File size: 2,113 Bytes
e64f61b |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 |
import logging
import os
from llama_index.core import SimpleDirectoryReader, VectorStoreIndex
from llama_index.core.chat_engine.types import AgentChatResponse
from llama_index.llms.openai import OpenAI
from llama_index.core import StorageContext, load_index_from_storage
logger = logging.getLogger("app.llama_index")
class Assistant:
def __init__(
self,
data_dir: str = "data/pdf",
model_name: str = "gpt-4",
) -> None:
self.data_dir = data_dir
self.model_name = model_name
storage_dir = os.path.join(self.data_dir, "storage")
if os.path.isdir(storage_dir):
logger.info("Loading index from storage")
storage_context = StorageContext.from_defaults(persist_dir=storage_dir)
self.index = load_index_from_storage(storage_context)
else:
self.documents = SimpleDirectoryReader(self.data_dir).load_data()
self.index = VectorStoreIndex(self.documents)
self.index.storage_context.persist(storage_dir)
llm = OpenAI(model=self.model_name)
self.chat_engine = self.index.as_chat_engine(
chat_mode="openai",
llm=llm,
verbose=True,
system_prompt=(
"Du er en assistent til at hjælpe med at besvare spørgsmål omkring årsopgørelsen fra skat."
" Din viden er baseret på årsopgørelsen og relaterede emner fra skat.dk."
" Du kan svare på spørgsmål omkring årsopgørelsen, og du kan også stille spørgsmål til brugeren for at få mere information."
" Du kan også bede brugeren om at uddybe, hvis du ikke forstår spørgsmålet."
" Du skal opgive de kilder, du bruger til at besvare spørgsmålet, og du skal også oplyse, hvis du ikke kan besvare spørgsmålet."
),
)
def __call__(self, question: str, history: list[str]) -> str:
response: AgentChatResponse = self.chat_engine.chat(
question,
tool_choice="query_engine_tool",
)
return response.response
|