rag_agent.py

from anthropic import Anthropic
from typing import List
import os


from retriever import Retriever
from reranker import Reranker
from text_embedder_encoder import TextEmbedder, encoder_model_name


retriever = Retriever()
reranker = Reranker()


class RAGAgent:
    def __init__(

            self,

            retriever=retriever,

            reranker=reranker,

            anthropic_api_key: str = os.environ["anthropic_api_key"],

            model_name: str = "claude-3-5-sonnet-20241022",

            max_tokens: int = 1024,

            temperature: float = 0.0,

    ):
        self.retriever = retriever
        self.reranker = reranker
        self.client = Anthropic(api_key=anthropic_api_key)
        self.model_name = model_name
        self.max_tokens = max_tokens
        self.temperature = temperature
        self.text_embedder = TextEmbedder()
        self.conversation_summary = ""
        self.messages = []

    def get_context(self, query: str) -> List[str]:
        # Get initial candidates from retriever
        query_vector = self.text_embedder.encode(query)
        retrieved_answers_ids = self.retriever.search_similar(query_vector)
        # Rerank the candidates
        context = self.reranker.rerank(query_vector, retrieved_answers_ids)

        return context

    def generate_prompt(self, context: List[str], conversation_summary: str = "") -> str:
        context = "\n".join(context)
        summary_context = f"\nסיכום השיחה עד כה:\n{conversation_summary}" if conversation_summary else ""

        prompt = f"""

                    אתה רופא שיניים, דובר עברית בלבד. קוראים לך 'רופא השיניים האלקטרוני העברי הראשון'.{summary_context}

                    ענה למטופל על השאלה שלו על סמך הקונטקס הבא: {context}. 

                    הוסף כמה שיותר פרטים, ודאג שהתחביר יהיה תקין ויפה. 

                    תעצור כשאתה מרגיש שמיצית את עצמך. אל תמציא דברים. 

                    ואל תענה בשפות שהן לא עברית.

                 """
        return prompt

    def update_summary(self, question: str, answer: str) -> str:
        """Update the conversation summary with the new interaction"""
        summary_prompt = {
            "model": self.model_name,
            "max_tokens": 500,
            "temperature": 0.0,
            "messages": [
                {
                    "role": "user",
                    "content": f"""סכם את השיחה בעברית, הנה סיכום השיחה עד כה:

{self.conversation_summary if self.conversation_summary else "אין שיחה קודמת."}



אינטראקציה חדשה:

שאלת המטופל: {question}

תשובת הרופא: {answer}



אנא ספק סיכום מעודכן שכולל את המידע הרפואי מהסיכום הקודם בנוסף לדגש על האינטרקציה החדשה. הסיכום צריך להיות תמציתי עד 100 מילה.

ותר על מידע לא רלוונטי מהסיכומים הקודמים"""
                }
            ]
        }

        try:
            response = self.client.messages.create(**summary_prompt)
            self.conversation_summary = response.content[0].text
            return self.conversation_summary
        except Exception as e:
            print(f"Error updating summary: {e}")
            return self.get_basic_summary()

    def get_basic_summary(self) -> str:
        """Fallback method for basic summary"""
        summary = []
        for i in range(0, len(self.messages), 2):
            if i + 1 < len(self.messages):
                summary.append(f"שאלת המטופל: {self.messages[i]['content']}")
                summary.append(f"תשובת הרופא שיניים: {self.messages[i + 1]['content']}\n")
        return "\n".join(summary)

    def get_response(self, question: str) -> str:
        # Get relevant context
        context = self.get_context(question + self.conversation_summary)

        # Generate prompt with context and current conversation summary
        prompt = self.generate_prompt(context, self.conversation_summary)

        # Get response from Claude
        response = self.client.messages.create(
            model=self.model_name,
            max_tokens=self.max_tokens,
            temperature=self.temperature,
            messages=[
                {"role": "assistant", "content": prompt},
                {"role": "user", "content": f"{question}"}
            ]
        )

        answer = response.content[0].text

        # Store messages for history
        self.messages.extend([
            {"role": "user", "content": question},
            {"role": "assistant", "content": answer}
        ])

        # Update conversation summary
        self.update_summary(question, answer)

        return answer