Update utils.py

utils.py

@@ -352,13 +352,7 @@ def llm_chain(llm, prompt):
     llm_chain = LLMChain(llm = llm, prompt = LLM_CHAIN_PROMPT)
     result = llm_chain.run({"question": prompt})
     return result
-"""
-#nur für HF-um bei chatverlauf kurzbeschreibung zu erzeugen
-def llm_chain2(llm, prompt):
-    llm_chain = LLMChain(llm = llm, prompt = LLM_CHAIN_PROMPT2)
-    result = llm_chain.run({"question": prompt})
-    return result
-"""
+
     
 #############################################
 #langchain nutzen, um prompt an llm zu leiten, aber vorher in der VektorDB suchen, um passende splits zum Prompt hinzuzufügen
@@ -400,6 +394,9 @@ def rag_chain(llm, prompt,  retriever):
         outputs = modell_rag.generate(inputs['input_ids'], max_length=150, num_beams=2, early_stopping=True)
         answer = tokenizer_rag.decode(outputs[0], skip_special_tokens=True)
         """
+        #############################################
+        #Verschiedene LLMs ausprobieren 
+        #############################################
         #Alternative, wenn llm direkt übergeben....................................
         #llm_chain = LLMChain(llm = llm, prompt = RAG_CHAIN_PROMPT)
         #answer = llm_chain.run({"context": combined_content, "question": prompt})