Update app.py

app.py

@@ -1,23 +1,24 @@
-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
+from dspy import Example, MIPROv2, evaluate
 
-# إعداد نموذج مفتوح المصدر
+# إعداد نموذج مفتوح المصدر (Mistral)
 dspy.settings.configure(lm=dspy.LM("mistralai/Mistral-7B-Instruct-v0.2"))
 
-# إعداد Chroma
+# إعداد ChromaDB
 client = chromadb.PersistentClient(path="./chroma_db")
 col = client.get_or_create_collection(name="arabic_docs")
 
-# نموذج توليد embeddings
+# نموذج التضمين LaBSE
 embedder = SentenceTransformer("sentence-transformers/LaBSE")
 
 # تقطيع النصوص من PDF
-def process_pdf(pdf_file):
-    doc = fitz.open(stream=pdf_file.read(), filetype="pdf")
+def process_pdf(pdf_bytes):
+    doc = fitz.open(stream=pdf_bytes, filetype="pdf")
     texts = []
     for p in doc:
         text = p.get_text()
@@ -26,46 +27,55 @@ def process_pdf(pdf_file):
                 texts.append(chunk.strip())
     return texts
 
-# إدخال النصوص في قاعدة Chroma
+# إدخال البيانات إلى Chroma
 def ingest(pdf_file):
     texts = process_pdf(pdf_file)
     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}])
+        col.add(
+            ids=[f"chunk_{i}"],
+            embeddings=[emb.tolist()],
+            metadatas=[{"text": chunk}]
+        )
     return f"✅ تمت إضافة {len(texts)} مقطعاً."
 
-# تعريف التوقيع
+# استرجاع السياق من Chroma
+def retrieve_context(query):
+    query_emb = embedder.encode([query])[0]
+    results = col.query(query_embeddings=[query_emb.tolist()], n_results=1)
+    context_list = [m["text"] for m in results["metadatas"]]
+    return context_list[0] if context_list else ""
+
+# توقيع 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__()
         self.predictor = dspy.Predict(RagSig)
 
     def forward(self, question):
-        query_embedding = embedder.encode([question])[0]
-        results = col.query(query_embeddings=[query_embedding], n_results=1)
-        context_list = [m["text"] for m in results["metadatas"][0]]  # ✅ تصحيح هنا
-        context = context_list[0] if context_list else ""
+        context = retrieve_context(question)
         return self.predictor(question=question, context=context)
 
+# إنشاء النموذج
 model = RagMod()
 
-# توليد إجابة
+# توليد الإجابة
 def answer(question):
     out = model(question)
     return out.answer
 
-# تحميل بيانات التدريب والتقييم
+# تحميل بيانات التدريب
 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)
@@ -82,8 +92,8 @@ with gr.Blocks() as demo:
     with gr.Tab("📥 تحميل وتخزين"):
         pdf_input = gr.File(label="ارفع ملف PDF", type="binary")
         ingest_btn = gr.Button("إضافة إلى قاعدة البيانات")
-        ingest_output = gr.Textbox()
-        ingest_btn.click(ingest, inputs=pdf_input, outputs=ingest_output)
+        ingest_result = gr.Textbox(label="النتيجة")
+        ingest_btn.click(ingest, inputs=pdf_input, outputs=ingest_result)
 
     with gr.Tab("❓ سؤال"):
         q = gr.Textbox(label="اكتب سؤالك بالعربية")