Update app.py

app.py

@@ -1,11 +1,11 @@
-from sentence_transformers import SentenceTransformer
-from pinecone import Pinecone
+import os
 import json
 import gradio as gr
-import os
 import openai
+from sentence_transformers import SentenceTransformer
+import pinecone
 
-# استفاده از متغیر محیطی 'openai' برای کلید API
+# بارگذاری کلید OpenAI از متغیر محیطی
 openai.api_key = os.getenv("openai")
 
 # بارگذاری مدل embedding
@@ -15,9 +15,20 @@ model = SentenceTransformer('paraphrase-multilingual-MiniLM-L12-v2')
 with open("tiyam_qa_data.json", "r", encoding="utf-8") as f:
     data = json.load(f)
 
+# دریافت مقادیر متغیرهای محیطی مربوط به Pinecone
+PINECONE_API_KEY = os.getenv("PINECONE_API_KEY")
+PINECONE_ENVIRONMENT = os.getenv("PINECONE_ENVIRONMENT", "us-west1-gcp")
+PINECONE_INDEX_NAME = os.getenv("PINECONE_INDEX_NAME", "tiyam-chat")
+
 # اتصال به Pinecone
-pc = Pinecone(api_key="PINECONE_API_KEY")  # کلید خودت رو اینجا بگذار
-index = pc.Index("tiyam-chat")
+pinecone.init(api_key=PINECONE_API_KEY, environment=PINECONE_ENVIRONMENT)
+
+# اگر ایندکس وجود نداشت بساز
+if PINECONE_INDEX_NAME not in pinecone.list_indexes():
+    pinecone.create_index(PINECONE_INDEX_NAME, dimension=384)  # بعد embedding مدل را وارد کنید
+
+# گرفتن ایندکس
+index = pinecone.Index(PINECONE_INDEX_NAME)
 
 def retrieve_answer(query, threshold=0.65, top_k=1):
     query_embedding = model.encode([query])[0]
@@ -49,7 +60,7 @@ def generate_human_response(context_text):
             max_tokens=100,
         )
         return response['choices'][0]['message']['content'].strip()
-    except Exception as e:
+    except Exception:
         return "خطا در پردازش درخواست."
 
 def chat_interface(question):