app.py

import streamlit as st
import json
import os
from sentence_transformers import SentenceTransformer, util
import torch
from huggingface_hub import InferenceClient

# Load the Hugging Face token from environment variable
HF_TOKEN = os.environ.get("HF_TOKEN")
if not HF_TOKEN:
    raise ValueError("HF_TOKEN environment variable is not set. Please set it before running the application.")

# Load the processed legal code data
@st.cache_resource
def load_data(file_path):
    with open(file_path, 'r', encoding='utf-8') as f:
        return json.load(f)

# Initialize the sentence transformer model
@st.cache_resource
def load_model():
    return SentenceTransformer('distiluse-base-multilingual-cased-v1')

def generate_keywords(query):
    client = InferenceClient(token=HF_TOKEN)
    
    prompt = f"Na podstawie poniższego pytania, wygeneruj 3-5 słów kluczowych, które najlepiej opisują główne tematy i koncepcje prawne zawarte w pytaniu. Podaj tylko słowa kluczowe, oddzielone przecinkami.\n\nPytanie: {query}\n\nSłowa kluczowe:"
    
    response = client.text_generation(
        model="Qwen/Qwen2.5-72B-Instruct",
        prompt=prompt,
        max_new_tokens=50,
        temperature=0.3,
        top_p=0.9
    )
    
    keywords = [keyword.strip() for keyword in response.split(',')]
    return keywords

def search_relevant_chunks(keywords, chunks, model, top_k=3):
    keyword_embedding = model.encode(keywords, convert_to_tensor=True)
    chunk_embeddings = model.encode([chunk['text'] for chunk in chunks], convert_to_tensor=True)
    
    cos_scores = util.pytorch_cos_sim(keyword_embedding, chunk_embeddings)
    top_results = torch.topk(cos_scores.mean(dim=0), k=top_k)
    
    return [chunks[idx] for idx in top_results.indices]

def generate_ai_response(query, relevant_chunks):
    client = InferenceClient(token=HF_TOKEN)
    
    context = "Kontekst prawny:\n\n"
    for chunk in relevant_chunks:
        context += f"{chunk['metadata']['nazwa']} - Artykuł {chunk['metadata']['article']}:\n"
        context += f"{chunk['text']}\n\n"

    prompt = f"Jesteś asystentem prawniczym. Odpowiedz na poniższe pytanie na podstawie podanego kontekstu prawnego.\n\nKontekst: {context}\n\nPytanie: {query}\n\nOdpowiedź:"

    response = client.text_generation(
        model="Qwen/Qwen2.5-72B-Instruct",
        prompt=prompt,
        max_new_tokens=2048,
        temperature=0.5,
        top_p=0.7
    )
    
    return response

def main():
    st.title("Chatbot Prawny z AI")

    # Load data and model
    data_file = "processed_kodeksy.json"
    if not os.path.exists(data_file):
        st.error(f"Plik {data_file} nie istnieje. Najpierw przetwórz dane kodeksów.")
        return

    chunks = load_data(data_file)
    model = load_model()

    # Initialize chat history
    if "messages" not in st.session_state:
        st.session_state.messages = []

    # Display chat history
    for message in st.session_state.messages:
        with st.chat_message(message["role"]):
            st.markdown(message["content"])

    # User input
    if prompt := st.chat_input("Zadaj pytanie dotyczące prawa..."):
        st.session_state.messages.append({"role": "user", "content": prompt})
        with st.chat_message("user"):
            st.markdown(prompt)

        # Generate keywords and search for relevant chunks
        with st.spinner("Analizuję pytanie i szukam odpowiednich informacji..."):
            keywords = generate_keywords(prompt)
            relevant_chunks = search_relevant_chunks(keywords, chunks, model)

        # Generate AI response
        with st.chat_message("assistant"):
            message_placeholder = st.empty()
            full_response = generate_ai_response(prompt, relevant_chunks)
            message_placeholder.markdown(full_response)
        
        st.session_state.messages.append({"role": "assistant", "content": full_response})

    # Sidebar for additional options
    with st.sidebar:
        st.subheader("Opcje")
        if st.button("Wyczyść historię czatu"):
            st.session_state.messages = []
            st.experimental_rerun()

        st.subheader("Informacje o bazie danych")
        st.write(f"Liczba chunków: {len(chunks)}")
        st.write(f"Przykładowy chunk:")
        st.json(chunks[0] if chunks else {})

if __name__ == "__main__":
    main()