Update app.py

app.py

@@ -9,6 +9,8 @@ import io
 from PIL import Image, ImageDraw, ImageOps, ImageFont
 import base64
 
+from tavily import TavilyClient
+
 from langchain.chains import LLMChain, RetrievalQA
 from langchain.chat_models import ChatOpenAI
 from langchain.document_loaders import PyPDFLoader, WebBaseLoader, UnstructuredWordDocumentLoader, DirectoryLoader
@@ -208,11 +210,14 @@ def process_image(image_path, prompt):
 
 ##################################################
 #openassistant um uploaded Files zu analysieren
-def create_assistant(prompt, file):
+def create_assistant_file(prompt, file):
     global client, general_assistant
     #neues File dem Assistant hinzufügen
     file_neu = client.files.create(file=open(file,"rb",),purpose="assistants",)
     # Update Assistant
+    #wenn type: code_interpreter, wird das file mit angehängt an den Prpmt, aber vorher nicht bearbeitet
+    #wenn type: retrieval, wird das Dokument vorher embedded in einem vektorstore und nur entsprechende chunks mitgegeben.
+    #pro Assistant 20 cent pro Tag als Nutzung - egal wie viele Fragen dazu.
     updated_assistant = client.beta.assistants.update(general_assistant.id,tools=[{"type": "code_interpreter"}, {"type": "retrieval"}],file_ids=[file_neu.id],)
     thread, run = create_thread_and_run(prompt, client, updated_assistant.id)
     run = wait_on_run(run, thread, client)
@@ -220,6 +225,14 @@ def create_assistant(prompt, file):
     result = response.data[1].content[0].text.value
     return result
 
+##################################################
+#openassistant um im Netz zu suchen
+def create_assistant_suche(prompt):
+    global client, general_assistant
+    #neues File dem Assistant hinzufügen
+    
+    return result
+
 ###################################################
 #Funktion von Gradio aus, die den dort eingegebenen Prompt annimmt und weiterverarbeitet
 ###################################################
@@ -333,7 +346,7 @@ def generate_text_zu_doc(file, prompt, k, rag_option, chatbot, db):
         #als reiner prompt:
         prompt_neu = generate_prompt_with_history(neu_text_mit_chunks, chatbot)
         
-    result = create_assistant(prompt_neu, file)
+    result = create_assistant_file(prompt_neu, file)
     return result    
     
 
@@ -396,7 +409,11 @@ def generate_text (prompt, chatbot, history, rag_option, model_option, openai_ap
             splittet = False
             print("LLM aufrufen ohne RAG: ...........")
             result = llm_chain(llm, history_text_und_prompt)
-            
+
+        #Wenn keine Antwort möglich "Ich weiß es nicht", dann versuchen mit Suche im Internet.
+        if (result == "Ich weiß es nicht."):
+            result = create_assistant_suche(history_text_und_prompt)
+        
     except Exception as e:
         raise gr.Error(e)