app.py

import os
import gradio as gr
from pinecone import Pinecone, ServerlessSpec
from sentence_transformers import SentenceTransformer
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

# بارگیری توکن‌ها از محیط
HF_TOKEN = os.environ.get("HF_TOKEN")
PINECONE_API_KEY = os.environ.get("PINECONE_API_KEY")
PINECONE_INDEX_NAME = os.environ.get("PINECONE_INDEX_NAME")

# بررسی متغیرها
assert HF_TOKEN is not None, "❌ Hugging Face token missing!"
assert PINECONE_API_KEY is not None, "❌ Pinecone API key missing!"
assert PINECONE_INDEX_NAME is not None, "❌ Pinecone index name is missing!"

# بارگذاری مدل‌های مورد نیاز
embedding_model = SentenceTransformer("sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2", token=HF_TOKEN)
tokenizer = AutoTokenizer.from_pretrained("google/mt5-small", token=HF_TOKEN)
language_model = AutoModelForSeq2SeqLM.from_pretrained("google/mt5-small", token=HF_TOKEN)

# اتصال به Pinecone (نسخه جدید)
pc = Pinecone(api_key=PINECONE_API_KEY)
index = pc.Index(PINECONE_INDEX_NAME)

def get_similar_context(question, top_k=1):
    question_embedding = embedding_model.encode(question).tolist()
    results = index.query(vector=question_embedding, top_k=top_k, include_metadata=True)
    if results and results['matches']:
        return results['matches'][0]['metadata']['text']
    return ""

def generate_answer(question):
    context = get_similar_context(question)
    if context:
        prompt = f"پرسش: {question}\nاطلاعات مرتبط: {context}\nپاسخ:"
    else:
        prompt = f"پرسش: {question}\nپاسخ:"

    inputs = tokenizer(prompt, return_tensors="pt", padding=True, truncation=True)
    outputs = language_model.generate(**inputs, max_new_tokens=100)
    return tokenizer.decode(outputs[0], skip_special_tokens=True)

# رابط گرافیکی
gr.Interface(
    fn=generate_answer,
    inputs=gr.Textbox(label="سؤال خود را وارد کنید", placeholder="مثلاً خدمات سئو تیام شامل چیست؟"),
    outputs=gr.Textbox(label="پاسخ هوشمند"),
    title="🤖 چت‌بات هوشمند تیام",
    description="با استفاده از داده‌های اختصاصی، پاسخ هوشمندانه دریافت کنید."
).launch()