Update rag_pipeline.py

rag_pipeline.py

@@ -5,7 +5,6 @@ import faiss
 import numpy as np
 from sentence_transformers import SentenceTransformer
 from dotenv import load_dotenv
-
 from openai import OpenAI
 from groq import Groq
 
@@ -28,7 +27,7 @@ url_chunks = "https://drive.google.com/uc?export=download&id=1nsrAm_ozsK4GlmMui9
 local_index = "faiss_index.index"
 local_chunks = "chunks_mapping.pkl"
 
-# === Download bei Bedarf
+# === Datei-Download bei Bedarf
 def download_if_missing(url, path):
     if not os.path.exists(path):
         print(f"⬇️ Lade {path} von Google Drive...")
@@ -74,6 +73,62 @@ Frage:
 {query}
 """
 
+# === Anfrage an OpenAI
+def ask_openai(prompt):
+    if not openai_client:
+        return "❌ Kein OpenAI API Key gefunden"
+    res = openai_client.chat.completions.create(
+        model="gpt-4",
+        messages=[
+            {"role": "system", "content": "Du bist ein hilfsbereiter Catan-Regel-Experte."},
+            {"role": "user", "content": prompt}
+        ]
+    )
+    return res.choices[0].message.content.strip()
+
+# === Anfrage an Groq
+def ask_groq(prompt):
+    if not groq_client:
+        return "❌ Kein Groq API Key gefunden"
+    res = groq_client.chat.completions.create(
+        model="llama3-70b-8192",
+        messages=[
+            {"role": "system", "content": "Du bist ein hilfsbereiter Catan-Regel-Experte."},
+            {"role": "user", "content": prompt}
+        ]
+    )
+    return res.choices[0].message.content.strip()
+
+# === Hauptfunktion für Gradio
+def run_qa_pipeline(query, k=5):
+    try:
+        retrieved = retrieve(query, k)
+        if not retrieved:
+            return "⚠️ Keine relevanten Textstellen gefunden."
+        prompt = build_prompt(query, retrieved)
+        print("📨 Prompt gesendet...")
+
+        if openai_client:
+            answer = ask_openai(prompt)
+        elif groq_client:
+            answer = ask_groq(prompt)
+        else:
+            return "⚠️ Kein LLM API-Key vorhanden. Bitte OPENAI_API_KEY oder GROQ_API_KEY hinterlegen."
+
+        return f"📌 Frage: {query}\n\n📖 Antwort:\n{answer}"
+
+    except Exception as e:
+        return f"❌ Fehler beim Verarbeiten der Anfrage:\n{str(e)}"def build_prompt(query, texts):
+    context = "\n\n".join(texts)
+    return f"""Beantworte die folgende Frage basierend auf dem Kontext.
+
+Kontext:
+{context}
+
+Frage:
+{query}
+"""
+
 # === Anfrage an OpenAI
 def ask_openai(prompt):
     if not openai_client: