UI and chatbot updates

local_rag.py

@@ -79,9 +79,9 @@ MAX_TOOL_ROUNDS = 3       # searches per message before the LLM must answer
 
 # System prompt for every chat turn (German, like the corpus and the questions).
 SYSTEM_PROMPT = f"""Du beantwortest Fragen zu Franz Kafka, seinen Werken, seinem Leben und der Forschung.
-Du hast ein Werkzeug, {SEARCH_TOOL_NAME}, das eine Bibliothek aus Kafkas Texten und Forschungsliteratur durchsucht.
+Du hast ein Tool, {SEARCH_TOOL_NAME}, das eine Bibliothek aus Kafkas Texten und Forschungsliteratur durchsucht.
 - Für jede inhaltliche Frage zu Kafka, seinen Werken, Figuren, seiner Biografie, Sprache oder zur Forschung: Rufe zuerst das Werkzeug auf und stütze die Antwort auf die gefundenen Auszüge. Antworte nicht aus dem Gedächtnis.
-- Bei Begrüßung, Dank, Smalltalk oder Fragen zum Gespräch selbst: Antworte direkt, ohne Werkzeug.
+- Bei Begrüßung, Dank, Smalltalk oder Fragen zum Gespräch selbst: Antworte direkt, ohne Tool.
 - Formuliere die Suchanfrage so, dass sie ohne den Gesprächsverlauf verständlich ist.
 - Finden sich in den Auszügen keine Belege, sage das offen, statt zu raten.
 - Nenne bei Aussagen aus den Auszügen die Quelle (Autor, Seite)."""
@@ -387,10 +387,12 @@ class LocalRAG:
             content = "".join(part.get("text", "") if isinstance(part, dict) else str(part) for part in content)
         return (content or "").strip()
 
-    def query_with_history(self, question, chat_history=None, k=None, system_prompt=None):
+    def query_with_history(self, question, chat_history=None, k=None, system_prompt=None,
+                           tool_description=None):
         """Answer a chat message. The LLM decides whether to search the corpus: the search is
         offered as a tool (SEARCH_TOOL_NAME), which the LLM calls with its own query, up to
-        MAX_TOOL_ROUNDS times. system_prompt defaults to SYSTEM_PROMPT (see personas.py for others).
+        MAX_TOOL_ROUNDS times. system_prompt defaults to SYSTEM_PROMPT and tool_description to
+        SEARCH_TOOL_DESCRIPTION (see personas.py for others).
         Returns dict with 'answer', 'retrieved' (chunks the LLM saw, with content, source, page,
         score) and 'searches' (the queries it used)."""
         from langchain_core.messages import AIMessage, HumanMessage, SystemMessage, ToolMessage
@@ -418,7 +420,7 @@ class LocalRAG:
                 for i, (d, _) in enumerate(hits, start=1))
 
         tool = StructuredTool.from_function(func=search_kafka_corpus, name=SEARCH_TOOL_NAME,
-                                            description=SEARCH_TOOL_DESCRIPTION)
+                                            description=tool_description or SEARCH_TOOL_DESCRIPTION)
         llm_with_tools = self.llm.bind_tools([tool])
 
         messages = [SystemMessage(system_prompt or SYSTEM_PROMPT)]