Upload app.py

app.py

@@ -1,92 +1,36 @@
-import gradio as gr
+# app.py
 from sentence_transformers import SentenceTransformer
-from transformers import GPT2Tokenizer, GPT2LMHeadModel
 from pinecone import Pinecone
+import json
+import gradio as gr
 
-# ===============================
-# 🌐 اتصال به Pinecone
-# ===============================
-PINECONE_API_KEY = "pcsk_6p6AmJ_Qua4tQN69badNHEGZTj3tt5Bd7LiyiDGcXDj92LxSaBzK2ypYxTRx2rafTEJhjL"
-PINECONE_INDEX_NAME = "tiyam-chat"
-
-pc = Pinecone(api_key=PINECONE_API_KEY)
-index = pc.Index(PINECONE_INDEX_NAME)
+# بارگذاری مدل embedding
+model = SentenceTransformer('paraphrase-multilingual-MiniLM-L12-v2')
 
-# ===============================
-# 🔤 بارگذاری مدل embedding
-# ===============================
-embedding_model = SentenceTransformer('paraphrase-multilingual-MiniLM-L12-v2')
+# بارگذاری داده محلی برای نمایش اولیه (در صورت نیاز)
+with open("tiyam_qa_data.json", "r", encoding="utf-8") as f:
+    data = json.load(f)
 
-# ===============================
-# 🧠 بارگذاری مدل GPT-2 برای تولید پاسخ
-# ===============================
-gpt2_tokenizer = GPT2Tokenizer.from_pretrained("openai-community/gpt2")
-gpt2_model = GPT2LMHeadModel.from_pretrained("openai-community/gpt2")
+# اتصال به Pinecone
+pc = Pinecone(api_key="pcsk_6p6AmJ_Qua4tQN69badNHEGZTj3tt5Bd7LiyiDGcXDj92LxSaBzK2ypYxTRx2rafTEJhjL")  # 🔐 جایگزین کن با کلیدت
+index = pc.Index("tiyam-chat")  # ایندکس از قبل ساخته‌شده
 
-# ===============================
-# 🔍 بازیابی پاسخ از Pinecone
-# ===============================
+# تابع پاسخ‌گو
 def retrieve_answer(query, threshold=0.65, top_k=1):
-    query_embedding = embedding_model.encode([query])[0]
+    query_embedding = model.encode([query])[0]
     result = index.query(vector=query_embedding.tolist(), top_k=top_k, include_metadata=True)
 
     if result['matches'] and result['matches'][0]['score'] > threshold:
-        return result['matches'][0]['metadata'].get('answer', 'پاسخ یافت نشد')
+        print(f"📊 Similarity: {result['matches'][0]['score']:.3f}")
+        metadata = result['matches'][0]['metadata']
+        return metadata.get('answer', 'پاسخ یافت نشد')
     else:
-        return None
+        return "متأسفم، پاسخ دقیقی برای این سوال نداریم. لطفاً با ما تماس بگیرید."
 
-# ===============================
-# ✨ تولید پاسخ با GPT-2
-# ===============================
-def generate_response_with_gpt2(answer, user_question):
-    # ساخت پرامپت
-    prompt = f"پاسخ به سوال: {user_question} بر اساس اطلاعات: {answer}"
-    
-    # تبدیل پرامپت به توکن‌ها
-    input_ids = gpt2_tokenizer.encode(prompt, return_tensors="pt", truncation=True)
-    
-    # تولید خروجی از مدل GPT2
-    output_ids = gpt2_model.generate(input_ids, max_new_tokens=80, num_return_sequences=1, no_repeat_ngram_size=2, top_p=0.95, temperature=0.7)
-    
-    # تبدیل توکن‌ها به متن
-    generated_text = gpt2_tokenizer.decode(output_ids[0], skip_special_tokens=True)
-    
-    return generated_text
-
-# ===============================
-# ✨ تولید پاسخ نهایی
-# ===============================
-def final_answer(user_question):
-    # ابتدا پاسخ را از Pinecone جستجو می‌کنیم
-    answer = retrieve_answer(user_question)
-    
-    if answer:
-        # اگر پاسخی از Pinecone پیدا شد، آن را به GPT2 بدهیم برای تولید پاسخ طبیعی
-        return generate_response_with_gpt2(answer, user_question)
-    else:
-        # اگر پاسخی از Pinecone یافت نشد، برای سوالات عمومی از GPT2 استفاده می‌کنیم
-        general_responses = {
-            "سلام": "سلام! خوش آمدید 😊",
-            "خوبی؟": "مرسی! حال شما چطور است؟",
-            "مرسی": "خواهش می‌کنم، در خدمت شما هستیم."
-        }
-        
-        for key, value in general_responses.items():
-            if key in user_question:
-                return value
-        
-        # اگر سوال عمومی نبود، از GPT2 برای تولید پاسخ طبیعی استفاده می‌کنیم
-        return generate_response_with_gpt2("", user_question)
+# رابط Gradio
+def chat_interface(question):
+    return retrieve_answer(question)
 
-# ===============================
-# 🎛️ رابط Gradio
-# ===============================
-demo = gr.Interface(
-    fn=final_answer,
-    inputs=gr.Textbox(lines=2, label="سؤال شما"),
-    outputs=gr.Textbox(label="پاسخ تیام"),
-    title="💬 چت‌بات هوشمند تیام",
-    description="سؤالات خود را از آژانس دیجیتال مارکتینگ تیام بپرسید. سیستم از ترکیب جستجوی دقیق و تولید پاسخ طبیعی استفاده می‌کند."
-)
+demo = gr.Interface(fn=chat_interface, inputs="text", outputs="text", title="چت‌بات تیام", description="سؤالات خود را از آژانس دیجیتال مارکتینگ تیام بپرسید.")
 
 demo.launch()