only retriever

app.py

@@ -1,137 +1,40 @@
-# import streamlit as st
-# from llama_index.core import VectorStoreIndex, SimpleDirectoryReader
-# from llama_index.embeddings.huggingface import HuggingFaceEmbedding
-# from llama_index.core.node_parser import SentenceSplitter
-# from llama_index.core.ingestion import IngestionPipeline
-# import chromadb
-# from llama_index.vector_stores.chroma import ChromaVectorStore
-# from llama_index.llms.ollama import Ollama
-
-
-# # Ustawienia strony
-# st.title("Aplikacja z LlamaIndex")
-
-
-# db = chromadb.PersistentClient(path="./zakazenia")
-# chroma_collection = db.get_or_create_collection("zalacznik_nr12")
-# vector_store = ChromaVectorStore(chroma_collection=chroma_collection)
-# embed_model = HuggingFaceEmbedding(model_name="BAAI/bge-small-en-v1.5")
-
-# # Utwórz pipeline do przetwarzania dokumentów
-# pipeline = IngestionPipeline(
-#     transformations=[
-#         SentenceSplitter(),
-#         embed_model,
-#     ],
-#     vector_store=vector_store
-# )
-
-# # Utwórz indeks
-
-# index = VectorStoreIndex.from_vector_store(vector_store, embed_model=embed_model)
-
-# # Utwórz silnik zapytań
-# llm = Ollama(model="qwen2:7b")
-# query_engine = index.as_query_engine(
-#     llm=llm,
-#     response_mode = 'compact')
-
-
-
-# # Store LLM generated responses
-# if "messages" not in st.session_state.keys():
-#     st.session_state.messages = [{"role": "assistant", "content": "Zadaj mi pytanie..."}]
-
-# # Display chat messages
-# for message in st.session_state.messages:
-#     with st.chat_message(message["role"]):
-#         st.write(message["content"])
-
-# # User-provided prompt
-# if input := st.chat_input():
-#     st.session_state.messages.append({"role": "user", "content": input})
-#     with st.chat_message("user"):
-#         st.write(input)
-
-# # Generate a new response if last message is not from assistant
-# if st.session_state.messages[-1]["role"] != "assistant":
-#     with st.chat_message("assistant"):
-#         with st.spinner("Czekaj, odpowiedź jest generowana.."):
-#             response = query_engine.query(input) 
-            
-#             st.write(response.response)
-#             for node in response.source_nodes:
-#                 st.write(node.score)
-            
-#     message = {"role": "assistant", "content": response}
-#     st.session_state.messages.append(message)
-
-
-
 import streamlit as st
 from llama_index.core import VectorStoreIndex
 from llama_index.embeddings.huggingface import HuggingFaceEmbedding
-from llama_index.core.node_parser import SentenceSplitter
-from llama_index.core.ingestion import IngestionPipeline
 import chromadb
 from llama_index.vector_stores.chroma import ChromaVectorStore
-from llama_index.llms.ollama import Ollama
 
-# Ustawienia strony
-st.title("Aplikacja z LlamaIndex")
+st.title("Infections - retriever")
 
 db = chromadb.PersistentClient(path="./zakazenia")
 chroma_collection = db.get_or_create_collection("zalacznik_nr12")
 vector_store = ChromaVectorStore(chroma_collection=chroma_collection)
 embed_model = HuggingFaceEmbedding(model_name="BAAI/bge-small-en-v1.5")
 
-# Utwórz pipeline do przetwarzania dokumentów
-pipeline = IngestionPipeline(
-    transformations=[
-        SentenceSplitter(),
-        embed_model,
-    ],
-    vector_store=vector_store
-)
-
-# Utwórz indeks
+# Utwórz indeks z vector store
 index = VectorStoreIndex.from_vector_store(vector_store, embed_model=embed_model)
 
-# Utwórz silnik zapytań
-llm = Ollama(model="qwen2:7b")
-query_engine = index.as_query_engine(
-    llm=llm,
-    response_mode='compact')
+# Zamiast query_engine z LLM, użyjemy retrievera bez LLM
+retriever = index.as_retriever()
 
-# Store LLM generated responses
-if "messages" not in st.session_state.keys():
+if "messages" not in st.session_state:
     st.session_state.messages = [{"role": "assistant", "content": "Zadaj mi pytanie..."}]
 
-# Display chat messages
 for message in st.session_state.messages:
     with st.chat_message(message["role"]):
         st.write(message["content"])
 
-# User-provided prompt
 if input := st.chat_input():
     st.session_state.messages.append({"role": "user", "content": input})
     with st.chat_message("user"):
         st.write(input)
 
-# Generate a new response if last message is not from assistant
-if st.session_state.messages[-1]["role"] != "assistant":
-    with st.chat_message("assistant"):
-        with st.spinner("Czekaj, odpowiedź jest generowana.."):
-            response = query_engine.query(input)
-
-            # Zbuduj treść wiadomości z odpowiedzią i score
-            content = str(response.response)  # Upewnij się, że response jest stringiem
-            if hasattr(response, 'source_nodes') and response.source_nodes:  # Sprawdź, czy source_nodes istnieje
-                # Dodaj score pierwszego węzła (jeśli istnieje)
-                content += f"\nScore: {response.source_nodes[0].score:.4f}"  # Dodaj score
-
-            st.write(content)  # Wyświetl całą treść w Streamlit
-
-    message = {"role": "assistant", "content": content}  # Zapisz całą treść w wiadomo��ci
-    st.session_state.messages.append(message)
-
+    if st.session_state.messages[-1]["role"] != "assistant":
+        with st.chat_message("assistant"):
+            with st.spinner("Czekaj, trwa wyszukiwanie..."):
+                # Pobierz najtrafniejsze dokumenty (np. top 3)
+                results = retriever.retrieve(input)
+                # Połącz teksty wyników w jedną odpowiedź
+                content = "\n\n---\n\n".join([doc.text for doc in results])
+                st.write(content)
+                st.session_state.messages.append({"role": "assistant", "content": content})

zakazenia/cc6dc5d8-2276-401b-914e-315f2937cad1/data_level0.bin

@@ -1,3 +0,0 @@
-version https://git-lfs.github.com/spec/v1
-oid sha256:d3c9fd302f000d7790aa403c2d0d8fec363fe46f30b07d53020b6e33b22435a9
-size 1676000

zakazenia/cc6dc5d8-2276-401b-914e-315f2937cad1/header.bin

@@ -1,3 +0,0 @@
-version https://git-lfs.github.com/spec/v1
-oid sha256:e87a1dc8bcae6f2c4bea6d5dd5005454d4dace8637dae29bff3c037ea771411e
-size 100

zakazenia/cc6dc5d8-2276-401b-914e-315f2937cad1/length.bin

@@ -1,3 +0,0 @@
-version https://git-lfs.github.com/spec/v1
-oid sha256:5cd1d7b9602564894c70a526b6a5ccba7730906699e5c44683d3bd445810ad9e
-size 4000

zakazenia/cc6dc5d8-2276-401b-914e-315f2937cad1/link_lists.bin

@@ -1,3 +0,0 @@
-version https://git-lfs.github.com/spec/v1
-oid sha256:e3b0c44298fc1c149afbf4c8996fb92427ae41e4649b934ca495991b7852b855
-size 0