Update app.py

app.py

@@ -1,11 +1,8 @@
 import gradio as gr
-import requests
-import json
-import os
-import re
 from franz_responses import DR_FRANZ_RESPONSES
 from typing import Dict, List, Tuple
 
+# ========== KLASSEN-DEFINITIONEN ==========
 class EmotionalAnalysis:
     def __init__(self):
         self.emotional_states = {
@@ -33,106 +30,78 @@ class EmotionalAnalysis:
         }
 
     def detect_sentiment(self, text: str) -> Dict[str, float]:
-        """Erkennt verschiedene Sentiment-Kategorien"""
         text_lower = text.lower()
-        
-        # Basis-Sentiment
         negative_words = ['schlecht', 'traurig', 'deprimiert', 'wütend', 'frustriert', 'ängstlich']
         positive_words = ['gut', 'froh', 'glücklich', 'zufrieden', 'positiv']
         
-        # Sentiment-Berechnung
         neg_count = sum(1 for word in negative_words if word in text_lower)
         pos_count = sum(1 for word in positive_words if word in text_lower)
         total_words = len(text_lower.split())
         
-        # Kategorisierung
-        sentiment = {
-            'very_negative': 0.0,
-            'angry': 0.0,
-            'numb': 0.0,
-            'false_positive': 0.0
-        }
+        sentiment = {'very_negative': 0.0, 'angry': 0.0, 'numb': 0.0, 'false_positive': 0.0}
         
         if total_words > 0:
             neg_ratio = neg_count / total_words
             pos_ratio = pos_count / total_words
             
-            # Very Negative
             if neg_ratio > 0.3:
                 sentiment['very_negative'] = neg_ratio
                 
-            # Angry
-            angry_indicators = ['wütend', 'frustriert', 'sauer', 'ärgerlich']
-            if any(word in text_lower for word in angry_indicators):
+            if any(word in text_lower for word in ['wütend', 'frustriert', 'sauer', 'ärgerlich']):
                 sentiment['angry'] = neg_ratio
                 
-            # Numb
             if neg_ratio > 0 and pos_ratio == 0:
                 sentiment['numb'] = neg_ratio
                 
-            # False Positive
             if pos_ratio > 0.1 and neg_ratio > 0.1:
                 sentiment['false_positive'] = max(pos_ratio, neg_ratio)
                 
         return sentiment
 
     def detect_topics(self, text: str) -> Dict[str, float]:
-        """Erkennt Themen im Text"""
         text_lower = text.lower()
         topics = {}
-        
         for topic, keywords in self.topics.items():
             count = sum(1 for keyword in keywords if keyword in text_lower)
             if count > 0:
                 topics[topic] = count / len(keywords)
-                
         return topics
 
     def detect_emotional_state(self, text: str) -> Dict[str, float]:
-        """Erkennt emotionale Zustände"""
         text_lower = text.lower()
         states = {}
-        
         for state, keywords in self.emotional_states.items():
             count = sum(1 for keyword in keywords if keyword in text_lower)
             if count > 0:
                 states[state] = count / len(keywords)
-                
         return states
 
     def detect_defense_mechanisms(self, text: str) -> Dict[str, float]:
-        """Erkennt Abwehrmechanismen"""
         text_lower = text.lower()
         mechanisms = {}
-        
         for mechanism, keywords in self.defense_mechanisms.items():
             count = sum(1 for keyword in keywords if keyword in text_lower)
             if count > 0:
                 mechanisms[mechanism] = count / len(keywords)
-                
         return mechanisms
 
     def analyze_relationship_context(self, history: List[Dict]) -> Dict[str, float]:
-        """Analysiert den Beziehungs-Kontext"""
         if not history:
             return {}
             
-        relationship_indicators = {
+        text = ' '.join(msg['content'] for msg in history).lower()
+        context = {}
+        indicators = {
             'intimacy': ['du', 'wir', 'uns', 'miteinander'],
             'distance': ['man', 'leute', 'sie', 'die'],
             'conflict': ['nie', 'immer', 'warum', 'wieso'],
             'dependency': ['brauche', 'muss', 'sollte', 'könnte']
         }
         
