Update app.py

app.py

@@ -23,13 +23,15 @@ embedding_model = SentenceTransformer('all-MiniLM-L6-v2')
 
 # Initialisierung von Tokenizer und RAG Modell mit Token
 tokenizer = RagTokenizer.from_pretrained("facebook/rag-sequence-nq", token=hf_token)
+retriever = RagRetriever.from_pretrained("facebook/rag-sequence-nq", token=hf_token, use_dummy_dataset=True)
 model = RagSequenceForGeneration.from_pretrained("facebook/rag-sequence-nq", token=hf_token)
 
 # Verbindung zur Chroma DB und Laden der Dokumente
-chroma_db = Chroma(embedding_model=embedding_model, persist_directory = PATH_WORK + CHROMA_DIR)
+chroma_db = Chroma(embedding=embedding_model, persist_directory = PATH_WORK + CHROMA_DIR)
 
 # Erstellung eines HuggingFacePipeline LLM Modells
-llm = HuggingFacePipeline(pipeline=model)
+llm_pipeline = pipeline("text2text-generation", model=model, tokenizer=tokenizer, retriever=retriever)
+llm = HuggingFacePipeline(pipeline=llm_pipeline)
 
 
 # Erstellen eines eigenen Retrievers mit Chroma DB und Embeddings
@@ -76,6 +78,7 @@ def get_rag_response(question):
     
     return response
 
+
 	
 	
 # Funktion, die für den Chatbot genutzt wird