Update app.py

app.py

@@ -8,7 +8,7 @@ from typing import Optional
 
 # Configurazione logging
 logging.basicConfig(
-    level=logging.INFO,
+    level=logging.DEBUG,  # Livello di log aumentato per più dettagli
     format="%(asctime)s - %(levelname)s - %(message)s",
     handlers=[
         logging.FileHandler("app.log"),
@@ -63,7 +63,7 @@ def load_rdf_summary():
         return "Errore nel caricamento del file RDF."
 
 rdf_context = load_rdf_summary()
-logger.info(f"RDF Summary:\n{rdf_context}")
+logger.debug(f"RDF Summary:\n{rdf_context}")
 
 ####################################
 # Validazione SPARQL
@@ -92,14 +92,14 @@ def create_system_message(rdf_context: str) -> str:
     """
     return f"""
 Sei un'assistente esperta nella generazione di query SPARQL basate su un'ontologia RDF, nell'interpretazione dei risultati delle query SPARQL in risposte naturali, e nel fare chatting minimale con i visitatori. In base alla domanda dell'utente, devi decidere se:
-    
+
 1. Generare una query SPARQL per interrogare la base di conoscenza.
 2. Fornire una risposta naturale basata sui risultati di una query SPARQL.
 3. Rispondere con una risposta di chat minimale.
-    
+
 Ecco un riassunto dell'ontologia su cui devi lavorare:
 {rdf_context}
-    
+
 Regole TASSATIVE:
 1. Se la domanda richiede una query SPARQL, restituisci la query SPARQL come testo semplice.
 2. Se la domanda richiede l'interpretazione di risultati SPARQL, restituisci una risposta naturale basata sui risultati.
@@ -109,20 +109,28 @@ Regole TASSATIVE:
 5. NON generare alcun altro prefisso o URI inventato.
 6. Se non puoi rispondere con una query SPARQL valida, interpretare i risultati o fare chatting, scrivi:
    "Non posso generare una query SPARQL, interpretare i risultati o fare una risposta di chat per questa richiesta."
-    
+
 Esempi:
 - Domanda: "Quali sono le statue esposte del periodo medievale?"
   Risposta:
-  PREFIX base: <http://www.semanticweb.org/lucreziamosca/ontologies/2024/11/untitled-ontology-39/> SELECT ?statua WHERE {{ ?statua a base:Statua . ?statua base:Periodo_Storico "Medioevo" . }}
-    
+  PREFIX base: <http://www.semanticweb.org/lucreziamosca/ontologies/2024/11/untitled-ontology-39/> SELECT ?statua WHERE { ?statua a base:Statua . ?statua base:Periodo_Storico "Medioevo" . }
+
 - Domanda: "La query ha restituito 5 statue. Puoi descriverle?"
   Risposta:
   Ecco le 5 statue medievali trovate: Statua1, Statua2, Statua3, Statua4, Statua5.
-    
+
 - Domanda: "Ciao!"
   Risposta:
-  Ciao! Come posso aiutarti oggi?
-    
+  Ciao! Benvenuto al nostro museo. Come posso aiutarti oggi?
+
+- Domanda: "Qual è la tua opinione sull'arte moderna?"
+  Risposta:
+  L'arte moderna è un'espressione affascinante e varia che riflette le dinamiche sociali e culturali contemporanee.
+
+- Domanda: "Come funziona questa installazione?"
+  Risposta:
+  Questa installazione interattiva ti permette di esplorare diverse opere d'arte attraverso interazioni digitali. Basta avvicinarti e seguire le istruzioni sullo schermo.
+
 RISPONDI ESCLUSIVAMENTE CON IL FORMATO SPECIFICATO.
 """
 
@@ -144,7 +152,7 @@ async def call_model(messages, temperature=0.7, max_tokens=2048):
             stream=False
         )
         raw_text = response["choices"][0]["message"]["content"]
-        logger.info(f"Risposta del modello ricevuta: {raw_text}")
+        logger.debug(f"Risposta del modello ricevuta: {raw_text}")
         # Rimuoviamo eventuali newline per forzare la singola riga
         return raw_text.replace("\n", " ").strip()
     except Exception as e:
@@ -174,12 +182,12 @@ Mi hai fornito i seguenti risultati di una query SPARQL:
 
 Per favore, interpreta questi risultati e fornisci una risposta naturale ed enfatica come farebbe una guida museale femminile.
 """
-    
+
     messages = [
         {"role": "system", "content": interpret_prompt},
         {"role": "user", "content": ""}
     ]
-    
+
     logger.info("Invio dei risultati SPARQL al modello per l'interpretazione.")
     natural_response = await call_model(messages, temperature=0.7, max_tokens=2048)
     logger.info(f"Risposta interpretata ricevuta dal modello: {natural_response}")
@@ -199,7 +207,7 @@ class QueryRequest(BaseModel):
 async def generate_response(request: QueryRequest):
     user_msg = request.message
     logger.info(f"Ricevuta richiesta: {user_msg}")
-    
+
     # 1) Generazione della risposta (SPARQL, INTERPRET o CHAT)
     system_msg = create_system_message(rdf_context)
     messages = [
@@ -207,9 +215,9 @@ async def generate_response(request: QueryRequest):
         {"role": "user", "content": user_msg}
     ]
     response_text = await call_model(messages, request.temperature, request.max_tokens)
-    
+
     logger.info(f"Risposta generata dal modello: {response_text}")
-    
+
     # 2) Determinazione se la risposta è una query SPARQL
     if response_text.startswith("PREFIX base:"):
         sparql_query = response_text
@@ -246,4 +254,4 @@ async def generate_response(request: QueryRequest):
 
 @app.get("/")
 async def root():
-    return {"message": "Server attivo e pronto a generare risposte!"}
+    return {"message": "Server attivo e pronto a generare risposte!"}