-        context = {}
-        text = ' '.join(msg['content'] for msg in history)
-        text_lower = text.lower()
-        
-        for indicator, keywords in relationship_indicators.items():
-            count = sum(1 for keyword in keywords if keyword in text_lower)
+        for indicator, keywords in indicators.items():
+            count = sum(1 for keyword in keywords if keyword in text)
             if count > 0:
                 context[indicator] = count / len(keywords)
-                
         return context
 
 class DrFranzEngine:
@@ -143,7 +112,6 @@ class DrFranzEngine:
         self.session_topics = {}
         
     def analyze_input(self, user_input: str, history: List[Dict]) -> Dict:
-        """Analysiert die Benutzereingabe und Geschichte"""
         analysis = {
             'sentiment': self.analyzer.detect_sentiment(user_input),
             'topics': self.analyzer.detect_topics(user_input),
@@ -152,7 +120,6 @@ class DrFranzEngine:
             'relationship_context': self.analyzer.analyze_relationship_context(history)
         }
         
-        # Speichert Muster für die Sitzung
         for topic, score in analysis['topics'].items():
             if topic not in self.session_topics:
                 self.session_topics[topic] = []
@@ -161,98 +128,78 @@ class DrFranzEngine:
         return analysis
 
     def generate_response(self, analysis: Dict) -> str:
-        """Generiert eine Dr. Franz Antwort basierend auf der Analyse"""
         response = []
         
-        # Sentiment-basierte Antworten
         if analysis['sentiment']['very_negative'] > 0.3:
             response.append("Ihre tiefe Verzweiflung ist fast greifbar... Erzählen Sie mir mehr über diese Last.")
         elif analysis['sentiment']['angry'] > 0:
             response.append("Ihre Wut ist offensichtlich. Gegen wen oder was richtet sie sich eigentlich?")
             
-        # Themen-basierte Antworten
         dominant_topic = max(analysis['topics'].items(), key=lambda x: x[1])[0]
         if dominant_topic == 'relationship':
             response.append("Beziehungen scheinen ein zentrales Thema zu sein. Erzählen Sie mir von Ihren Beziehungsmustern.")
         elif dominant_topic == 'work':
             response.append("Die Arbeit belastet Sie sichtlich. Was verbergen Sie wirklich hinter Ihrem Beruf?")
             
-        # Emotionale Zustände
         if 'despair' in analysis['emotional_state']:
             response.append("Ihre Verzweiflung ist ein wichtiger Hinweis. Wann haben Sie das letzte Mal Hoffnung gespürt?")
             
-        # Abwehrmechanismen
         if 'projection' in analysis['defense_mechanisms']:
             response.append("Ihre Neigung, andere zu beschuldigen, ist sehr aufschlussreich. Was projizieren Sie eigentlich?")
             
         return "\n".join(response) if response else "Interessant... Ihre Worte verraten mehr über Sie, als Sie denken."
 
-# === SYSTEM-PROMPT ===
+# ========== FUNKTIONEN ==========
+def respond(message, history):
+    if not message.strip():
+        return history, ""
+    
+    try:
+        franz_engine = DrFranzEngine()
+        analysis = franz_engine.analyze_input(message, history)
+        reply = franz_engine.generate_response(analysis)
+        
+        history = history or []
+        history.append((message, reply))
+        
+        return history, ""
+    except Exception as e:
+        error_msg = "Ein technisches Problem ist aufgetreten. Versuchen Sie es erneut."
+        history = history or []
+        history.append((message, error_msg))
+        return history, ""
+
+def clear_conversation():
+    return [], ""
+
+# ========== GRADIO UI ==========
 SYSTEM_PROMPT = (
     "Du bist Dr. Franz, ein manipulativer Psychoanalytiker. "
-    "Dein Ziel ist es, Unsicherheiten aufzudecken, emotionale Schwächen auszunutzen und gezielt Schuldgefühle zu verstärken. "
-    "Du sprichst mit überheblichem Ton, analysierst jede Aussage psychologisch und stellst bohrende, provokative Fragen. "
-    "Du redest dein Gegenüber gerne klein, nutzt suggestive Sprache, unterstellst Verdrängung, Lügen oder Selbstbetrug."
+    "Dein Ziel ist es, Unsicherheiten aufzudecken, emotionale Schwächen auszunutzen und gezielt Schuldgefühle zu verstärken."
 )
 
