Update app.py

app.py

@@ -185,7 +185,6 @@ if not st.session_state.authenticated:
         html, body, [class*="css"] {
             font-family: 'Vazir', sans-serif;
         }
-
         /* استایل برای برچسب فیلدهای ورودی */
         label {
             font-size: 20px !important;
@@ -194,7 +193,6 @@ if not st.session_state.authenticated:
             margin-bottom: 10px !important;
             display: block;
         }
-
         /* استایل برای ورودی‌ها در تمام حالت‌ها */
         input[type="text"], 
         input[type="password"], 
@@ -207,7 +205,6 @@ if not st.session_state.authenticated:
             font-size: 18px !important;
             font-family: 'Vazir', sans-serif !important;
         }
-
         /* Placeholder style */
         ::placeholder {
             color: #bbbbbb !important;
@@ -277,6 +274,7 @@ with st.sidebar:
         ("پشتیبانی فنی", "https://cdn-icons-png.flaticon.com/512/597/597177.png", None),
     ]
 
+    # لود فونت Vazir از CDN
     st.markdown("""
         <link href="https://cdn.jsdelivr.net/gh/rastikerdar/[email protected]/dist/font-face.css" rel="stylesheet" type="text/css" />
     """, unsafe_allow_html=True)
@@ -542,85 +540,75 @@ st.markdown("""
 
 
 
-from sentence_transformers import SentenceTransformer, util
-
-model = SentenceTransformer('paraphrase-multilingual-MiniLM-L12-v2')
-
 if query:
     found = False
-    threshold = 0.70  
-
-    sentence_embeddings = model.encode(all_sentences, convert_to_tensor=True)
-    query_embedding = model.encode(query, convert_to_tensor=True)
-
-    similarities = util.cos_sim(query_embedding, sentence_embeddings)[0]
-
-    top_indices = [i for i, sim in enumerate(similarities) if sim >= threshold]
-
-    for idx in top_indices:
-        sentence = all_sentences[idx]
-        prompt = f"""
-                    تعدادی پاسخ برای سوال زیر تولید شده است. لطفاً ابتدا این پاسخ‌ها را بررسی کن، سپس با در نظر گرفتن محتوای سوال و لحن آن، یک پاسخ نهایی حرفه‌ای، دقیق و روان ارائه کن که هم به سوال پاسخ دهد و هم از نظر نگارشی و ساختاری در سطح بالایی باشد. پاسخ نهایی باید حداکثر 2048 کاراکتر و حداقل 512 باشد، خلاصه و واضح نوشته شود و فقط به زبان فارسی باشد. از تکرار اضافی پرهیز کن و محتوای چند پاسخ را در صورت نیاز با هم ترکیب کن.
-                    سوال:
-                    {query}
-                    پاسخ‌ها:
-                    {sentence}
-                    پاسخ نهایی حرفه‌ای بازنویسی‌شده:
-                    """
-        response = llm([
-            SystemMessage(content="You are a helpful assistant."),
-            HumanMessage(content=prompt)
-        ])
-        rewritten = response.content.strip()
+    threshold = 62
+
+    for idx, sentence in enumerate(all_sentences):
+        similarity = fuzz.partial_ratio(query, sentence)
+        if similarity >= threshold:
+            prompt = f"""
+                        تعدادی پاسخ برای سوال زیر تولید شده است. لطفاً ابتدا این پاسخ‌ها را بررسی کن، سپس با در نظر گرفتن محتوای سوال و لحن آن، یک پاسخ نهایی حرفه‌ای، دقیق و روان ارائه کن که هم به سوال پاسخ دهد و هم از نظر نگارشی و ساختاری در سطح بالایی باشد. پاسخ نهایی باید حداکثر 1024 کاراکتر و حداقل 512 باشد، خلاصه و واضح نوشته شود و فقط به زبان فارسی باشد. از تکرار اضافی پرهیز کن و محتوای چند پاسخ را در صورت نیاز با هم ترکیب کن.
+                        سوال:
+                        {query}
+                        پاسخ‌ها:
+                        {sentence}
+                        پاسخ نهایی حرفه‌ای بازنویسی‌شده:
+                        """
+            response = llm([
+                SystemMessage(content="You are a helpful assistant."),
+                HumanMessage(content=prompt)
+            ])
+            rewritten = response.content.strip()
 
