Update app.py

app.py

@@ -4,40 +4,43 @@ from sentence_transformers import SentenceTransformer
 from transformers import pipeline
 from pinecone import Pinecone
 
-# بارگذاری کلیدهای محرمانه
+# بارگذاری کلیدها
 PINECONE_API_KEY = os.environ.get("PINECONE_API_KEY")
 INDEX_NAME = os.environ.get("INDEX_NAME")
 
-# مدل embedding با دایمنشن 384
+# مدل برداری با dimension = 384
 embedder = SentenceTransformer("sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2")
 
-# مدل تولید متن فارسی
+# مدل زبان فارسی
 generator = pipeline("text-generation", model="HooshvareLab/gpt2-fa")
 
 # اتصال به Pinecone
 pc = Pinecone(api_key=PINECONE_API_KEY)
 index = pc.Index(INDEX_NAME)
 
-# لیست خوش‌آمدگویی
-greetings = ["سلام", "سلام وقت بخیر", "درود", "خسته نباشید", "سلام خوبی؟", "سلام عزیز"]
+# پیام‌های خوش‌آمد
+greetings = ["سلام", "سلام وقت بخیر", "درود", "خسته نباشید", "سلام عزیز", "سلام خوبی؟"]
 
-# تابع اصلی
+# تابع چت
 def rag_chatbot(message, history):
     if message.strip() in greetings:
         return "سلام! چطور می‌تونم کمکتون کنم؟ 😊"
 
     try:
+        # تبدیل سوال به بردار
         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."
 
-        context = "\n".join([m['metadata'].get("پاسخ", "") for m in result['matches'] if m['score'] > 0.7])
+        # واکشی پاسخ‌ها از metadata
+        context = "\n".join([m['metadata'].get("answer", "") for m in result['matches'] if m['score'] > 0.7])
 
         if not context.strip():
             return "متأسفم، اطلاعات کافی در این زمینه ندارم. لطفاً با ما تماس بگیرید."
 
+        # ساخت پرامپت برای مدل
         prompt = f"""اطلاعات زیر را بخوان و فقط بر اساس همین اطلاعات پاسخ بده.
 اگر جواب در اطلاعات نبود، بگو اطلاعی ندارم.
 
@@ -56,13 +59,13 @@ def rag_chatbot(message, history):
         return answer
 
     except Exception as e:
-        return f"🚫 خطا در پردازش: {str(e)}"
+        return f"🚫 خطا در پاسخ‌دهی: {str(e)}"
 
-# رابط کاربری Gradio
+# رابط Gradio
 chat_ui = gr.ChatInterface(
     fn=rag_chatbot,
     title="🤖 چت‌بات هوشمند تیام (نسخه RAG)",
-    description="پاسخ‌گویی ترکیبی با داده‌های شرکت + تولید متن طبیعی هوشمند",
+    description="پاسخ‌گویی ترکیبی از اطلاعات شرکت و تولید هوشمند متن",
     theme="soft",
 )