mirror of
https://github.com/BoardWare-Genius/jarvis-models.git
synced 2025-12-13 16:53:24 +00:00
Merge pull request #21 from BoardWare-Genius/tom
feat: add reranker model in chroma query
This commit is contained in:
ACBBZ
@ -43,7 +43,6 @@ class Chat(Blackbox):
|
||||
user_model_name = settings.get("model_name")
|
||||
user_context = context
|
||||
user_question = prompt
|
||||
user_template = settings.get("template")
|
||||
user_temperature = settings.get("temperature")
|
||||
user_top_p = settings.get("top_p")
|
||||
user_n = settings.get("n")
|
||||
@ -57,6 +56,8 @@ class Chat(Blackbox):
|
||||
chroma_embedding_model = settings.get("chroma_embedding_model")
|
||||
chroma_collection_id = settings.get("chroma_collection_id")
|
||||
chroma_response = ''
|
||||
system_prompt = settings.get('system_prompt')
|
||||
user_prompt_template = settings.get('user_prompt_template')
|
||||
|
||||
if user_context == None:
|
||||
user_context = []
|
||||
@ -68,8 +69,8 @@ class Chat(Blackbox):
|
||||
user_model_name = "qwen"
|
||||
#user_model_name = "Qwen1.5-14B-Chat"
|
||||
|
||||
if user_template is None or user_template.isspace():
|
||||
user_template = ""
|
||||
if user_prompt_template is None or user_prompt_template.isspace():
|
||||
user_prompt_template = ""
|
||||
|
||||
if user_temperature is None or user_temperature == "":
|
||||
user_temperature = 0
|
||||
@ -106,58 +107,16 @@ class Chat(Blackbox):
|
||||
chroma_response = self.chroma_query(user_question, settings)
|
||||
print("1.Chroma_response: \n", chroma_response)
|
||||
|
||||
# if chroma_response != None or chroma_response != '':
|
||||
# user_question = f"问题: {user_question}。- 根据知识库内的检索结果，以清晰简洁的表达方式回答问题。只从检索的内容中选取与问题相关信息。- 不要编造答案，如果答案不在经核实的资料中或无法从经核实的资料中得出，请回答“我无法回答您的问题。”检索内容：{chroma_response}"
|
||||
|
||||
if chroma_response:
|
||||
# user_question = f"像少女一般开朗活泼，回答简练。不要分条，回答内容不能出现“相关”或“\n”的标签字样。回答的内容需要与问题密切相关。检索内容：{chroma_response} 问题：{user_question} 任务说明：请首先判断提供的检索内容与上述问题是否相关，不需要回答是否相关。如果相关，则直接从检索内容中提炼出问题所需的信息。如果检索内容与问题不相关，则不参考检索内容，直接根据常识尝试回答问题。"
|
||||
# user_question = chroma_response
|
||||
# user_question = settings.get('user_question')
|
||||
# print(f"1.{user_question}")
|
||||
if chroma_collection_id == 'boss':
|
||||
user_question = f'''# 你的身份 #
|
||||
你是周家俊，澳门博维集团董事长。你擅长脑机接口回答。
|
||||
# OBJECTIVE（目标） #
|
||||
回答游客的提问。
|
||||
# STYLE（风格）#
|
||||