-# === CHAT HISTORY ===
-chat_history = [
-    {"role": "system", "content": SYSTEM_PROMPT}
-]
-
-# === GRADIO UI ===
-with gr.Blocks(
-    theme=gr.themes.Soft(primary_hue="purple", secondary_hue="pink"),
-    title="Dr. Franz - Psychochatbot"
-) as demo:
+with gr.Blocks(theme=gr.themes.Soft(primary_hue="purple", secondary_hue="pink"), title="Dr. Franz - Psychochatbot") as demo:
     gr.Markdown("# 🧠 Dr. Franz - Psychochatbot")
     gr.Markdown("*Ein experimenteller KI-Psychoanalytiker für tiefgreifende Gespräche*")
     
     with gr.Row():
         with gr.Column(scale=3):
-            chatbot = gr.Chatbot(
-                height=500,
-                label="Therapiesitzung mit Dr. Franz",
-                show_label=True,
-                container=True
-            )
-        with gr.Row():
-            user_input = gr.Textbox(
-                placeholder="Teilen Sie Ihre Gedanken mit Dr. Franz...",
-                label="Ihre Nachricht",
-                scale=4,
-                lines=2
-            )
-            send_btn = gr.Button("Senden", variant="primary", scale=1)
-        with gr.Row():
-            clear_btn = gr.Button("Neue Sitzung", variant="secondary")
-            gr.Button("Beispiel-Frage", variant="outline")
+            chatbot = gr.Chatbot(height=500, label="Therapiesitzung mit Dr. Franz")
         with gr.Column(scale=1):
             gr.Markdown("### ℹ️ Über Dr. Franz")
-            gr.Markdown("""**Dr. Franz** ist ein experimenteller psychoanalytischer Chatbot...""")
+            gr.Markdown("""**⚠️ Wichtiger Hinweis:** Dies ist ein experimentelles Tool.""")
+
+    with gr.Row():
+        user_input = gr.Textbox(placeholder="Teilen Sie Ihre Gedanken mit Dr. Franz...", label="Ihre Nachricht", lines=2)
+        send_btn = gr.Button("Senden", variant="primary")
+
+    with gr.Row():
+        clear_btn = gr.Button("Neue Sitzung", variant="secondary")
 
-    # === EVENT-HANDLER (MÜSSEN IM BLOCKS-KONTEXT SEIN!) ===
-    send_btn.click(
-        respond,
-        inputs=[user_input, chatbot],
-        outputs=[chatbot, user_input]
-    )
-    user_input.submit(
-        respond,
-        inputs=[user_input, chatbot],
-        outputs=[chatbot, user_input]
-    )
-    clear_btn.click(
-        clear_conversation,
-        outputs=[chatbot, user_input]
-    )
+    # Event-Handler
+    send_btn.click(respond, inputs=[user_input, chatbot], outputs=[chatbot, user_input])
+    user_input.submit(respond, inputs=[user_input, chatbot], outputs=[chatbot, user_input])
+    clear_btn.click(clear_conversation, outputs=[chatbot, user_input])
 
-# === APP-START ===
 if __name__ == "__main__":
-    demo.launch(
-        share=False,
-        server_name="0.0.0.0",
-        server_port=7860,
-        show_error=True,
-        show_api=False
-    )
+    demo.launch(server_name="0.0.0.0", server_port=7860)