app.py

import gradio as gr
import os
from langdetect import detect
from sentence_transformers import SentenceTransformer
import numpy as np
import re
import random

# Загрузка и предварительная обработка текстовых файлов
def load_and_preprocess_files():
    files = {
        "vampires": "vampires.txt",
        "werewolves": "werewolves.txt",
        "humans": "humans.txt"
    }
    
    knowledge_base = {}
    for category, filename in files.items():
        try:
            with open(filename, 'r', encoding='utf-8') as file:
                content = file.read()
                # Разбиваем на осмысленные блоки (абзацы)
                paragraphs = [p.strip() for p in content.split('\n\n') if p.strip()]
                knowledge_base[category] = paragraphs
        except FileNotFoundError:
            print(f"Файл {filename} не найден")
            knowledge_base[category] = []
    
    return knowledge_base

# Инициализация модели для семантического поиска
def initialize_search_model():
    return SentenceTransformer('sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2')

# Поиск релевантной информации
def find_relevant_info(question, knowledge_base, model, top_k=3):
    all_fragments = []
    for category, paragraphs in knowledge_base.items():
        for para in paragraphs:
            all_fragments.append((para, category))
    
    if not all_fragments:
        return []
    
    texts = [f[0] for f in all_fragments]
    embeddings = model.encode(texts)
    question_embedding = model.encode([question])
    
    similarities = np.dot(embeddings, question_embedding.T).flatten()
    top_indices = similarities.argsort()[-top_k:][::-1]
    
    return [all_fragments[i] for i in top_indices]

# Генерация естественного ответа
def generate_natural_response(question, relevant_info):
    if not relevant_info:
        return "Извините, не нашел информации по вашему вопросу. Попробуйте переформулировать."
    
    question_type = "о них"
    if "вампир" in question.lower():
        question_type = "о вампирах"
    elif "оборотн" in question.lower() or "волколак" in question.lower():
        question_type = "об оборотнях"
    elif "человек" in question.lower() or "люди" in question.lower():
        question_type = "о людях"
    
    unique_info = []
    seen = set()
    for para, category in relevant_info:
        if para not in seen:
            unique_info.append((para, category))
            seen.add(para)
    
    response = f"Вот что мне известно {question_type}:\n\n"
    
    for i, (para, category) in enumerate(unique_info, 1):
        if para.startswith("- "):
            para = para.replace("\n- ", "\n• ").replace("- ", "• ")
        
        if len(set(c for _, c in unique_info)) > 1:
            response += f"{i}. ({category.capitalize()}) {para}\n\n"
        else:
            response += f"{i}. {para}\n\n"
    
    endings = [
        "Надеюсь, эта информация была полезной!",
        "Если хотите узнать больше деталей, уточните вопрос.",
        "Могу уточнить какие-то моменты, если нужно.",
        "Это основные сведения, которые у меня есть."
    ]
    
    response += random.choice(endings)
    
    return response

# Обработка вопроса
def process_question(question, history):
    try:
        if detect(question) != 'ru':
            return "Пожалуйста, задавайте вопросы на русском языке.", history
    except:
        pass
    
    if not hasattr(process_question, 'knowledge_base'):
        process_question.knowledge_base = load_and_preprocess_files()
    
    if not hasattr(process_question, 'search_model'):
        process_question.search_model = initialize_search_model()
    
    relevant_info = find_relevant_info(question, process_question.knowledge_base, process_question.search_model)
    answer = generate_natural_response(question, relevant_info)
    history.append((question, answer))
    return "", history

# Создание интерфейса
with gr.Blocks(theme=gr.themes.Soft()) as demo:
    gr.Markdown("""<h1 style='text-align: center'>🧛‍♂️ Мир сверхъестественного 🐺</h1>""")
    gr.Markdown("""<div style='text-align: center'>Задавайте вопросы о вампирах, оборотнях и людях на русском языке</div>""")
    
    # Сначала определяем элементы ввода
    msg = gr.Textbox(
        label="Ваш вопрос",
        placeholder="Введите вопрос и нажмите Enter...",
        container=False
    )
    
    # Затем определяем примеры, которые используют msg
    examples = gr.Examples(
        examples=[
            "Какие слабости у вампиров?",
            "Как защититься от оборотней?",
            "Чем люди отличаются от других существ?",
            "Расскажи подробнее о вампирах"
        ],
        inputs=[msg],
        label="Примеры вопросов:"
    )
    
    # Затем определяем чат
    chatbot = gr.Chatbot(
        label="Диалог",
        height=500
    )
    
    with gr.Row():
        submit = gr.Button("Отправить", variant="primary")
        clear = gr.Button("Очистить историю")
    
    submit.click(process_question, [msg, chatbot], [msg, chatbot])
    msg.submit(process_question, [msg, chatbot], [msg, chatbot])
    clear.click(lambda: None, None, chatbot, queue=False)

demo.launch()