Update main.py

main.py

@@ -5,28 +5,28 @@ import openai
 import qdrant_client
 import os
 
-from sentence_transformers import SentenceTransformer, util
+from sentence_transformers import SentenceTransformer
 #model = SentenceTransformer('paraphrase-multilingual-MiniLM-L12-v2') # good so far
 #model = SentenceTransformer('sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2') # good so far
 
-model = SentenceTransformer('vectorizing_model')
+model = SentenceTransformer('./vectorizing_model')
 
-# Set the environment variable TRANSFORMERS_CACHE to the writable directory
-os.environ['TRANSFORMERS_CACHE'] = '/app/sentence_transformers_cache'
+# # # Set the environment variable TRANSFORMERS_CACHE to the writable directory
+# # os.environ['TRANSFORMERS_CACHE'] = '/app/sentence_transformers_cache'
 
 
-# Set the cache folder to the one you created
-cache_folder = '/app/sentence_transformers_cache'
-util.cache_folder = cache_folder
+# # Set the cache folder to the one you created
+# cache_folder = '/app/sentence_transformers_cache'
+# util.cache_folder = cache_folder
 
 
 # from langchain.embeddings import HuggingFaceEmbeddings
 
 # model = HuggingFaceEmbeddings(model_name='paraphrase-multilingual-MiniLM-L12-v2')
 
-import os
-os.environ['TRANSFORMERS_CACHE'] = '/blabla/cache/'
-os.environ['HF_HOME'] = '/blabla/cache/'
+# import os
+# os.environ['TRANSFORMERS_CACHE'] = '/blabla/cache/'
+# os.environ['HF_HOME'] = '/blabla/cache/'
 
 
 start_message = 'Joue le Rôle d’un expert fiscale au Canada. Les réponses que tu va me fournir seront exploité par une API. Ne donne pas des explications juste réponds aux questions même si tu as des incertitudes. Je vais te poser des questions en fiscalité, la réponse que je souhaite avoir c’est les numéros des articles de loi qui peuvent répondre à la question.Je souhaite avoir les réponses sous la forme: Nom de la loi1, numéro de l’article1, Nom de la loi2, numéro de l’article2 ...'