Update app.py

app.py

@@ -4,13 +4,12 @@ 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"
+        "vampires": "vampires.txt"
     }
     
     knowledge_base = {}
@@ -31,9 +30,8 @@ def load_and_preprocess_files():
 def initialize_search_model():
     return SentenceTransformer('sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2')
 
-# Поиск релевантной информации с улучшенным ранжированием
+# Поиск релевантной информации
 def find_relevant_info(question, knowledge_base, model, top_k=3):
-    # Собираем все текстовые фрагменты с их категориями
     all_fragments = []
     for category, paragraphs in knowledge_base.items():
         for para in paragraphs:
@@ -42,12 +40,10 @@ def find_relevant_info(question, knowledge_base, model, top_k=3):
     if not all_fragments:
         return []
     
-    # Эмбеддинги для всех фрагментов
     texts = [f[0] for f in all_fragments]
     embeddings = model.encode(texts)
     question_embedding = model.encode([question])
     
-    # Вычисляем сходство и выбираем топ фрагментов
     similarities = np.dot(embeddings, question_embedding.T).flatten()
     top_indices = similarities.argsort()[-top_k:][::-1]
     
@@ -58,7 +54,6 @@ def generate_natural_response(question, relevant_info):
     if not relevant_info:
         return "Извините, не нашел информации по вашему вопросу. Попробуйте переформулировать."
     
-    # Определяем тему вопроса
     question_type = "о них"
     if "вампир" in question.lower():
         question_type = "о вампирах"
@@ -67,7 +62,6 @@ def generate_natural_response(question, relevant_info):
     elif "человек" in question.lower() or "люди" in question.lower():
         question_type = "о людях"
     
-    # Собираем уникальную информацию
     unique_info = []
     seen = set()
     for para, category in relevant_info:
@@ -75,21 +69,17 @@ def generate_natural_response(question, relevant_info):
             unique_info.append((para, category))
             seen.add(para)
     
-    # Формируем ответ
     response = f"Вот что мне известно {question_type}:\n\n"
     
     for i, (para, category) in enumerate(unique_info, 1):
-        # Упрощаем маркированные списки
         if para.startswith("- "):
             para = para.replace("\n- ", "\n• ").replace("- ", "• ")
         
-        # Добавляем источник только если есть несколько категорий
         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"
     
-    # Добавляем естественное завершение
     endings = [
         "Надеюсь, эта информация была полезной!",
         "Если хотите узнать больше деталей, уточните вопрос.",
@@ -97,71 +87,59 @@ def generate_natural_response(question, relevant_info):
         "Это основные сведения, которые у меня есть."
     ]
     
-    response += np.random.choice(endings)
+    response += random.choice(endings)
     
     return response
 
-# Обработка вопроса с улучшенной логикой
+# Обработка вопроса
 def process_question(question, history):
-    # Проверка языка
     try:
         if detect(question) != 'ru':
             return "Пожалуйста, задавайте вопросы на русском языке.", history
     except:
         pass
     
-    # Ленивая загрузка данных и модели
     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()
     
-    # Поиск релевантной информации
     relevant_info = find_relevant_info(question, process_question.knowledge_base, process_question.search_model)
-    
-    # Генерация ответа
     answer = generate_natural_response(question, relevant_info)
-    
-    # Обновление истории
     history.append((question, answer))
-    
     return "", history
 
-# Создание интерфейса с улучшенным дизайном
+# 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>""")
     
-    with gr.Row():
-        with gr.Column(scale=2):
-            chatbot = gr.Chatbot(
-                label="Диалог",
-                bubble_full_width=False,
-                avatar_images=(
-                    "https://i.imgur.com/7WqjWaz.png",  # User avatar
-                    "https://i.imgur.com/7uQWsZg.png"   # Bot avatar
-                ),
-                height=500
-            )
-        with gr.Column(scale=1):
-            gr.Markdown("**Примеры вопросов:**")
-            gr.Examples(
-                examples=[
-                    "Какие слабости у вампиров?",
-                    "Как защититься от оборотней?",
-                    "Чем люди отличаются от других существ?",
-                    "Расскажи подробнее о вампирах"
-                ],
-                inputs=[msg]
-            )
-    
+    # 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")
@@ -170,5 +148,4 @@ with gr.Blocks(theme=gr.themes.Soft()) as demo:
     msg.submit(process_question, [msg, chatbot], [msg, chatbot])
     clear.click(lambda: None, None, chatbot, queue=False)
 
-# Запуск приложения
-demo.launch(server_name="0.0.0.0", server_port=7860)
+demo.launch()