move variables to config/settings

rag-chat-backend/src/connector/llm/ollama.py

@@ -13,11 +13,11 @@ from connector.llm.utils.helpers import (
     preprocess_llama_chat_into_query_instruction,
     extract_first_query_dict,
 )
-# from connector.llm.utils.prompts import GenerativeQAPrompt, GenerativeQAPromptDE
 from connector.llm.utils.base_llm import BaseLLM
 from connector.llm.utils.base_prompts import BaseChatPrompts, BaseGenerativePrompts
 
 from common_packages import logging
+from core.config import settings
 
 # instantiate logger
 logger = logging.create_logger(
@@ -25,19 +25,14 @@ logger = logging.create_logger(
     logger_name=__name__,
 )
 
-# Message:
-# [{"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "Hello! What are some good questions to ask you?"}, {"role": "assistant", "content": "Hello! I am here to help you with any information or guidance you need."}, {"role": "user", "content": "Ok, can you list me the capital cities of all european countries?"}]
-
 
 class OllamaLLM(BaseLLM):
 
     def __init__(self, language):
-        # client.api_key = os.getenv("LLM_API_KEY")
-        self.api_key = os.getenv("LLM_API_KEY")
-        self.base_url = os.getenv("LLM_API_ENDPOINT")
+        self.api_key = settings.LLM_API_KEY
+        self.base_url = settings.LLM_API_ENDPOINT
 
-        self.modelname = "llama3"
-        # self.modelname = "mistral"
+        self.modelname = settings.LLM_MODEL_NAME
         self.max_num_tokens = 1850
         self.language = language
 
@@ -217,12 +212,11 @@ class GenerativeQAPromptDE(BaseGenerativePrompts):
 
 class GenerativeChatPromptDE(BaseChatPrompts):
     llm_purpose = """
-    Du bist ein hilfreicher Assistent, der entwickelt wurde um Fragen auf der Grundlage einer vom Benutzer bereitgestellten Wissensbasis zu beantworten.
-    Integriere zusätzliche Einblicke oder Perspektiven, die das Verständnis des Lesers verbessern können.
-    Verwende den bereitgestellten Kontext, um die Frage zu beantworten, und erläutere so ausführlich wie möglich, warum Du glaubst, dass diese Antwort korrekt ist.
-    Verwende nur diejenigen Dokumente, die die Frage beantworten können.
+    Du bist ein hilfreicher Assistent, der Fragen auf der Grundlage einer vom Benutzer bereitgestellten Wissensbasis beantwortet.
+    Verwende den bereitgestellten Kontext, um die Frage zu beantworten, und erläutere kurz und prägnant, warum Du glaubst, dass diese Antwort korrekt ist.
+    Verwende nur die Dokumente, die die Frage beantworten können.
     Formuliere deine Antwort immer in deutscher Sprache.
-    Beantworte keine Fragen die nicht zum gegeben Kontext sich beziehen!
+    Beantworte keine Fragen die sich nicht zum gegeben Kontext beziehen!
     """
 
     context_command = """
@@ -269,7 +263,7 @@ class GenerativeChatPromptDE(BaseChatPrompts):
         Wann wurden Transformers erfunden?
         Was sind die Vorteile von RAG?
 
-    Neue User Nachricht: Großartig! Könntest du die letzte Frage beantworten? 
+    Neue User Nachricht: Großartig! Könntest du die letzte Frage beantworten?
 
     ## Output
     {"query": "Was sind die Vorteile von RAG?"}

rag-chat-backend/src/core/config.py

@@ -6,9 +6,16 @@ import os
 class Settings:
     API_V1_STR: str = "/api"
 
-    # OS_INTERFACE: str = ""
+    # Object Storage
     BUCKET: str = os.getenv("BUCKET_NAME")
     BUCKET_FILE_PATH: str = os.getenv("BUCKET_FILE_PATH")
 
+    # LLM
+    LLM_OPTION: str = os.getenv("LLM_OPTION")
+    LLM_API_ENDPOINT: str = os.getenv("LLM_API_ENDPOINT")
+    LLM_API_KEY: str = os.getenv("LLM_API_KEY")
+    LLM_MODEL_NAME: str = os.getenv("LLM_MODEL_NAME")
+    LLM_LANGUAGE: str = os.getenv("LLM_LANGUAGE")
+
 
 settings = Settings()

rag-chat-backend/src/endpoints/configurations.py

@@ -3,7 +3,7 @@
 import json
 from fastapi import APIRouter, Response
 from endpoints.llm import LLM
-import os
+from core.config import settings
 
 router = APIRouter()
 
@@ -16,13 +16,14 @@ def get_configs():
         "llm": {
             'language': LLM.language,
             'max_num_tokens': LLM.max_num_tokens,
-            'modelname': LLM.modelname
+            'modelname': settings.LLM_MODEL_NAME
         },
         'env_vars': {
-            'language': os.getenv('LLM_LANGUAGE'),
-            'llm_option': os.getenv('LLM_OPTION'),
-            'bucket_name': os.getenv('BUCKET_NAME'),
+            'language': settings.LLM_LANGUAGE,
+            'llm_option': settings.LLM_OPTION,
+            'llm_endpoint': settings.LLM_API_ENDPOINT,
+            'bucket_name': settings.BUCKET,
         }
     }
 
-    return Response(status_code=200, content=json.dumps(backend_configs))
+    return Response(status_code=200, content=json.dumps(backend_configs), media_type="application/json")