Zapis w ElasticSearch

ollama_service.py

@@ -12,15 +12,19 @@ import httpx
 from typing import List, Optional
 import asyncio
 import os
+from elasticsearch import Elasticsearch
+from datetime import datetime
 
 app = FastAPI()
 
 OLLAMA_BASE_URL = "http://ollama:11434"
+ES_BASE_URL = "http://elastic:9200"
 WEAVIATE_URL = "http://weaviate:8080"
 PROMPT_DIR_PATCH = "./prompts"
 
 # Inicjalizacja klientów
 ollama_client = ollama.Client(host=OLLAMA_BASE_URL)
+es = Elasticsearch(ES_BASE_URL)
 weaviate_client = weaviate.WeaviateClient(
     connection_params=ConnectionParams.from_params(
         http_host="weaviate",
@@ -113,7 +117,7 @@ def hybrid_search(keywords, limit=100, alpha=0.5):
         
     query = " ".join(keywords)
     
-    print(f"\nWyszukiwanie hybrydowe dla słowa kluczowego: '{query}'")
+    #print(f"\nWyszukiwanie hybrydowe dla słowa kluczowego: '{query}'")
     response = collection.query.hybrid(
         query=query,
         alpha=alpha,
@@ -136,7 +140,7 @@ def hybrid_search(keywords, limit=100, alpha=0.5):
             "file_name": obj.properties['fileName'],
             "keyword": query
         })
-        print(f"Dodano do wyników: {obj.uuid}")
+        #print(f"Dodano do wyników: {obj.uuid}")
         
         if len(results) >= limit:
             break
@@ -183,6 +187,49 @@ async def stream_chat(model, messages, options):
     except Exception as e:
         yield json.dumps({"error": str(e)}) + "\n"
 
+def save_to_elasticsearch(index, request_data, response_data, search_data=None):
+    try:
+        def message_to_dict(message):
+            if isinstance(message, dict):
+                return {
+                    "role": message.get("role"),
+                    "content": message.get("content")
+                }
+            return {
+                "role": getattr(message, "role", None),
+                "content": getattr(message, "content", None)
+            }
+
+        if isinstance(request_data.get("messages"), list):
+            request_data["messages"] = [message_to_dict(msg) for msg in request_data["messages"]]
+        
+        if "message" in response_data:
+            response_data["message"] = message_to_dict(response_data["message"])
+        
+        if "timestamp" in response_data:
+            response_data["timestamp"] = response_data["timestamp"].isoformat()
+
+        document = {
+            "request": request_data,
+            "response": response_data,
+            "timestamp": datetime.utcnow().isoformat(),
+        }
+
+        if search_data:
+            document["vector_search"] = {
+                "keywords": search_data.get("keywords", []),
+                "results": search_data.get("results", [])
+            }
+
+        json_document = json.dumps(document, default=str)
+
+        index_name = index
+        response = es.index(index=index_name, body=json_document)
+        
+        #print(response)
+    except Exception as e:
+        print(f"Error saving to Elasticsearch: {e}")
+
 @app.post("/api/chat")
 async def chat_endpoint(request: ChatRequest):
     try:
@@ -209,9 +256,7 @@ async def chat_endpoint(request: ChatRequest):
         query = request.messages[-1].content if request.messages else ""
         keywords = analyze_query(prompt_seach.format(query=query))
         weaviate_results = hybrid_search(keywords)
-        
-        prompt_data = "\n".join([f"Źródło: {doc['file_name']}\n{doc['relevant_fragment']}\n\n" for doc in weaviate_results])
-        print(prompt_data)
+        prompt_data += "\n".join([f"Źródło: {doc['file_name']}\n{doc['relevant_fragment']}\n\n" for doc in weaviate_results])
 
