Update app.py

app.py

@@ -86,26 +86,26 @@ def generate(
                          Firmati alla fine di ogni risposta '-AvvoChat'.'''})
     for user, assistant in chat_history:
         conversation.extend([{"role": "user", "content": user}, {"role": "assistant", "content": assistant}])
-    query_pipeline1 = Pipeline()
-    query_pipeline1.add_component(
-        "text_embedder",
-        SentenceTransformersTextEmbedder(
-            model="intfloat/multilingual-e5-large", 
-            prefix="query:",
-        ))
-    materiali = richiamo_materiali(message, alpha=1.0, n_items=5)
-    documenti = ''
-    for idx, d in enumerate(materiali):
-        if idx<len(materiali)-1:
-            documenti += f"{d['content']}; "
-        else:
-            documenti += f"{d['content']}. "
-    text = f'''Basandoti sulle tue conoscenze e usando le informazioni contenute che ti fornisco di seguito.
-    CONTESTO:
-    {documenti}
-    Rispondi in modo esaustivo, evitando inutili giri di parole o ripetizioni, alla seguente domanda.
-    {message}'''
-    conversation.append({"role": "user", "content": text})
+    #query_pipeline1 = Pipeline()
+    #query_pipeline1.add_component(
+    #    "text_embedder",
+    #    SentenceTransformersTextEmbedder(
+    #        model="intfloat/multilingual-e5-large", 
+    #        prefix="query:",
+    #    ))
+    #materiali = richiamo_materiali(message, alpha=1.0, n_items=5)
+    #documenti = ''
+    #for idx, d in enumerate(materiali):
+    #    if idx<len(materiali)-1:
+    #        documenti += f"{d['content']}; "
+    #    else:
+    #        documenti += f"{d['content']}. "
+    #text = f'''Basandoti sulle tue conoscenze e usando le informazioni contenute che ti fornisco di seguito.
+    #CONTESTO:
+    #{documenti}
+    #Rispondi in modo esaustivo, evitando inutili giri di parole o ripetizioni, alla seguente domanda.
+    #{message}'''
+    conversation.append({"role": "user", "content": message})
 
     input_ids = tokenizer.apply_chat_template(conversation, return_tensors="pt")
     if input_ids.shape[1] > MAX_INPUT_TOKEN_LENGTH: