Update app.py

app.py

@@ -1,34 +1,15 @@
-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)
 
+    if not result['matches']:
+        return "متأسفم، پاسخی در پایگاه داده پیدا نکردم."
+
     # ساخت context از نتایج
     context = "\n".join([match['metadata'].get("پاسخ", "") for match in result['matches']])
 
@@ -53,13 +34,3 @@ def rag_chatbot(message, history):
         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()