstore, websuche, k=3, top_p=0.6, temperature=0.5, max_new_tokens=4048, max_context_length_tokens=2048, repetition_penalty=1.3, top_k=35):
+def generate_text (prompt, chatbot, history, rag_option, model_option, openai_api_key, vektordatenbank, websuche, k=3, top_p=0.6, temperature=0.5, max_new_tokens=4048, max_context_length_tokens=2048, repetition_penalty=1.3, top_k=35):
     #global splittet
     #hugchat=False
     suche_im_Netz="Antwort der KI ..."
@@ -569,7 +569,7 @@ def generate_text (prompt, chatbot, history, rag_option, model_option, openai_ap
 #Funktion wird direkt aufgerufen aus der GUI - von hier muss auch die Rückmeldung kommen....
 #man kann einen Text-Prompt eingeben , dazu ein Image hochladen, und dann dazu code erzeugen lassen
 def generate_code(prompt_in, file, file_history, chatbot, history,  model_option, openai_api_key, k=3, top_p=0.6, temperature=0.5, max_new_tokens=4048, max_context_length_tokens=2048, repetition_penalty=1.3,top_k=35):
-        global vectorstore
+        global vektordatenbank
         #prompt normalisieren bevor er an die KIs geht
         prompt = normalise_prompt(prompt_in)
         #falls schon ein File hochgeladen wurde, ist es in history_file gespeichert - falls ein neues File hochgeladen wurde, wird es anschließend neu gesetzt
@@ -590,9 +590,9 @@ def generate_code(prompt_in, file, file_history, chatbot, history,  model_option
             #herausfinden, ob Bild oder Dokument...
             ext = analyze_file(neu_file)
             if (ext == "png" or ext == "PNG" or ext == "jpg" or ext == "jpeg" or ext == "JPG" or ext == "JPEG"):
-                result= generate_text_zu_bild(neu_file, prompt, k, rag_option, chatbot, history, vectorstore)
+                result= generate_text_zu_bild(neu_file, prompt, k, rag_option, chatbot, history, vektordatenbank)
             else:
-                result = generate_text_zu_doc(neu_file, prompt, k, rag_option, chatbot, history, vectorstore)
+                result = generate_text_zu_doc(neu_file, prompt, k, rag_option, chatbot, history, vektordatenbank)
 
             #die history erweitern - abhängig davon, ob gerade ein file hochgeladen wurde oder nicht
             if (file != None):