Update app.py

app.py

@@ -41,24 +41,26 @@ for item in root.findall('item'):
         item_info = (stockAmount, price)
         products.append((name, item_info, full_name))
 
-# Ortam değişkeninde "hfapi" tanımlı; repo oluşturuluyor.
+# Ortam değişkeninde "hfapi" tanımlı; tokenimizi alıyoruz.
 hfapi = os.getenv("hfapi")
 if not hfapi:
     raise ValueError("hfapi ortam değişkeni ayarlanmamış!")
 
-# Ana Space için repo oluşturuluyor (repo adı "BF") ve log commitleri için ayrı bir repo ("BF-logs", repo_type="model")
+# Ana Space için repo oluşturuluyor (repo adı "BF")
 create_repo("BF", token=hfapi, repo_type="space", space_sdk="gradio", exist_ok=True)
-create_repo("BF-logs", token=hfapi, repo_type="model", exist_ok=True)
+# Log commitleri için ayrı bir repo oluşturuluyor; repo id'yi tam olarak belirtelim:
+REPO_ID_LOGS = "SamiKoen/BF-logs"
+create_repo(REPO_ID_LOGS, token=hfapi, repo_type="model", exist_ok=True)
 
 def upload_logs_to_hf(repo_id: str, hf_token: str, local_log_file: str = "chat_logs.txt", repo_type: str = "model"):
     """
     Log dosyasını HF Hub'daki ayrı bir repository'ye yükler.
     
     Args:
-        repo_id (str): Log repository kimliği (örn. "SamiKoen/BF-logs").
+        repo_id (str): Log repository tam id'si (örn. "SamiKoen/BF-logs").
         hf_token (str): HF API token'ınız.
         local_log_file (str): Yüklenecek log dosyasının yolu.
-        repo_type (str): Repository tipi. (Burada "model" kullanıyoruz.)
+        repo_type (str): Repository tipi ("model" kullanıyoruz).
     """
     api = HfApi(token=hf_token)
     try:
@@ -75,9 +77,9 @@ def upload_logs_to_hf(repo_id: str, hf_token: str, local_log_file: str = "chat_l
 
 def predict(system_msg, inputs, top_p, temperature, chat_counter, chatbot=None, history=None):
     """
-    Her Enter'a basıldığında çalışır; 
-    kullanıcı mesajı log dosyasına yazılır, bot yanıtı tamamlandığında log dosyasına eklenir 
-    ve tüm mesajlar HF Hub'daki log repo'suna yüklenir.
+    Her Enter'a basıldığında çalışır. Kullanıcı mesajı dosyaya yazılır,
+    bot yanıtı tamamlandığında log dosyasına eklenir ve ardından log dosyası
+    HF Hub'daki log deposuna yüklenir.
     """
     if chatbot is None:
         chatbot = []
@@ -175,8 +177,8 @@ def predict(system_msg, inputs, top_p, temperature, chat_counter, chatbot=None,
         yield chat, history, chat_counter
 
     print(f"Son chatbot durumu: {chatbot}")
-    # Tüm streaming tamamlandıktan sonra log dosyası otomatik olarak HF Hub'daki log repo'suna yüklenir.
-    upload_logs_to_hf("BF-logs", hfapi, local_log_file=LOG_FILE, repo_type="model")
+    # Streaming tamamlandıktan sonra log dosyasını ayrı log deposuna yükle (Space'i etkilemeden)
+    upload_logs_to_hf(REPO_ID_LOGS, hfapi, local_log_file=LOG_FILE, repo_type="model")
     return chatbot, history, chat_counter
 
 def reset_textbox():
@@ -245,7 +247,6 @@ with gr.Blocks(css=demo_css, theme=theme) as demo:
             )
             with gr.Column(elem_classes="fixed_button_container"):
                 send_button = gr.Button(value="Gönder", elem_id="send_button")
-                # Kayıt Et butonu kaldırıldı.
         
         state = gr.State([])
         
@@ -255,9 +256,9 @@ with gr.Blocks(css=demo_css, theme=theme) as demo:
             chat_counter = gr.Number(value=0, visible=False, precision=0)
         
         # Hem Enter hem de Gönder butonuna basıldığında predict çalışıyor.
-        inputs.submit(predict, [system_msg, inputs, top_p, temperature, chat_counter, chatbot, state], [chatbot, state, chat_counter])
+        inputs.submit(predict, [system_msg, inputs, top_p, temperature, chat_counter, chatbot, gr.State([])], [chatbot, gr.State([]), chat_counter])
         inputs.submit(reset_textbox, [], [inputs])
-        send_button.click(predict, [system_msg, inputs, top_p, temperature, chat_counter, chatbot, state], [chatbot, state, chat_counter])
+        send_button.click(predict, [system_msg, inputs, top_p, temperature, chat_counter, chatbot, gr.State([])], [chatbot, gr.State([]), chat_counter])
         send_button.click(reset_textbox, [], [inputs])
 
 demo.queue(max_size=10).launch(debug=True)