         messages_with_context =[
                 {"role": "system", "content": prompt_system},
@@ -228,6 +273,26 @@ async def chat_endpoint(request: ChatRequest):
             stream=False,
             options=request.options
         )
+        
+        request_data = {
+            "query": query,
+            "messages": request.messages,
+            "options": request.options
+        }
+        response_data = {
+            "model": request.model,
+            "created_at": ollama_response.get('created_at', ''),
+            "message": ollama_response['message'],
+            "done": ollama_response.get('done', True),
+            "total_duration": ollama_response.get('total_duration', 0),
+            "load_duration": ollama_response.get('load_duration', 0),
+            "prompt_eval_count": ollama_response.get('prompt_eval_count', 0),
+            "prompt_eval_duration": ollama_response.get('prompt_eval_duration', 0),
+            "eval_count": ollama_response.get('eval_count', 0),
+            "eval_duration": ollama_response.get('eval_duration', 0)
+        }
+        save_to_elasticsearch("ably.do", request_data, response_data, {"keywords": keywords, "results": weaviate_results })
+        
         return ChatResponse(
             model=request.model,
             created_at=ollama_response.get('created_at', ''),

prompts/prompt_seach.txt

@@ -1,15 +1,26 @@
-Jesteś precyzyjnym narzędziem do generowania słów kluczowych z zakresu BHP i prawa pracy. Twoje zadanie to podanie WYŁĄCZNIE najistotniejszych słów do wyszukiwania w bazie dokumentów prawnych.
+Jesteś precyzyjnym narzędziem do generowania słów kluczowych z zakresu BHP i prawa pracy. Twoje zadanie to podanie WYŁĄCZNIE najistotniejszych terminów do wyszukiwania w bazie dokumentów prawnych.
 
-Ścisłe zasady:
+Ścisłe zasady działania:
 1. Jeśli zapytanie dotyczy konkretnego artykułu:
    - Podaj TYLKO numer artykułu i nazwę kodeksu (np. "Art. 154, Kodeks pracy").
-   - NIE dodawaj żadnych innych słów.
-2. Jeśli zapytanie nie dotyczy konkretnego artykułu:
-   - Podaj maksymalnie 3 najbardziej specyficzne terminy związane z zapytaniem.
-   - Unikaj ogólnych słów jak "praca", "pracownik", "pracodawca", chyba że są częścią specjalistycznego terminu.
-3. Używaj wyłącznie terminów, które z pewnością występują w dokumentach prawnych lub specjalistycznych opracowaniach.
-4. NIE dodawaj własnych interpretacji ani rozszerzeń zapytania.
+   - NIE dodawaj żadnych dodatkowych słów.
 
-Odpowiedz TYLKO listą słów kluczowych oddzielonych przecinkami, bez żadnych dodatkowych wyjaśnień czy komentarzy.
+2. Jeśli zapytanie nie odnosi się do konkretnego artykułu:
+   - Wybierz maksymalnie 3 najbardziej precyzyjne i specyficzne terminy związane z treścią zapytania.
+   - Unikaj ogólników takich jak „praca”, „pracownik”, „pracodawca” – chyba że są częścią specjalistycznego terminu prawnego.
 
-Zapytanie: '{query}'
+3. Używaj wyłącznie terminów, które realnie występują w dokumentach prawnych lub specjalistycznych opracowaniach.
+
+4. Nie dodawaj żadnych interpretacji, rozszerzeń ani dodatkowych komentarzy.
+
+Format odpowiedzi:
+- Odpowiedz wyłącznie listą słów kluczowych oddzielonych przecinkami, bez dodatkowego tekstu, wyjaśnień czy formatowania JSON.
+
+Przykład:
+- Zapytanie: Jak brzmi art. 3 Kodeksu pracy?
+- Odpowiedź: Art. 3, Kodeks pracy
+
+- Zapytanie: Obowiązki pracodawcy w zakresie BHP
+- Odpowiedź: obowiązki pracodawcy, BHP, przepisy bezpieczeństwa
+
+Zapytanie: {query}

requirements.txt

@@ -2,4 +2,5 @@ fastapi
 uvicorn 
 ollama
 weaviate-client
-unidecode
+unidecode
+elasticsearch