Update app.py

app.py

@@ -1,51 +1,72 @@
 import os
-import tempfile
 import shutil
-import chromadb
+import gradio as gr
+
 from langchain_community.document_loaders import PyPDFLoader
-from langchain_community.vectorstores import Chroma
-from langchain_community.embeddings import HuggingFaceEmbeddings
+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
-import gradio as gr
 
-DB_DIR = "chroma_db"
-os.makedirs(DB_DIR, exist_ok=True)
+# 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}"
 
-def load_and_index_pdf(pdf_file):
-    with tempfile.TemporaryDirectory() as tmpdir:
-        pdf_path = os.path.join(tmpdir, pdf_file.name)
-        shutil.copy(pdf_file.name, pdf_path)
-        loader = PyPDFLoader(pdf_path)
-        documents = loader.load_and_split()
-        embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/all-MiniLM-L6-v2")
-        vectordb = Chroma.from_documents(documents, embedding=embeddings, persist_directory=DB_DIR)
-        vectordb.persist()
-    return "✅ PDF تمت معالجته بنجاح! يمكنك الآن طرح الأسئلة."
+# متغير عالمي للاحتفاظ بالسلسلة
+qa_chain = None
 
+# الدالة التي تجيب على السؤال
 def answer_question(question):
-    if not os.path.exists(DB_DIR) or not os.listdir(DB_DIR):
-        return "❌ الرجاء رفع ملف PDF أولًا."
-    embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/all-MiniLM-L6-v2")
-    vectordb = Chroma(persist_directory=DB_DIR, embedding_function=embeddings)
-    retriever = vectordb.as_retriever()
-    llm = HuggingFaceHub(repo_id="mistralai/Mistral-7B-Instruct-v0.2", model_kwargs={"temperature": 0.5, "max_new_tokens": 512})
-    qa = RetrievalQA.from_chain_type(llm=llm, chain_type="stuff", retriever=retriever)
-    return qa.run(question)
-
-with gr.Blocks() as demo:
-    gr.Markdown("## 🤖 Smart PDF Assistant - مساعدك الذكي في قراءة وفهم ملفات PDF")
-    
-    with gr.Tab("📁 تحميل PDF"):
-        pdf_input = gr.File(label="ارفع ملف PDF", file_types=[".pdf"])
-        upload_output = gr.Textbox(label="حالة المعالجة")
-        upload_btn = gr.Button("📄 معالجة الملف")
-        upload_btn.click(fn=load_and_index_pdf, inputs=pdf_input, outputs=upload_output)
-
-    with gr.Tab("❓ اسأل سؤالك"):
-        question = gr.Textbox(label="اكتب سؤالك هنا")
-        answer = gr.Textbox(label="الإجابة", lines=5)
-        ask_btn = gr.Button("🔍 إرسال السؤال")
-        ask_btn.click(fn=answer_question, inputs=question, outputs=answer)
-
-demo.launch()
+    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()