Update chatbot_new.py

chatbot_new.py

@@ -1,4 +1,5 @@
 # chatbot_new.py
+from caching import load_cached_vectorstore, load_shared_models, load_llm
 import os
 import time
 import pickle
@@ -77,15 +78,12 @@ class StateError(ChatbotError):
 
 class IntelligentRAGChatbot:
     def __init__(self, vectorstore_file: Path, bm25_file: Path, api_key: Optional[str] = None):
-        """
-        Initialisiert den RAG Chatbot mit optimierter Ladestrategie
-        """
         self.logger = logging.getLogger(__name__)
         self.logger.setLevel(logging.INFO)
         
         try:
             # Initialisiere geteilte Modelle
-            self.shared_models = SharedModels()
+            self.shared_models = load_shared_models()
             self.embeddings_model = self.shared_models.embeddings_model
             
             # Performance Metrics
@@ -102,47 +100,39 @@ class IntelligentRAGChatbot:
             # Komponenten Initialisierung
             self._initialize_components(api_key)
             
-            # Speichere letzte Antwort für Follow-ups
-            self.last_response = None
-            
         except Exception as e:
             raise InitializationError(f"Fehler bei der Initialisierung: {str(e)}")
 
     def _initialize_stores(self, vectorstore_file: Path, bm25_file: Path):
         """Initialisiert Vector Store und BM25"""
         try:
-            # Progress Container
-            progress_text = st.empty()
-            progress_text.info("Initialisiere Vector Store...")
+            status = st.empty()
+            status.info("Initialisiere Vector Store...")
             
             # Überprüfe Dateien
             if not vectorstore_file.exists():
                 raise InitializationError(f"Vector Store Datei nicht gefunden: {vectorstore_file}")
-    
+
             # Vector Store Initialisierung mit Caching
             self.vectorstore = load_cached_vectorstore(vectorstore_file)
-            progress_text.info("Vector Store geladen!")
+            status.success("Vector Store geladen!")
             
             # BM25 verwenden gleiche Datei
             self.bm25 = self.vectorstore
             
-            # Aufräumen
-            progress_text.empty()
-                    
+            status.empty()
+                
         except Exception as e:
             raise InitializationError(f"Fehler bei Store-Initialisierung: {str(e)}")
 
     def _initialize_components(self, api_key: Optional[str] = None):
         """Initialisiert Komponenten"""
         try:
-            # LLM Setup
-            self.llm = self._initialize_llm(api_key)
+            status = st.empty()
+            status.info("Initialisiere Komponenten...")
             
-            # Shared Models mit Caching
-            self.shared_models = load_shared_models()
-            
-            # Nicht-gecachte Komponenten direkt initialisieren
-            self.thematic_tracker = EnhancedThematicTracker(self.embeddings_model)
+            # LLM Setup mit Caching
+            self.llm = load_llm(api_key)
             
             # Memory Setup
             self.memory = ConversationBufferWindowMemory(
@@ -152,11 +142,15 @@ class IntelligentRAGChatbot:
                 return_messages=True
             )
             
+            # Thematic Tracker
+            self.thematic_tracker = EnhancedThematicTracker(self.embeddings_model)
+            
             # Optimierte Komponenten
             self._initialize_optimized_components()
-            
-            # Initialisiere letzte Antwort
             self.last_response = None
+            
+            status.success("Komponenten initialisiert!")
+            status.empty()
                     
         except Exception as e:
             raise InitializationError(f"Fehler bei Komponenten-Initialisierung: {str(e)}")