Delete app.py

app.py

@@ -1,72 +0,0 @@
-import os
-import shutil
-import gradio as gr
-
-from langchain_community.document_loaders import PyPDFLoader
-from langchain.text_splitter import RecursiveCharacterTextSplitter
-from langchain.vectorstores import Chroma
-from langchain.embeddings import HuggingFaceEmbeddings
-from langchain.chains import RetrievalQA
-from langchain_community.llms import HuggingFaceHub
-
-# إعداد مجلد الحفظ
-os.makedirs("docs", exist_ok=True)
-
-# نسخ آمن للملف لتفادي الخطأ
-def safe_copy(src_path, dst_folder="docs"):
-    filename = os.path.basename(src_path)
-    dst_path = os.path.join(dst_folder, filename)
-    if os.path.abspath(src_path) != os.path.abspath(dst_path):
-        shutil.copy(src_path, dst_path)
-    return dst_path
-
-# تحميل ومعالجة الملف
-def process_file(file):
-    try:
-        file_path = safe_copy(file.name)
-        loader = PyPDFLoader(file_path)
-        pages = loader.load_and_split()
-        text_splitter = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=200)
-        texts = text_splitter.split_documents(pages)
-        embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2")
-        db = Chroma.from_documents(texts, embeddings)
-        retriever = db.as_retriever(search_kwargs={"k": 3})
-        llm = HuggingFaceHub(repo_id="mistralai/Mistral-7B-Instruct-v0.2", model_kwargs={"temperature":0.5, "max_new_tokens":512})
-        qa_chain = RetrievalQA.from_chain_type(llm=llm, chain_type="stuff", retriever=retriever, return_source_documents=True)
-        return qa_chain, "تم تحميل الملف بنجاح، يمكنك الآن طرح الأسئلة."
-    except Exception as e:
-        return None, f"حدث خطأ: {e}"
-
-# متغير عالمي للاحتفاظ بالسلسلة
-qa_chain = None
-
-# الدالة التي تجيب على السؤال
-def answer_question(question):
-    if qa_chain is None:
-        return "الرجاء رفع ملف أولاً."
-    result = qa_chain({"query": question})
-    answer = result["result"]
-    sources = "\n".join([doc.metadata.get("source", "") for doc in result["source_documents"]])
-    return f"🔹 **الإجابة:**\n{answer}\n\n🔹 **المصدر:**\n{sources}"
-
-# واجهة Gradio
-with gr.Blocks(title="Smart PDF Assistant") as demo:
-    gr.Markdown("## 🤖 مساعد الكتب الذكي - Smart PDF Assistant")
-    file_input = gr.File(label="📄 ارفع ملف PDF", type="file")
-    upload_button = gr.Button("🔁 تحميل الملف ومعالجته")
-    status_output = gr.Textbox(label="📢 حالة التحميل", interactive=False)
-
-    question_input = gr.Textbox(label="❓ اكتب سؤالك هنا")
-    answer_output = gr.Markdown(label="📘 الإجابة")
-
-    def handle_upload(file):
-        global qa_chain
-        qa_chain, status = process_file(file)
-        return status
-
-    upload_button.click(fn=handle_upload, inputs=[file_input], outputs=[status_output])
-    question_input.submit(fn=answer_question, inputs=[question_input], outputs=[answer_output])
-
-# شغّل التطبيق
-if __name__ == "__main__":
-    demo.launch()