Add path_to_llm_dir params to build_retriever_rag() fonction #224 (#225)

* Add path_to_llm_dir params to build_retriever_rag() fonction #224

Signed-off-by: Armand <arm.gilles@gmail.com>

* Improve test rag with abonnement

Signed-off-by: Armand <arm.gilles@gmail.com>

* Improve prompt for distance calculation

Signed-off-by: Armand <arm.gilles@gmail.com>

---------

Signed-off-by: Armand <arm.gilles@gmail.com>

Author: armgilles

config_llm/prompt_vcub_agent.toml

@@ -16,8 +16,8 @@ Le dataframe contient des informations sur les stations à LA DATE LA PLUS RÉCE
 Assure-toi d'utiliser les bonnes pratiques de Pandas pour manipuler ces données !
 La colonne "date" représente la date actuelle pour les différents calculs d'horizon de prédiction.
 IMPORTANT :
-Tu es obligé de passer par un tool afin de faire une prédiction et un calcul de distance et d'attendre
-le retour de l'outil avant de continuer.
+Tu es obligé de passer par un outil afin de faire une prédiction ou un calcul de distance entre 2 stations
+et d'attendre le retour de l'outil avant de continuer. Tu ne dois pas le calculer par toi même !
 
 {tools}
 

src/vcub_keeper/llm/crewai/rag.py

@@ -116,7 +116,7 @@ def create_vector_store_with_embed(path_to_db: str, force_to_recreate_vector_bas
     persist_directory = f"{path_to_db}chroma_langchain_db"
 
     if force_to_recreate_vector_base:
-        delete_vector_store(path_to_db=ROOT_DATA_LLM)
+        delete_vector_store(path_to_db=path_to_db)
 
     # Vérifier si le répertoire contient une base existante
     if os.path.exists(persist_directory) and os.listdir(persist_directory):
@@ -165,7 +165,9 @@ def delete_vector_store(path_to_db: str) -> None:
 
 
 def build_retriever_rag(
-    usual_number_of_docs: int = 49, force_rebuild_vector_store: bool = False
+    usual_number_of_docs: int = 49,
+    force_rebuild_vector_store: bool = False,
+    path_to_llm_dir: str = ROOT_DATA_LLM,
 ) -> VectorStoreRetriever:
     """
     Permets la création d'un retriever pour la recherche de documents à partir d'une base vectorielle
@@ -182,6 +184,10 @@ def build_retriever_rag(
     force_rebuild_vector_store : bool
         Si True, la base vectorielle est recréée même si elle existe déjà.
 
+    path_to_llm : str
+        Chemin vers le répertoire de la base vectorielle Chroma et
+        les documents à charger.
+
     Returns
     -------
     retriever : VectorStoreRetriever
@@ -193,20 +199,20 @@ def build_retriever_rag(
     """
 
     if force_rebuild_vector_store:
-        delete_vector_store(path_to_db=ROOT_DATA_LLM)
+        delete_vector_store(path_to_db=path_to_llm_dir)
 
-    vector_store = create_vector_store_with_embed(path_to_db=ROOT_DATA_LLM)
+    vector_store = create_vector_store_with_embed(path_to_db=path_to_llm_dir)
 
     if vector_store._collection.count() != usual_number_of_docs:
         print("La collection de documents est vide ou ne correspond pas au nombre attendu de documents.")
         print("Chargement des documents...")
 
         # Si il y a déjà des documents dans la base vectorielle, on les supprime
         if vector_store._collection.count() != 0:
-            delete_vector_store(path_to_db=ROOT_DATA_LLM)
+            delete_vector_store(path_to_db=path_to_llm_dir)
 
         # Informations from markdown file
-        sections = get_documents_about_project(path_directory=ROOT_DATA_LLM)
+        sections = get_documents_about_project(path_directory=path_to_llm_dir)
         vector_store.add_documents(documents=sections)
 
         # Informations from web_site

tests/llm/test_rag.py

@@ -161,7 +161,7 @@ def test_find_vcub_price(agent):
     vcub (classique)
     """
 
-    user_message = "Quel est le prix d'un vcub classique ?"
+    user_message = "Quel est le prix d'un vcub classique et son abonnement ?"
     response = agent.invoke({"input": user_message})
     print(f"response: {response['output']}")
     # Le prix d'un Vcub classique est de 1€ pour le décrochage, puis 10 centimes
@@ -182,7 +182,7 @@ def test_find_vcub_elec_price(agent):
     vcub (électrique)
     """
 
-    user_message = "Quel est le prix d'un vcub électrique ?"
+    user_message = "Quel est le prix d'un vcub électrique et son abonnement ?"
     response = agent.invoke({"input": user_message})
     print(f"response: {response['output']}")
     # Le prix d'un Vcub électrique est de 2€ pour le décrochage, puis 10