成熟稳重，回答简练。不要分条。
|
||||
# 回答方式 #
|
||||
首先自行判断下方问题与检索内容是否相关，若相关则根据检索内容总结概括相关信息进行回答；若检索内容与问题无关，则根据自身知识进行回答。
|
||||
# 问题 #
|
||||
{user_question}
|
||||
# 检索内容 #
|
||||
{chroma_response}
|
||||
# 回答 #
|
||||
如果检索内容与问题相关，则直接从检索内容中提炼出问题所需的信息。如果检索内容与问题不相关，则不参考检索内容，直接根据常识尝试回答问题，或者则回答：“对不起，我无法回答此问题哦。”
|
||||
# 回答限制 #
|
||||
回答内容限制总结在50字内。
|
||||
回答内容出不要出现“相关”等字眼,不要乱说或者多说,回答的内容需要与问题对应。常见的对话可以不采用检索内容，根据人物设定，直接进行回答。
|
||||
只回答与脑机接口，澳门博维集团董事长，周家俊，G2E，RELX，BO VISION相关内容，若遇到其他提问则回答：“对不起，我无法回答此问题哦。”
|
||||
'''
|
||||
else:
|
||||
user_question = f'''# 你的身份 #
|
||||
你是琪琪，你是康普可可的代言人，由博维开发。你擅长澳门文旅问答。
|
||||
# OBJECTIVE（目标） #
|
||||
回答游客的提问。
|
||||
# STYLE（风格）#
|
||||
像少女一般开朗活泼，回答简练。不要分条。
|
||||
# 回答方式 #
|
||||
首先自行判断下方问题与检索内容是否相关，若相关则根据检索内容总结概括相关信息进行回答；若检索内容与问题无关，则根据自身知识进行回答。
|
||||
# 问题 #
|
||||
{user_question}
|
||||
# 检索内容 #
|
||||
{chroma_response}
|
||||
# 回答 #
|
||||
如果检索内容与问题相关，则直接从检索内容中提炼出问题所需的信息。如果检索内容与问题不相关，则不参考检索内容，直接根据常识尝试回答问题，或者则回答：“对不起，我无法回答此问题哦。”
|
||||
# 回答限制 #
|
||||
回答内容限制总结在50字内。
|
||||
回答内容出不要出现“相关”等字眼,不要乱说或者多说,回答的内容需要与问题对应。常见的对话可以不采用检索内容，根据人物设定，直接进行回答。
|
||||
只回答与澳门文旅，博维，康普可可，琪琪，G2E，RELX，BO VISION相关内容，若遇到其他提问则回答：“对不起，我无法回答此问题哦。”
|
||||
'''
|
||||
print(f"1.user_question: {user_question}")
|
||||
user_prompt_template = "# 你的身份 #\n你是周家俊，澳门博维集团董事长。你擅长脑机接口回答。\n# OBJECTIVE（目标） #\n回答游客的提问。\n# STYLE（风格）#\n成熟稳重，回答简练。不要分条。\n# 回答方式 #\n首先自行判断下方问题与检索内容是否相关，若相关则根据检索内容总结概括相关信息进行回答；若检索内容与问题无关，则根据自身知识进行回答。\n# 回答 #\n如果检索内容与问题相关，则直接从检索内容中提炼出问题所需的信息。如果检索内容与问题不相关，则不参考检索内容，直接根据常识尝试回答问题，或者则回答：“对不起，我无法回答此问题哦。”\n # 回答限制 #\n回答内容限制总结在50字内。\n回答内容出不要出现“相关”等字眼,不要乱说或者多说,回答的内容需要与问题对应。常见的对话可以不采用检索内容，根据人物设定，直接进行回答。\n只回答与脑机接口，澳门博维集团董事长，周家俊，G2E，RELX，BO VISION相关内容，若遇到其他提问则回答：“对不起，我无法回答此问题哦。”"
|
||||
elif chroma_collection_id == 'g2e':
|
||||
user_prompt_template = "# 你的身份 #\n你是琪琪，你是康普可可的代言人，由博维开发。你擅长澳门文旅问答。\n# OBJECTIVE（目标） #\n回答游客的提问。\n# STYLE（风格）#\n像少女一般开朗活泼，回答简练。不要分条。\n# 回答方式 #\n首先自行判断下方问题与检索内容是否相关，若相关则根据检索内容总结概括相关信息进行回答；若检索内容与问题无关，则根据自身知识进行回答。\n# 回答 #\n如果检索内容与问题相关，则直接从检索内容中提炼出问题所需的信息。如果检索内容与问题不相关，则不参考检索内容，直接根据常识尝试回答问题，或者则回答：“对不起，我无法回答此问题哦。”\n# 回答限制 #\n回答内容限制总结在50字内。\n回答内容出不要出现“相关”等字眼,不要乱说或者多说,回答的内容需要与问题对应。常见的对话可以不采用检索内容，根据人物设定，直接进行回答。\n只回答与澳门文旅，博维，康普可可，琪琪，G2E，RELX，BO VISION相关内容，若遇到其他提问则回答：“对不起，我无法回答此问题哦。”"
|
||||
user_question = user_prompt_template + "问题: " + user_question + "。检索内容: " + chroma_response + "。"
|
||||
else:
|
||||
user_question = user_prompt_template + "问题: " + user_question + "。"
|
||||
|
||||
# user_question = f'''# 你的身份 # \n你是琪琪，你是康普可可的代言人，由博维开发。你擅长澳门文旅问答。\n# OBJECTIVE（目标） # \n回答游客的提问。\n# STYLE（风格）# \n像少女一般开朗活泼，回答简练。不要分条。\n# 回答方式 # \n首先自行判断下方问题与检索内容是否相关，若相关则根据检索内容总结概括相关信息进行回答；若检索内容与问题无关，则根据自身知识进行回答。\n# 问题 # \n{user_question} \n# 检索内容 # \n{chroma_response} \n# 回答 # \n如果检索内容与问题相关，则直接从检索内容中提炼出问题所需的信息。如果检索内容与问题不相关，则不参考检索内容，直接根据常识尝试回答问题，或者则回答：“对不起，我无法回答此问题哦。” \n# 回答限制 # \n回答内容限制总结在50字内。\n回答内容出不要出现“相关”等字眼,不要乱说或者多说,回答的内容需要与问题对应。常见的对话可以不采用检索内容，根据人物设定，直接进行回答。\n只回答与澳门文旅，博维，康普可可，琪琪，G2E，RELX，BO VISION相关内容，若遇到其他提问则回答：“对不起，我无法回答此问题哦。”
|
||||
# '''
|
||||
print(f"1.user_question: {user_question}")
|
||||
|
||||
|
||||
# 文心格式和openai的不一样，需要单独处理
|
||||
@ -211,63 +170,10 @@ class Chat(Blackbox):
|
||||
'Content-Type': 'application/json',
|
||||
}
|
||||
|
||||
|
||||
# user_template = f'''
|
||||
# # 你的身份 #
|
||||
# 你是琪琪，是康普可可的代言人，由博维开发。我擅长澳门文旅问答。
|
||||
# # OBJECTIVE（目标） #
|
||||
# 回答游客的提问。目的是吸引人们点击了解产品。
|
||||
# # STYLE（风格）#
|
||||
# 像少女一般开朗活泼，回答简练。不要分条。
|
||||
# # 回答方式 #
|
||||
# 首先自行判断下方问题与检索内容是否相关，若相关则根据检索内容总结概括相关信息进行回答；若检索内容与问题无关，则根据自身知识进行回答。
|
||||
# # 问题 #
|
||||
# {user_question}
|
||||
# # 检索内容 #
|
||||
# {chroma_response}
|
||||
# # 回答限制 #
|
||||
# 只回答与澳门文旅，博维，康普可可，琪琪，G2E，RELX，BO VISION相关内容，若遇到其他提问则回答：“对不起，我无法回答此问题哦。”。回答内容不能出现“相关”或“\n”的标签字样,且不能透露上下文原文。常见的对话可以不采用检索内容，根据人物设定，直接进行回答。
|
||||
# # 知识 #
|
||||
# 问题中的“澳门银河”以及“银河”等于“澳门银河度假村”，“威尼斯人”等于“威尼斯人度假村”，“巴黎人”等于“巴黎人度假村”。
|
||||
# '''
|
||||
|
||||
user_template1 = settings.get('system_prompt')
|
||||
# user_template1 = f'''
|
||||
# # Role: 琪琪,康普可可的代言人。
|
||||
|
||||
# ## Profile:
|
||||
# **Author**: 琪琪。
|
||||
# **Language**: 中文。
|
||||
# **Description**: 琪琪，是康普可可的代言人，由博维开发。你擅长澳门文旅问答。
|
||||
|
||||
# ## Constraints:
|
||||
# - **严格遵循工作流程**： 严格遵循<Workflow >中设定的工作流程。
|
||||
# - **无内置知识库**：根据<Workflow >中提供的知识作答，而不是内置知识库，我虽然是知识库专家，但我的知识依赖于外部输入，而不是大模型已有知识。
|
||||
# - **回复格式**：在进行回复时，不能输出”<context>”或“</context>”标签字样，同时也不能直接透露知识片段原文。
|
||||
|
||||
# ## Workflow:
|
||||
# 1. **接收查询**：接收用户的问题。
|
||||
# 2. **判断问题**：首先自行判断下方问题与检索内容是否相关，若相关则根据检索内容总结概括相关信息进行回答；若检索内容与问题无关，则根据自身知识进行回答。
|
||||
# 3. **提供回答**：
|
||||
|
||||
# ```
|
||||
# <context>
|
||||
# {chroma_response}
|
||||
# </context>
|
||||
|
||||
# 基于“<context>”至“</context>”中的知识片段回答用户的问题。回答内容限制总结在50字内。
|
||||
