Update app.py

app.py

@@ -114,14 +114,28 @@ def load_chatbot():
     standard_prompt = "Schreibe immer höflich und auf Deutsch und frage immer nach Jahren, wenn keines explizit angegeben ist. "
     return load_qa_chain(llm=OpenAI(model_name="gpt-3.5-turbo-instruct", prompt=standard_prompt), chain_type="stuff")
 
+
 def ask_bot(query):
     chain = load_chatbot()
-    # Kombiniere die Standardanweisung mit der Benutzeranfrage
-    full_query = chain.standard_prompt + query
-    response = chain.run(full_query)
+    
+    # Definiere hier den standardmäßigen Prompt
+    standard_prompt = "Schreibe immer höflich und auf Deutsch und frage immer nach Jahren, wenn keines explizit angegeben ist. "
+    
+    # Kombiniere den standardmäßigen Prompt mit der Benutzeranfrage
+    full_query = standard_prompt + query
+
+    # Suche nach den ähnlichsten Dokumenten
+    docs = VectorStore.similarity_search(query=full_query, k=5)
+
+    with get_openai_callback() as cb:
+        # Übergib die kombinierte Anfrage an die run-Funktion
+        response = chain.run(input_documents=docs, question=full_query)
+        response = handle_no_answer(response)  # Verarbeite die Antwort durch die neue Funktion
+
     return response
 
 
+
 def display_chat_history(chat_history):
     for chat in chat_history:
         background_color = "#ffeecf" if chat[2] == "new" else "#ffeecf" if chat[0] == "User" else "#ffeecf"
@@ -250,20 +264,18 @@ def page1():
 
                 # Start timing
                 start_time = time.time()
-                
+
                 with st.spinner('Bot is thinking...'):
                     chain = load_chatbot()
-                    docs = VectorStore.similarity_search(query=query, k=5)
-
-                    # Kombiniere den standardmäßigen Prompt mit der Benutzeranfrage
-                    full_query = chain.llm.prompt + " " + query  # Achte darauf, wie der Prompt und die Benutzeranfrage kombiniert werden
+                    full_query = ask_bot(query)  # Hier wird die Funktion ask_bot aufgerufen
+                    docs = VectorStore.similarity_search(query=full_query, k=5)
 
                     with get_openai_callback() as cb:
                         # Übergib die kombinierte Anfrage an die run-Funktion
                         response = chain.run(input_documents=docs, question=full_query)
                         response = handle_no_answer(response)  # Verarbeite die Antwort durch die neue Funktion
-
-        
+                
+            
                 
                         
                 # Stop timing