Create app.py

app.py

@@ -0,0 +1,185 @@
+# =============================================================================
+# DON'T STEAL THE FREE CODE OF DEVS! Use it for free an do not touch credits!
+# If you steal this code, in the future you will pay for apps like this!
+# A bit of respect goes a long way – all rights reserved under German law.
+# Copyright Volkan Kücükbudak https://github.com/volkansah
+# Repo URL: https://github.com/AiCodeCraft
+# =============================================================================
+
+import streamlit as st
+import os
+import json
+import datetime
+import openai
+from datetime import timedelta
+import logging
+from datasets import load_dataset, Dataset, concatenate_datasets
+
+# ------------------ Logging konfigurieren ------------------
+logging.basicConfig(
+    level=logging.INFO,
+    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s'
+)
+logger = logging.getLogger(__name__)
+
+# ------------------ Initialisierung ------------------
+def main():
+    logger.info("App-Initialisierung gestartet...")
+    
+    # ------------------ Hugging Face Token ------------------
+    try:
+        # Versuche zuerst aus Umgebungsvariablen zu laden
+        HF_TOKEN_MEMORY = os.getenv("HF_TOKEN_MEMORY", "")
+        
+        # Wenn nicht vorhanden, versuche aus st.secrets zu laden
+        if not HF_TOKEN_MEMORY:
+            try:
+                HF_TOKEN_MEMORY = st.secrets["HF_TOKEN_MEMORY"]
+                logger.info("Token aus Streamlit Secrets geladen")
+            except Exception as e:
+                logger.warning(f"Token nicht in Streamlit Secrets gefunden: {str(e)}")
+    except Exception as e:
+        logger.warning(f"Fehler beim Laden des Tokens: {str(e)}")
+        HF_TOKEN_MEMORY = ""
+
+    # Debug-Ausgabe (nur während der Entwicklung, später entfernen)
+    if HF_TOKEN_MEMORY:
+        # Nicht den vollständigen Token loggen!
+        token_preview = HF_TOKEN_MEMORY[:4] + "..." if len(HF_TOKEN_MEMORY) > 4 else "Ungültig"
+        logger.info(f"HF Token gefunden. Startet mit: {token_preview}")
+    else:
+        logger.warning("Kein HF Token gefunden!")
+        st.warning("⚠️ Hugging Face Token fehlt. Dataset-Funktionen werden nicht verfügbar sein.")
+    
+    # ------------------ Streamlit UI ------------------
+    st.title("AI Customer Support Agent with Memory 🛒")
+    st.caption("Chat with an assistant who remembers past interactions")
+
+    # OpenAI Key Eingabe
+    openai_api_key = st.text_input("Enter OpenAI API Key", type="password", key="openai_key")
+    if not openai_api_key:
+        st.warning("⚠️ API-Key benötigt")
+        st.stop()
+
+    openai.api_key = openai_api_key
+
+    # ------------------ Dataset Funktionen ------------------
+    # Korrekter Repository-Name
+    DATASET_REPO = "AiCodeCraft/customer_memory"  # Korrigiert von "AiCodeCarft"
+
+    @st.cache_resource
+    def load_memory_dataset():
+        """
+        Versucht, das Memory-Dataset vom HF Hub zu laden.
+        Falls nicht vorhanden, wird ein leeres Dataset erstellt und gepusht.
+        """
+        if not HF_TOKEN_MEMORY:
+            logger.warning("Kein HF Token vorhanden, verwende lokales Dataset")
+            # Einfaches lokales Dataset zurückgeben
+            return Dataset.from_dict({"user_id": [], "query": [], "response": [], "timestamp": []})
+        
+        try:
+            # Mit Token versuchen
+            logger.info(f"Versuche Dataset {DATASET_REPO} zu laden...")
+            ds = load_dataset(DATASET_REPO, split="train", token=HF_TOKEN_MEMORY)
+            logger.info(f"Dataset erfolgreich geladen mit {len(ds)} Einträgen.")