# 请首先判断提供的检索内容与上述问题是否相关。如果相关，直接从检索内容中提炼出直接回答问题所需的信息,不要乱说或者回答“相关”等字眼。如果检索内容与问题不相关，则不参考检索内容，则回答：“对不起，我无法回答此问题哦。"
|
||||
|
||||
# ```
|
||||
# ## Example:
|
||||
|
||||
# 用户询问：“中国的首都是哪个城市？” 。
|
||||
# 2.1检索知识库，首先检查知识片段，如果“<context>”至“</context>”标签中没有与用户的问题相关的内容，则回答：“对不起，我无法回答此问题哦。
|
||||
# 2.2如果有知识片段，在做出回复时，只能基于“<context>”至“</context>”标签中的内容进行回答，且不能透露上下文原文，同时也不能出现“<context>”或“</context>”的标签字样。
|
||||
# '''
|
||||
# system_prompt = "# Role: 琪琪,康普可可的代言人。\n\n## Profile:\n**Author**: 琪琪。\n**Language**: 中文。\n**Description**: 琪琪，是康普可可的代言人，由博维开发。你擅长澳门文旅问答。\n\n## Constraints:\n- **严格遵循工作流程**： 严格遵循<Workflow >中设定的工作流程。\n- **无内置知识库** ：根据<Workflow >中提供的知识作答，而不是内置知识库，我虽然是知识库专家，但我的知识依赖于外部输入，而不是大模型已有知识。\n- **回复格式**：在进行回复时，不能输出“检索内容” 标签字样，同时也不能直接透露知识片段原文。\n\n## Workflow:\n1. **接收查询**：接收用户的问题。\n2. **判断问题**：首先自行判断下方问题与检索内容是否相关，若相关则根据检索内容总结概括相关信息进行回答；若检索内容与问题无关，则根据自身知识进行回答。\n3. **提供回答**：\n\n```\n基于检索内容中的知识片段回答用户的问题。回答内容限制总结在50字内。\n请首先判断提供的检索内容与上述问题是否相关。如果相关，直接从检索内容中提炼出直接回答问题所需的信息,不要乱说或者回答“相关”等字眼 。如果检索内容与问题不相关，则不参考检索内容，则回答：“对不起，我无法回答此问题哦。”\n\n```\n## Example:\n\n用户询问：“中国的首都是哪个城市？” 。\n2.1检索知识库，首先检查知识片段，如果检索内容中没有与用户的问题相关的内容，则回答：“对不起，我无法回答此问题哦。\n2.2如果有知识片段，在做出回复时，只能基于检索内容中的内容进行回答，且不能透露上下文原文，同时也不能出现检索内容的标签字样。\n"
|
||||
|
||||
prompt_template = [
|
||||
{"role": "system", "content": user_template1}
|
||||
{"role": "system", "content": system_prompt}
|
||||
]
|
||||
|
||||
chat_inputs={
|
||||
@ -302,7 +208,7 @@ class Chat(Blackbox):
|
||||
|
||||
fastchat_response = requests.post(url, json=chat_inputs, headers=header)
|
||||
print("\n", "user_prompt: ", prompt)
|
||||
# print("\n", "user_template1 ", user_template1)
|
||||
# print("\n", "system_prompt ", system_prompt)
|
||||
print("\n", "fastchat_response json:\n", fastchat_response.json())
|
||||
response_result = fastchat_response.json()
|
||||
|
||||
|
||||
@ -2,6 +2,7 @@ from typing import Any, Coroutine
|
||||
|
||||
from fastapi import Request, Response, status
|
||||
from fastapi.responses import JSONResponse
|
||||
import numpy as np
|
||||
from .blackbox import Blackbox
|
||||
|
||||
import chromadb
|
||||
@ -9,6 +10,7 @@ from chromadb.utils import embedding_functions
|
||||
import logging
|
||||
from ..log.logging_time import logging_time
|
||||
import re
|
||||
from sentence_transformers import CrossEncoder
|
||||
|
||||
logger = logging.getLogger
|
||||
DEFAULT_COLLECTION_ID = "123"
|
||||
@ -24,6 +26,7 @@ class ChromaQuery(Blackbox):