-        # بررسی مرتبط بودن پاسخ با سؤال
-        review_prompt = f"""
-        لطفاً بررسی کن که آیا پاسخ زیر، حدودا  به سوال زیر پاسخ داده است یا خیر یعنی  کلمات  کلیدی اصلی در سوال در پاسخ هست یا ن . اگر پاسخ به سوال مرتبط، درست و قابل قبول است، فقط بنویس: 'تأیید شد'. اگر کمی مربوط بود بنویس: 'کمی خوب'.
-        اگر پاسخ اشتباه است یا هیچ ربطی به سوال ندارد، فقط بنویس: 'نیاز به اصلاح دارد'.
-        سوال:
-        {query}
-        پاسخ:
-        {rewritten}
-        """
-        review_response = llm([
-            SystemMessage(content="You are a helpful assistant."),
-            HumanMessage(content=review_prompt)
-        ])
-        review_result = review_response.content.strip()
-
-        if "تأیید شد" in review_result:
-            rewritten = clean_text(rewritten)
-            st.markdown(f'<div class="chat-message">{rewritten}</div>', unsafe_allow_html=True)
-        elif "کمی خوب" in review_result:
-            final_prompt = f"""
-             لطفاً برای سوال زیر پاسخی حرفه‌ای، دقیق و روان تولید کن که مرتبط و معتبر باشد. از زبانی جز فارسی استفاده نکن و بیا هم از سوال هم دیتای زیر و هم از پاسخ  استفاده کن و پاسخ مناسبی بنویس  :
+            # بررسی مرتبط بودن پاسخ با سؤال
+            review_prompt = f"""
+            لطفاً بررسی کن که آیا پاسخ زیر، حدودا  به سوال زیر پاسخ داده است یا خیر یعنی  کلمات  کلیدی اصلی در سوال در پاسخ هست یا ن . اگر پاسخ به سوال مرتبط، درست و قابل قبول است، فقط بنویس: 'تأیید شدواگر کمی مربوط بود بنویس: 'کمی خوب''.
+            اگر پاسخ اشتباه است یا هیچ ربطی به سوال ندارد، فقط بنویس: 'نیاز به اصلاح دارد'.
             سوال:
             {query}
             پاسخ:
-            {review_result}
-            دیتا:
             {rewritten}
             """
-            new_1response = llm([
-                SystemMessage(content="You are a helpful assistant."),
-                HumanMessage(content=final_prompt)
-            ])
-            final_answer1 = new_1response.content.strip()
-            final_answer1 = clean_text(final_answer1)
-            st.markdown(f'<div class="chat-message">{final_answer1}</div>', unsafe_allow_html=True)
-        else:
-            final_prompt = f"""
-            لطفاً برای سوال زیر پاسخی حرفه‌ای، دقیق و روان تولید کن که مرتبط و معتبر باشد. از زبانی جز فارسی استفاده نکن :
-            سوال:
-            {query}
-            """
-            new_response = llm([
+            review_response = llm([
                 SystemMessage(content="You are a helpful assistant."),
-                HumanMessage(content=final_prompt)
+                HumanMessage(content=review_prompt)
             ])
-            final_answer = new_response.content.strip()
-            final_answer = clean_text(final_answer)
-            st.markdown(f'<div class="chat-message">{final_answer}</div>', unsafe_allow_html=True)
+            review_result = review_response.content.strip()
+            if "تأیید شد" in review_result:
+                rewritten = clean_text(rewritten)
+                st.markdown(f'<div class="chat-message">{rewritten}</div>', unsafe_allow_html=True)
+            elif "کمی خوب" in review_result:
+                final_prompt = f"""
+                 لطفاً برای سوال زیر پاسخی حرفه‌ای، دقیق و روان تولید کن که مرتبط و معتبر باشد. از زبانی جز فارسی استفاده نکن و بیا هم از سوال هم دیتای زیر و هم از پاسخ  استفاده کن و پاسخ مناسبی بنویس  :
+                سوال:
+                {query}
+                پاسخ:
+                {review_result}
+                دیتا:
+                {rewritten}
+                """
+                new_1response = llm([
+                    SystemMessage(content="You are a helpful assistant."),
+                    HumanMessage(content=final_prompt)
+                ])
+                final_answer1 = new_1response.content.strip()
+                final_answer1 = clean_text(final_answer1)
+                st.markdown(f'<div class="chat-message">{final_answer1}</div>', unsafe_allow_html=True)
+
+            else:
+                final_prompt = f"""
+                لطفاً برای سوال زیر پاسخی حرفه‌ای، دقیق و روان تولید کن که مرتبط و معتبر باشد. از زبانی جز فارسی استفاده نکن :
+                سوال:
+                {query}
+                """
+                new_response = llm([
+                    SystemMessage(content="You are a helpful assistant."),
+                    HumanMessage(content=final_prompt)
+                ])
+                final_answer = new_response.content.strip()
+                final_answer = clean_text(final_answer)
+                st.markdown(f'<div class="chat-message">{final_answer}</div>', unsafe_allow_html=True)
 
             think.empty()
             found = True
@@ -635,4 +623,4 @@ if query:
         rewritten = response.content.strip()
         rewritten = clean_text(rewritten)
         st.markdown(f'<div class="chat-message">{rewritten}</div>', unsafe_allow_html=True)
-        think.empty()
+        think.empty()