update guis

app.py

@@ -20,19 +20,29 @@ def load_vectorstore():
     return FAISS.from_documents(all_docs, embedding)
 
 with gr.Blocks() as demo:
-    gr.Markdown("### ⏳ Laddar dokument och språkmodell...")
+    status = gr.Markdown("🔄 Laddar modellen, vänta...")
+    
     vectorstore = load_vectorstore()
-    llm = pipeline("text-generation", model="tiiuae/falcon-rw-1b", device=-1)
-    llm = HuggingFacePipeline(pipeline=llm, model_kwargs={"temperature": 0.3, "max_new_tokens": 512})
+    llm_pipeline = pipeline("text-generation", model="tiiuae/falcon-rw-1b", device=-1)
+    llm = HuggingFacePipeline(pipeline=llm_pipeline, model_kwargs={"temperature": 0.3, "max_new_tokens": 512})
     qa_chain = RetrievalQA.from_chain_type(llm=llm, retriever=vectorstore.as_retriever())
 
+    status.update(value="✅ Klar! Du kan nu ställa frågor om dokumenten.")
+
     def chat_fn(message, history):
-        svar = qa_chain.run(message)
+        if len(message) > 1000:
+            return "⚠️ Din fråga är för lång (över 1000 tecken). Försök ställa en mer specifik fråga."
+        try:
+            svar = qa_chain.invoke({"query": message})
+        except Exception as e:
+            return f"Ett fel uppstod vid bearbetning av frågan: {str(e)}"
         return svar
 
-    chatbot = gr.ChatInterface(fn=chat_fn,
-                               title="🌟 Dokumentassistent (Svenska)",
-                               examples=["Vad handlar dokumentet om?", "Står det något om diabetes?", "Vilken åtgärd rekommenderas?"])
-    chatbot.render()
+    gr.ChatInterface(
+        fn=chat_fn,
+        title="🌟 Dokumentassistent (Svenska)",
+        chatbot=gr.Chatbot(type="messages"),
+        description="Hej! Jag är din dokumentassistent. Ställ en fråga baserat på innehållet i dina PDF-filer."
+    )
 
 demo.launch()