Update app.py

app.py

@@ -160,7 +160,9 @@ def rag_chain(llm, prompt, db):
     return result["result"]
 
 ###################################################
-#Funktion, die einen Prompt mit der history zusammen erzeugt
+#Prompts mit History erzeugen für verschiednee Modelle
+###################################################
+#Funktion, die einen Prompt mit der history zusammen erzeugt - allgemein
 def generate_prompt_with_history(text, history, max_length=2048):
     #prompt = "The following is a conversation between a human and an AI assistant named Baize (named after a mythical creature in Chinese folklore). Baize is an open-source AI assistant developed by UCSD and Sun Yat-Sen University. The human and the AI assistant take turns chatting. Human statements start with [|Human|] and AI assistant statements start with [|AI|]. The AI assistant always provides responses in as much detail as possible, and in Markdown format. The AI assistant always declines to engage with topics, questions and instructions related to unethical, controversial, or sensitive issues. Complete the transcript in exactly that format.\n[|Human|]Hello!\n[|AI|]Hi!"   
     #prompt = "Das folgende ist eine Unterhaltung in deutsch zwischen einem Menschen und einem KI-Assistenten, der Baize genannt wird. Baize ist ein open-source KI-Assistent, der von UCSD entwickelt wurde. Der Mensch und der KI-Assistent chatten abwechselnd miteinander in deutsch. Die Antworten des KI Assistenten sind immer so ausführlich wie möglich und in Markdown Schreibweise und in deutscher Sprache. Wenn nötig übersetzt er sie ins Deutsche. Die Antworten des KI-Assistenten vermeiden Themen und Antworten zu unethischen, kontroversen oder sensiblen Themen. Die Antworten sind immer sehr höflich formuliert..\n[|Human|]Hallo!\n[|AI|]Hi!"   
@@ -178,6 +180,23 @@ def generate_prompt_with_history(text, history, max_length=2048):
     else:
         return None
 
+#Prompt und History für OPenAi Schnittstelle
+def generate_prompt_with_history_openai(prompt, history):
+    history_openai_format = []
+    for human, assistant in history:
+        history_openai_format.append({"role": "user", "content": human })
+        history_openai_format.append({"role": "assistant", "content":assistant})
+
+    history_openai_format.append({"role": "user", "content": prompt})
+    return history_openai_format
+
+#Prompt und History für Hugging Face Schnittstelle
+def generate_prompt_with_history_hf(prompt, history):
+    history_transformer_format = history + [[prompt, ""]]
+    #stop = StopOnTokens()
+
+    messages = "".join(["".join(["\n<human>:"+item[0], "\n<bot>:"+item[1]])  #curr_system_message +
+                for item in history_transformer_format])
         
 
 ###################################################
@@ -186,7 +205,14 @@ def invoke (prompt, history, openai_api_key, rag_option, temperature=0.9, max_ne
     global splittet
 
     #Prompt an history anhängen und einen Text daraus machen
-    history_text_und_prompt = generate_prompt_with_history(prompt, history)
+    #history_text_und_prompt = generate_prompt_with_history(prompt, history)
+    
+    #history für HuggingFace Models formatieren
+    #history_text_und_prompt = generate_prompt_with_history_hf(prompt, history)
+
+    #history für openAi formatieren
+    history_text_und_prompt = generate_prompt_with_history_openai(prompt, history)
+    
     
     if (openai_api_key == "" or openai_api_key == "sk-"):
         #raise gr.Error("OpenAI API Key is required.")
@@ -230,11 +256,6 @@ def invoke (prompt, history, openai_api_key, rag_option, temperature=0.9, max_ne
 ###############################################
 #Beschreibung oben in GUI
 ################################################
-#GUI
-###############################################
-#Beschreibung oben in GUI
-
-###########################################
 title = "LLM mit RAG"
 description = """<strong>Überblick:</strong> Hier wird ein <strong>Large Language Model (LLM)</strong> mit 
                  <strong>Retrieval Augmented Generation (RAG)</strong> auf <strong>externen Daten</strong> demonstriert.\n\n