Update app.py

app.py

@@ -1,58 +1,55 @@
-import dspy, gradio as gr
+import dspy
+import gradio as gr
 import chromadb
 import fitz  # PyMuPDF
 from sentence_transformers import SentenceTransformer
 import json
 from dspy import Example, MIPROv2, Evaluate, evaluate
 
-# إعداد نموذج مفتوح المصدر
+# إعداد نموذج اللغة
 dspy.settings.configure(lm=dspy.LM("mistralai/Mistral-7B-Instruct-v0.2"))
 
-# إعداد Chroma بطريقة حديثة
+# إعداد قاعدة Chroma
 client = chromadb.PersistentClient(path="./chroma_db")
 col = client.get_or_create_collection(name="arabic_docs")
 
-# نموذج توليد embeddings يدعم العربية
+# نموذج embeddings يدعم العربية
 embedder = SentenceTransformer("sentence-transformers/LaBSE")
 
 # تقطيع النصوص من PDF
 def process_pdf(pdf_bytes):
     doc = fitz.open(stream=pdf_bytes, filetype="pdf")
     texts = []
-    for p in doc:
-        text = p.get_text()
+    for page in doc:
+        text = page.get_text()
         for chunk in text.split("\n\n"):
             if len(chunk.strip()) > 50:
                 texts.append(chunk.strip())
     return texts
 
-# إدخال النصوص في قاعدة Chroma
+# إدخال البيانات في Chroma
 def ingest(pdf_file):
-    if hasattr(pdf_file, "read"):
-        pdf_bytes = pdf_file.read()
-    else:
-        with open(pdf_file.name, "rb") as f:
-            pdf_bytes = f.read()
+    pdf_bytes = pdf_file  # لأننا استخدمنا type='binary'
     texts = process_pdf(pdf_bytes)
     embeddings = embedder.encode(texts, show_progress_bar=True)
     for i, (chunk, emb) in enumerate(zip(texts, embeddings)):
         col.add(ids=[f"chunk_{i}"], embeddings=[emb.tolist()], metadatas=[{"text": chunk}])
     return f"✅ تمت إضافة {len(texts)} مقطعاً."
 
-# استرجاع السياق من Chroma
+# استرجاع السياق
 def retrieve_context(question):
-    query_embedding = embedder.encode([question])[0]  # تحويل السؤال إلى embedding
-    results = col.query(query_embeddings=[query_embedding], n_results=3)
-    context_list = [m["text"] for m in results["metadatas"][0]]  # استخراج السياق من النتائج
+    embedding = embedder.encode([question])[0]
+    results = col.query(query_embeddings=[embedding.tolist()], n_results=3)
+    context_list = [m["text"] for m in results["metadatas"][0]]
     return "\n\n".join(context_list)
 
-# توقيع RAG
+# توقيع وحدة RAG
 class RagSig(dspy.Signature):
     question: str = dspy.InputField()
     context: str = dspy.InputField()
     answer: str = dspy.OutputField()
 
-# وحدة DSPy
+# وحدة RAG
 class RagMod(dspy.Module):
     def __init__(self):
         super().__init__()
@@ -64,17 +61,17 @@ class RagMod(dspy.Module):
 
 model = RagMod()
 
-# توليد إجابة
+# توليد الإجابة
 def answer(question):
     out = model(question)
     return out.answer
 
-# تحميل بيانات تدريب/تقييم
+# تحميل مجموعة بيانات التدريب/التحقق
 def load_dataset(path):
     with open(path, "r", encoding="utf-8") as f:
         return [Example(**json.loads(l)).with_inputs("question") for l in f]
 
-# تحسين النموذج باستخدام MIPROv2
+# تحسين النموذج
 def optimize(train_file, val_file):
     global model
     trainset = load_dataset(train_file.name)
@@ -86,10 +83,10 @@ def optimize(train_file, val_file):
 
 # واجهة Gradio
 with gr.Blocks() as demo:
-    gr.Markdown("## 🧠 نظام RAG عربي باستخدام DSPy + نموذج مفتوح المصدر")
+    gr.Markdown("## 🧠 نظام RAG عربي باستخدام DSPy + ChromaDB + Mistral")
 
     with gr.Tab("📥 تحميل وتخزين"):
-        pdf_input = gr.File(label="ارفع ملف PDF", type="file")
+        pdf_input = gr.File(label="ارفع ملف PDF", type="binary")  # ← هنا التعديل
         ingest_btn = gr.Button("إضافة إلى قاعدة البيانات")
         ingest_out = gr.Textbox(label="نتيجة الإضافة")
         ingest_btn.click(ingest, inputs=pdf_input, outputs=ingest_out)