Update qa_txt.py

qa_txt.py

@@ -5,6 +5,7 @@ from langchain_community.embeddings import HuggingFaceEmbeddings
 from langchain_community.llms import HuggingFaceEndpoint
 from langchain.prompts.prompt import PromptTemplate
 from pathlib import Path
+from langchain_core.output_parsers import StrOutputParser
 from unidecode import unidecode
 import tqdm
 from langchain_community.vectorstores import FAISS
@@ -46,7 +47,7 @@ db = process_data()
 
 prompt = """Vous êtes un formateur de modèles GPT. Vous excellez dans l'affinement des modèles GPT, la lecture et l'analyse de documents ainsi que l'association de balises aux entrées utilisateur appropriées.
 
-Mon contexte consiste en un document structuré comportant des balises et leurs réponses associées respectivement, servant de référence pour former un modèle GPT capable de produire des réponses pertinentes en fonction des entrées utilisateur.
+Mon contexte consiste en un document {document} structuré comportant des balises et leurs réponses associées respectivement, servant de référence pour former un modèle GPT capable de produire des réponses pertinentes en fonction des entrées utilisateur.
 
 Votre tâche consiste à former un modèle GPT pour associer les entrées utilisateur aux balises adéquates et renvoyer les réponses correspondantes figurant dans le document de référence.
 
@@ -59,10 +60,12 @@ Si tout va bien, allez-y.
         AI Assistant:
 """
 
+prompt_2 = PromptTemplate(input_variables=['document','input'], template = prompt)
+conversation_chain = prompt_2 | llm | StrOutputParser()
         # Set up a conversational chain to retrieve and generate responses.
-conversation_chain = ConversationalRetrievalChain.from_llm(
-            llm=llm,
-            retriever=db.as_retriever(),
-            condense_question_prompt=PromptTemplate(input_variables=['input'], template=prompt),
-        )
+# conversation_chain = ConversationalRetrievalChain.from_llm(
+#             llm=llm,
+#             retriever=db.as_retriever(),
+#             condense_question_prompt=PromptTemplate(input_variables=['input'], template=prompt),
+#         )