Update app.py

app.py

@@ -567,7 +567,7 @@ book_embeddings = load_embeddings_from_cache()
 
 if query:
     found = False
-    threshold = 0.55 
+    threshold = 0.66 
 
     # بررسی اینکه آیا امبدینگ‌های سوال قبلاً محاسبه شده یا خیر
     query_embedding = model.encode(query, convert_to_tensor=True)
@@ -615,9 +615,11 @@ if query:
             
             else:
                 final_prompt = f"""
-                لطفاً برای سوال زیر پاسخی حرفه‌ای، دقیق و روان تولید کن که مرتبط و معتبر باشد. و از مدارک داخل ویکی پدیا استفاده کن  از زبانی جز فارسی استفاده نکن :
+                لطفاً برای سوال زیر پاسخی حرفه‌ای، دقیق و روان تولید کن که مرتبط و معتبر باشد. و از متن ساختگی  پرهیز کن و  از دیتای متن مرتبط نیز استفاده کن   از زبانی جز فارسی استفاده نکن :
                 سوال:
                 {query}
+                متن مرتبط:
+                {sentence}
                 """
                 new_response = llm([SystemMessage(content="You are a helpful assistant."), HumanMessage(content=final_prompt)])
                 final_answer = new_response.content.strip()
@@ -629,7 +631,7 @@ if query:
             break
 
     if not found:
-        prompt = f"لطفاً بر اساس سوال زیر یک متن مرتبط و معنادار تولید کن و جملات ساختگی استفاده نکن و از جملات موجود در اسناد و جملات معتبر استفاده کن که در ویکی پدیا موجود باشد و از زبانی جز فارسی استفاده نکن:\n\nسوال: {query}"
+        prompt = f"لطفاً بر اساس سوال زیر یک متن مرتبط و معنادار تولید کن و جملات ساختگی استفاده نکن و از جملات موجود در اسناد و جملات معتبر استفاده کن  و از زبانی جز فارسی استفاده نکن:\n\nسوال: {query}"
         response = llm([SystemMessage(content="You are a helpful assistant."), HumanMessage(content=prompt)])
         rewritten = response.content.strip()
         rewritten = clean_text(rewritten)