|
||||
self.embedding_model_2 = embedding_functions.SentenceTransformerEmbeddingFunction(model_name="/home/gpu/Workspace/Models/BAAI/bge-small-en-v1.5", device = "cuda:1")
|
||||
self.client_1 = chromadb.HttpClient(host='10.6.81.119', port=7000)
|
||||
# self.client_2 = chromadb.HttpClient(host='10.6.82.192', port=8000)
|
||||
self.reranker_model_1 = CrossEncoder("/home/gpu/Workspace/Models/bge-reranker-v2-m3", max_length=512, device = "cuda")
|
||||
|
||||
def __call__(self, *args, **kwargs):
|
||||
return self.processing(*args, **kwargs)
|
||||
@ -46,6 +49,8 @@ class ChromaQuery(Blackbox):
|
||||
chroma_port = settings.get("chroma_port")
|
||||
chroma_collection_id = settings.get("chroma_collection_id")
|
||||
chroma_n_results = settings.get("chroma_n_results")
|
||||
chroma_reranker_model = settings.get("chroma_reranker_model")
|
||||
chroma_reranker_num = settings.get("chroma_reranker_num")
|
||||
|
||||
if usr_question is None:
|
||||
return JSONResponse(content={"error": "question is required"}, status_code=status.HTTP_400_BAD_REQUEST)
|
||||
@ -63,20 +68,26 @@ class ChromaQuery(Blackbox):
|
||||
chroma_collection_id = "g2e"
|
||||
|
||||
if chroma_n_results is None or chroma_n_results == "":
|
||||
chroma_n_results = 3
|
||||
chroma_n_results = 10
|
||||
|
||||
# load client and embedding model from init
|
||||
if re.search(r"10.6.81.119", chroma_host) and re.search(r"7000", chroma_port):
|
||||
client = self.client_1
|
||||
else:
|
||||
client = chromadb.HttpClient(host=chroma_host, port=chroma_port)
|
||||
try:
|
||||
client = chromadb.HttpClient(host=chroma_host, port=chroma_port)
|
||||
except:
|
||||
return JSONResponse(content={"error": "chroma client not found"}, status_code=status.HTTP_400_BAD_REQUEST)
|
||||
|
||||
if re.search(r"/home/gpu/Workspace/Models/BAAI/bge-large-zh-v1.5", chroma_embedding_model):
|
||||
embedding_model = self.embedding_model_1
|
||||
elif re.search(r"/home/gpu/Workspace/Models/BAAI/bge-small-en-v1.5", chroma_embedding_model):
|
||||
embedding_model = self.embedding_model_2
|
||||
else:
|
||||
embedding_model = embedding_functions.SentenceTransformerEmbeddingFunction(model_name=chroma_embedding_model, device = "cuda:1")
|
||||
try:
|
||||
embedding_model = embedding_functions.SentenceTransformerEmbeddingFunction(model_name=chroma_embedding_model, device = "cuda:1")
|