+            return ds
+        except Exception as e:
+            logger.warning(f"Fehler beim Laden des Datasets: {str(e)}")
+            
+            # Neues Dataset erstellen
+            logger.info("Erstelle neues Dataset...")
+            data = {"user_id": [], "query": [], "response": [], "timestamp": []}
+            ds = Dataset.from_dict(data)
+            
+            try:
+                # Dataset pushen
+                ds.push_to_hub(DATASET_REPO, token=HF_TOKEN_MEMORY)
+                logger.info("Neues Dataset erfolgreich erstellt und gepusht.")
+                return ds
+            except Exception as push_error:
+                logger.error(f"Fehler beim Pushen des Datasets: {str(push_error)}")
+                st.error("Konnte kein Dataset erstellen. Bitte überprüfe deine Berechtigungen.")
+                # Lokales Dataset zurückgeben
+                return ds
+
+    # ------------------ AI Agent Klasse ------------------
+    class CustomerSupportAIAgent:
+        def __init__(self):
+            self.memory = load_memory_dataset()
+
+        def handle_query(self, query, user_id):
+            # Memory abrufen
+            user_history = self.memory.filter(lambda x: x["user_id"] == user_id)
+            
+            # Kontext erstellen
+            context = "Previous interactions:\n" + "\n".join(
+                [f"Q: {h['query']}\nA: {h['response']}" 
+                 for h in user_history]
+            ) if len(user_history) > 0 else "No previous interactions"
+            
+            # API-Anfrage
+            response = openai.ChatCompletion.create(
+                model="gpt-3.5-turbo",
+                messages=[
+                    {"role": "system", "content": f"You are a support agent. Context:\n{context}"},
+                    {"role": "user", "content": query}
+                ]
+            )
+            
+            # Antwort verarbeiten
+            answer = response.choices[0].message.content
+            
+            # Memory aktualisieren mit Timestamp
+            current_time = datetime.datetime.now().isoformat()
+            new_entry = Dataset.from_dict({
+                "user_id": [user_id],
+                "query": [query],
+                "response": [answer],
+                "timestamp": [current_time]
+            })
+            
+            self.memory = concatenate_datasets([self.memory, new_entry])
+            
+            # Nur pushen, wenn Token vorhanden
+            if HF_TOKEN_MEMORY:
+                try:
+                    self.memory.push_to_hub(DATASET_REPO, token=HF_TOKEN_MEMORY)
+                    logger.info(f"Memory aktualisiert für User {user_id}")
+                except Exception as e:
+                    logger.error(f"Fehler beim Aktualisieren des Datasets: {str(e)}")
+                    st.warning("Konnte Conversation History nicht speichern, aber Antwort ist verfügbar.")
+            
+            return answer
+
+    # ------------------ App-Logik ------------------
+    support_agent = CustomerSupportAIAgent()
+
+    # Customer ID Handling
+    customer_id = st.sidebar.text_input("Customer ID", key="cust_id")
+    if not customer_id:
+        st.sidebar.error("Bitte Customer ID eingeben")
+        st.stop()
+
+    # Chat-History
+    if "messages" not in st.session_state:
+        st.session_state.messages = []
+
+    # Nachrichten anzeigen
+    for msg in st.session_state.messages:
+        st.chat_message(msg["role"]).write(msg["content"])
+
+    # Eingabe verarbeiten
+    if prompt := st.chat_input("Your question"):
+        st.session_state.messages.append({"role": "user", "content": prompt})
+        st.chat_message("user").write(prompt)
+        
+        with st.spinner("Denke nach..."):
+            response = support_agent.handle_query(prompt, customer_id)
+        
+        st.session_state.messages.append({"role": "assistant", "content": response})
+        st.chat_message("assistant").write(response)
+
+# ------------------ Hauptausführung ------------------
+if __name__ == "__main__":
+    main()