Update pages/bot.py

pages/bot.py

@@ -71,14 +71,26 @@ def get_vectorstore():
 
 def get_llm_answer(user_question):
     #if os.path.exists("./Store"): #Nutzereingabe nur eingelesen, wenn vectorstore angelegt
-    user_question = st.text_area("Stell mir eine Frage: ")
+    #user_question = st.text_area("Stell mir eine Frage: ")
             #if os.path.exists("./Store"): #Nutzereingabe nur eingelesen, wenn vectorstore angelegt
+    # Retriever sucht passende Textausschnitte in den PDFs (unformatiert)
     retriever=get_vectorstore().as_retriever()
     retrieved_docs=retriever.invoke(
     user_question
     )
+    # Top 3 Suchergebnisse des Retrievers als Context speichern
+    context=""+retrieved_docs[0].page_content+retrieved_docs[1].page_content+retrieved_docs[2].page_content
+    # Context bereinigen
+    context=context.replace("\n", " ")  
+    context=context.replace("- ", "")
 
-    return retrieved_docs[0].page_content
+    # Erstelle die Question Answering-Pipeline für Deutsch
+    qa_pipeline = pipeline("question-answering", model="deutsche-telekom/bert-multi-english-german-squad2", tokenizer="deutsche-telekom/bert-multi-english-german-squad2")
+
+    # Frage beantworten mit Q&A Pipeline
+    answer = qa_pipeline(question=question, context=context)
+    
+    return answer["answer"]
    
 def main():
     st.set_page_config(