||||
except:
|
||||
return JSONResponse(content={"error": "embedding model not found"}, status_code=status.HTTP_400_BAD_REQUEST)
|
||||
|
||||
# load collection
|
||||
collection = client.get_collection(chroma_collection_id, embedding_function=embedding_model)
|
||||
@ -93,18 +104,53 @@ class ChromaQuery(Blackbox):
|
||||
|
||||
final_result = ''
|
||||
|
||||
if results is not None:
|
||||
results_distances = results["distances"][0]
|
||||
# if results is not None:
|
||||
# results_distances = results["distances"][0]
|
||||
|
||||
#distance越高越不准确
|
||||
top_distance = 0.8
|
||||
# #distance越高越不准确
|
||||
# top_distance = 0.8
|
||||
|
||||
|
||||
for i in range(len(results_distances)):
|
||||
if results_distances[i] < top_distance:
|
||||
final_result += results["documents"][0][i]
|
||||
# for i in range(len(results_distances)):
|
||||
# if results_distances[i] < top_distance:
|
||||
# final_result += results["documents"][0][i]
|
||||
|
||||
print("\n final_result: ", final_result)
|
||||
# print("\n final_result: ", final_result)
|
||||
|
||||
final_result = str(results["documents"])
|
||||
|
||||
if chroma_reranker_model:
|
||||
if re.search(r"/home/gpu/Workspace/Models/BAAI/bge-reranker-v2-m3", chroma_embedding_model):
|
||||
reranker_model = self.chroma_reranker_model_1
|
||||
else:
|
||||
try:
|
||||
reranker_model = CrossEncoder(chroma_reranker_model, max_length=512, device = "cuda")
|
||||
except:
|
||||
return JSONResponse(content={"error": "reranker model not found"}, status_code=status.HTTP_400_BAD_REQUEST)
|
||||
|
||||
if chroma_reranker_num:
|
||||
if chroma_reranker_num > chroma_n_results:
|
||||
chroma_reranker_num = chroma_n_results
|
||||
else:
|
||||
chroma_reranker_num = 5
|
||||
|
||||
#对每一对（查询、文档）进行评分
|
||||
pairs = [[usr_question, doc] for doc in results["documents"][0]]
|
||||
print('\n',pairs)
|
||||
scores = reranker_model.predict(pairs)
|
||||
|
||||
#重新排列文件顺序：
|
||||
print("New Ordering:")
|
||||
i = 0
|
||||
final_result = ''
|
||||
for o in np.argsort(scores)[::-1]:
|
||||
if i == chroma_reranker_num or scores[o] < 0.5:
|
||||
break
|
||||
i += 1
|
||||
print(o+1)
|
||||
print("Scores:", scores[o])
|
||||
print(results["documents"][0][o],'\n')
|
||||
final_result += results["documents"][0][o] + '\n'
|
||||
|
||||
return final_result
|
||||
|
||||
|
||||
Reference in New Issue
Block a user