polish(pu): use fixed temperature

app_mqa_database.py

@@ -20,26 +20,26 @@ if QUESTION_LANG == "cn":
     <div align="center">
         <img src="https://raw.githubusercontent.com/puyuan1996/ZeroPal/main/assets/banner.svg" width="80%" height="20%" alt="Banner Image">
     </div>
-    
+
     📢 **操作说明**：请在下方的“问题”框中输入关于 LightZero 的问题，并点击“提交”按钮。右侧的“回答”框将展示 RAG 模型提供的答案。
     您可以在问答框下方查看当前“对话历史”，点击“清除对话历史”按钮可清空历史记录。在“对话历史”框下方，您将找到相关参考文档，其中相关文段将以黄色高亮显示。
     如果您喜欢这个项目，请在 GitHub [LightZero RAG Demo](https://github.com/puyuan1996/ZeroPal) 上给我们点赞！✨ 您的支持是我们持续更新的动力。
-    
+
     <div align="center">
         <strong>注意：算法模型输出可能包含一定的随机性。结果不代表开发者和相关 AI 服务的态度和意见。本项目开发者不对结果作出任何保证，仅供参考之用。使用该服务即代表同意后文所述的使用条款。</strong>
     </div>
     """
     tos_markdown = """
     ### 使用条款
-    
+
     使用本服务的玩家需同意以下条款：
-    
+
     - 本服务为探索性研究的预览版，仅供非商业用途。
     - 服务不得用于任何非法、有害、暴力、种族主义或其他令人反感的目的。
     - 服务提供有限的安全措施，并可能生成令人反感的内容。
     - 如果您对服务体验不满，请通过 [email protected] 与我们联系！我们承诺修复问题并不断改进项目。
     - 为了获得最佳体验，请使用台式电脑，因为移动设备可能会影响视觉效果。
-    
+
     **版权所有 © 2024 OpenDILab。保留所有权利。**
     """
 
@@ -108,7 +108,8 @@ chunks = load_and_split_document(file_path, chunk_size=5000, chunk_overlap=500)
 vectorstore = create_vector_store(chunks, model='OpenAI')
 
 
-def rag_answer(question, temperature, k, user_id):
+# def rag_answer(question, temperature=0.01, k=5, user_id='user'):
+def rag_answer(question, k=5, user_id='user'):
     """
     处理用户问题并返回答案和高亮显示的上下文
 
@@ -118,6 +119,7 @@ def rag_answer(question, temperature, k, user_id):
     :param user_id: 用户ID
     :return: 模型生成的答案和高亮显示上下文的Markdown文本
     """
+    temperature = 0.01  # TODO: 使用固定的温度参数
     try:
         retriever = get_retriever(vectorstore, k)
         rag_chain = setup_rag_chain(model_name='kimi', temperature=temperature)
@@ -190,8 +192,8 @@ if __name__ == "__main__":
                 inputs = gr.Textbox(
                     placeholder="请您在这里输入任何关于 LightZero 的问题。",
                     label="问题")
-                temperature = gr.Slider(minimum=0.0, maximum=1.0, value=0.01, step=0.01, label="温度参数")
-                k = gr.Slider(minimum=1, maximum=10, value=5, step=1, label="检索到的文档块数量")
+                # temperature = gr.Slider(minimum=0.0, maximum=1.0, value=0.01, step=0.01, label="温度参数")
+                k = gr.Slider(minimum=0, maximum=7, value=3, step=1, label="检索相关文档块的数量")  # readme总长度为35000左右，文段块长度为5000，因此最大值为35000/5000=7
                 with gr.Row():
                     gr_submit = gr.Button('提交')
                     gr_clear = gr.Button('清除对话历史')
@@ -204,7 +206,8 @@ if __name__ == "__main__":
         gr_clear.click(clear_context, inputs=user_id, outputs=[outputs_context, outputs_history])
         gr_submit.click(
             rag_answer,
-            inputs=[inputs, temperature, k, user_id],
+            # inputs=[inputs, temperature, k, user_id],
+            inputs=[inputs, k, user_id],
             outputs=[outputs_answer, outputs_context, outputs_history],
         )
         gr.Markdown(tos_markdown)