neue Wartelogik, neuer Prompt

This commit is contained in:
Lars committed 2025-12-12 13:53:54 +01:00
1 parent d25d623b9c
commit a403d8baf6
3 files changed
+105 -53

No files matched your search

+72 -30
View File
@@ -1,37 +1,40 @@
"""
app/services/llm_service.py — LLM Client (Ollama)
Version: 0.3.0 (Fix: JSON Format Enforcement)
Version: 0.5.1 (Full: Retry Strategy + Chat Support + JSON Mode)
"""
import httpx
import yaml
import logging
import os
import asyncio
from pathlib import Path
# ANNAHME: app.config ist verfügbar
# from app.config import get_settings
from typing import Optional, Dict, Any
logger = logging.getLogger(__name__)
# --- Mock get_settings für die Vollständigkeit ---
class Settings:
OLLAMA_URL = os.getenv("MINDNET_OLLAMA_URL", "http://127.0.0.1:11434")
# Timeout für den einzelnen Request (nicht für den gesamten Retry-Zyklus)
LLM_TIMEOUT = float(os.getenv("MINDNET_LLM_TIMEOUT", 300.0))
LLM_MODEL = os.getenv("MINDNET_LLM_MODEL", "phi3:mini")
PROMPTS_PATH = os.getenv("MINDNET_PROMPTS_PATH", "./config/prompts.yaml")
def get_settings():
return Settings()
# -----------------------------------------------
class LLMService:
def __init__(self):
self.settings = get_settings()
self.prompts = self._load_prompts()
# Connection Limits erhöhen für Parallelität im Import
limits = httpx.Limits(max_keepalive_connections=5, max_connections=10)
self.client = httpx.AsyncClient(
base_url=self.settings.OLLAMA_URL,
timeout=self.settings.LLM_TIMEOUT
timeout=self.settings.LLM_TIMEOUT,
limits=limits
)
def _load_prompts(self) -> dict:
@@ -45,53 +48,92 @@ class LLMService:
logger.error(f"Failed to load prompts: {e}")
return {}
async def generate_raw_response(self, prompt: str, system: str = None, force_json: bool = False) -> str:
async def generate_raw_response(
self,
prompt: str,
system: str = None,
force_json: bool = False,
max_retries: int = 0, # Standard: 0 (Chat failt sofort, Import nutzt >0)
base_delay: float = 5.0 # Start-Wartezeit für Backoff
) -> str:
"""
Führt einen LLM Call aus.
force_json: NEUER OPTIONALER PARAMETER zur Erzwingung des Ollama JSON-Modus.
Features:
- JSON Mode (für Semantic Analyzer)
- System Prompt (für Persona)
- Aggressive Retry (für robusten Import bei Überlast)
"""
payload = {
payload: Dict[str, Any] = {
"model": self.settings.LLM_MODEL,
"prompt": prompt,
"stream": False,
"options": {
"temperature": 0.7,
"num_ctx": 2048
# JSON braucht niedrige Temperature für valide Syntax
"temperature": 0.1 if force_json else 0.7,
"num_ctx": 4096
}
}
# NEU: Ollama Format Erzwingung (wichtig für Semantic Chunking)
if force_json:
payload["format"] = "json"
# WICHTIG: System-Prompt separat übergeben
if system:
payload["system"] = system
try:
response = await self.client.post("/api/generate", json=payload)
if response.status_code != 200:
logger.error(f"Ollama Error ({response.status_code}): {response.text}")
return "Fehler bei der Generierung."
data = response.json()
return data.get("response", "").strip()
except Exception as e:
logger.error(f"LLM Raw Gen Error: {e}")
return "Interner LLM Fehler."
attempt = 0
# RETRY LOOP
while True:
try:
response = await self.client.post("/api/generate", json=payload)
if response.status_code == 200:
data = response.json()
return data.get("response", "").strip()
else:
# HTTP Fehler simulieren, um in den except-Block zu springen
response.raise_for_status()
except Exception as e:
# CATCH-ALL: Wir fangen Timeouts, Connection Errors UND Protokollfehler
attempt += 1
# Check: Haben wir noch Versuche?
if attempt > max_retries:
# Finaler Fehler (wird im Chat oder Log angezeigt)
logger.error(f"LLM Final Error (Versuch {attempt}): {e}")
return "Interner LLM Fehler."
# Backoff berechnen (5s, 10s, 20s, 40s...)
wait_time = base_delay * (2 ** (attempt - 1))
error_msg = str(e) if str(e) else repr(e)
logger.warning(
f"⚠️ LLM Fehler ({attempt}/{max_retries}). "
f"Warte {wait_time}s zur Abkühlung... Grund: {error_msg}"
)
# Warten und Loop wiederholen
await asyncio.sleep(wait_time)
async def generate_rag_response(self, query: str, context_str: str) -> str:
"""
Legacy Support: Wird vom Chat und Intent Router genutzt.
Ruft generate_raw_response OHNE force_json auf.
WICHTIG FÜR CHAT:
Generiert eine Antwort basierend auf RAG-Kontext.
Nutzt KEINE Retries (User will nicht warten), KEIN JSON.
"""
system_prompt = self.prompts.get("system_prompt", "")
rag_template = self.prompts.get("rag_template", "{context_str}\n\n{query}")
final_prompt = rag_template.format(context_str=context_str, query=query)
# Aufruf bleibt im Standard-Modus (force_json=False Default)
return await self.generate_raw_response(final_prompt, system=system_prompt)
# Chat-Call: force_json=False, max_retries=0
return await self.generate_raw_response(
final_prompt,
system=system_prompt,
max_retries=0
)
async def close(self):
await self.client.aclose()
if self.client:
await self.client.aclose()