app.py

import os
import gradio as gr
from sentence_transformers import SentenceTransformer
from transformers import pipeline
from pinecone import Pinecone, ServerlessSpec

# بارگذاری مقادیر محرمانه
PINECONE_API_KEY = os.environ.get("PINECONE_API_KEY")
INDEX_NAME = os.environ.get("INDEX_NAME")

# مدل embedding
embedder = SentenceTransformer("sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2")

# مدل زبانی
generator = pipeline("text-generation", model="HooshvareLab/gpt2-fa")

# اتصال به پایگاه Pinecone
pc = Pinecone(api_key=PINECONE_API_KEY)
index = pc.Index(INDEX_NAME)

# تابع اصلی RAG
def rag_chatbot(message, history):
    # پاسخ‌های ساده
    greetings = ["سلام", "سلام وقت بخیر", "درود", "خسته نباشید"]
    if message.strip() in greetings:
        return "سلام! چطور می‌تونم کمکتون کنم؟ 😊"

    # بردارگیری
    query_vector = embedder.encode(message).tolist()
    result = index.query(vector=query_vector, top_k=3, include_metadata=True)

    # ساخت context از نتایج
    context = "\n".join([match['metadata'].get("پاسخ", "") for match in result['matches']])

    if not context.strip():
        return "متأسفم، اطلاعات کافی در این زمینه ندارم. لطفاً با ما تماس بگیرید."

    # ساخت پرامپت دقیق
    prompt = f"""اطلاعات زیر را بخوان و فقط بر اساس همین اطلاعات پاسخ بده.
اگر جواب در اطلاعات نبود، بگو اطلاعی ندارم.

اطلاعات:
{context}

سؤال: {message}
پاسخ:"""

    # تولید پاسخ
    response = generator(prompt, max_new_tokens=100, do_sample=True, temperature=0.7)[0]['generated_text']
    answer = response.split("پاسخ:")[-1].strip()

    if len(answer) < 3:
        return "متأسفم، پاسخ مشخصی برای این سوال ندارم."

    return answer

# رابط چت
chat_ui = gr.ChatInterface(
    fn=rag_chatbot,
    title="🤖 چت‌بات هوشمند تیام (نسخه RAG)",
    description="پاسخ‌گویی ترکیبی با داده‌های شرکت + تولید متن طبیعی هوشمند",
    theme="soft",
)

chat_ui.launch()