Update app.py

app.py

@@ -1,41 +1,33 @@
-
 import gradio as gr
 from rag_utils import load_faiss_index, get_embedding_model, query_index, nettoyer_context, generate_answer
 
-# Chargement de l'index et du modèle d'embedding
+# Chargement des données
 index, documents = load_faiss_index()
 embedder = get_embedding_model()
 
-# Fonction de réponse avec gestion d'erreur
-def ask_edu_pilot(message, history):
+# Fonction pour traiter la question et générer une réponse
+def respond(message, history):
     try:
         context = query_index(message, index, documents, embedder)
         cleaned_context = nettoyer_context("\n".join(context))
         answer = generate_answer(message, cleaned_context)
-        return answer
+        history.append((message, answer))
+        return "", history
     except Exception as e:
-        print("Erreur lors de l'appel au modèle :", e)
-        return "😓 Le conseiller IA est temporairement indisponible. Merci de réessayer plus tard."
-
-# Message d'accueil dans le chat
-welcome_message = """👋 Bonjour ! Je suis **EduPilot**, ton conseiller IA.
-
-Pose-moi une question sur ton avenir scolaire, les filières, les écoles ou les métiers qui t'intéressent. 🎓"""
+        print("Erreur :", e)
+        history.append((message, "😓 Le conseiller IA est temporairement indisponible."))
+        return "", history
 
-# Interface Gradio stylisée
+# Interface Gradio
 with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="yellow")) as demo:
     gr.Markdown("# 🎓 EduPilot - Chatbot d'Orientation IA")
     gr.Markdown("👋 Bonjour ! Je suis **EduPilot**, ton conseiller IA.\n\nPose-moi une question sur ton avenir scolaire, les filières, les écoles ou les métiers qui t'intéressent.")
 
     chatbot = gr.Chatbot(label="Conseiller IA")
     msg = gr.Textbox(placeholder="Exemple : Que faire après un bac pro ?", show_label=False)
+    state = gr.State([])  # historique du chat
 
-    def respond(user_message, history):
-        context = query_index(user_message, index, documents, embedder)
-        cleaned = nettoyer_context("\n".join(context))
-        answer = generate_answer(user_message, cleaned)
-        return "", history + [[user_message, answer]]
-
-    msg.submit(respond, [msg, chatbot], [msg, chatbot])
+    msg.submit(respond, [msg, state], [msg, chatbot, state])
 
 demo.launch()
+