Update app.py

app.py

@@ -1,3 +1,5 @@
+# app.py
+
 import os
 import sys
 import time
@@ -5,21 +7,26 @@ import gradio as gr
 import requests
 from langchain.prompts import ChatPromptTemplate
 from langchain_community.llms import Ollama
-import subprocess
 from datetime import datetime
 
-from func_ai import classify_comment, retrieve_from_vdb, VECTOR_API_URL
-from func_facebook import get_page_id, has_page_replied, get_unanswered_comments, reply_comment, hide_negative_comments
+from func_ai import classify_comment, retrieve_from_vdb, analyze_sentiment, log_message as ai_log
+from func_facebook import (
+    get_page_id,
+    has_page_replied,
+    get_unanswered_comments,
+    reply_comment,
+    hide_negative_comments,
+    log_message as fb_log
+)
+
+# Инициализация переменных окружения
+VECTOR_API_URL = os.getenv('API_URL')
 
 def log_message(message):
     timestamp = datetime.now().strftime('%Y-%m-%d %H:%M:%S')
     print(f"[{timestamp}] {message}")
 
-# Wait for the server to start
-time.sleep(10)
-llm = Ollama(model="llama3.1")
-log_message("Модель Ollama 'llama3.1' инициализирована.")
-
+# Шаблон для генерации ответов
 template = """
 You are an assistant answering users' questions using the provided context. Your tasks:
 
@@ -40,37 +47,53 @@ Question: {input}
 
 def delete_faiss_index():
     log_message("Удаляем FAISS индекс.")
-    response = requests.delete(f"{VECTOR_API_URL}/delete_index/")
-    
-    if response.status_code == 200:
-        log_message("FAISS индекс успешно удален.")
-        return "Faiss успешно удален."
-    else:
-        log_message(f"Ошибка при удалении FAISS индекса: {response.json().get('detail')}")
-        return {"status": "error", "message": response.json().get("detail", "Ошибка при удалении FAISS индекса.")}
-
+    try:
+        response = requests.delete(f"{VECTOR_API_URL}/delete_index/")
+        if response.status_code == 200:
+            log_message("FAISS индекс успешно удален.")
+            return "FAISS успешно удален."
+        else:
+            log_message(f"Ошибка при удалении FAISS индекса: {response.json().get('detail')}")
+            return {"status": "error", "message": response.json().get("detail", "Ошибка при удалении FAISS индекса.")}
+    except Exception as e:
+        log_message(f"Ошибка при удалении FAISS индекса: {e}")
+        return {"status": "error", "message": str(e)}
 
 def upload_file_vdb(file):
     log_message("Загружаем файл")
     API_URL = f"{VECTOR_API_URL}/upload/"
 
-    file_path = file
+    file_path = file.name  # Получаем имя файла
     file_name = os.path.basename(file_path)
 
-    # Открываем файл в бинарном режиме
-    with open(file_path, 'rb') as f:
-        files = {'file': (file_name, f)}
-        response = requests.post(API_URL, files=files)
-
-    # Обработка ответа от сервера
-    if response.status_code == 200:
-        log_message("Файл успешно загружен.")
-        return "Файл успешно загружен."
-    else:
-        log_message(f"Ошибка при загрузке файла: {response.json().get('detail')}")
-        return f"Ошибка: {response.json().get('detail')}"
-
-def generate_response(user_query):
+    # Сохраняем загруженный файл во временное место
+    temp_path = f"/tmp/{file_name}"
+    try:
+        with open(temp_path, 'wb') as f:
+            f.write(file.read())
+        log_message(f"Файл сохранен во временное место: {temp_path}")
+
+        # Отправляем файл в векторную базу данных
+        with open(temp_path, 'rb') as f:
+            files = {'file': (file_name, f)}
+            response = requests.post(API_URL, files=files)
+
+        # Удаляем временный файл
+        os.remove(temp_path)
+        log_message(f"Временный файл {temp_path} удален.")
+
+        # Обработка ответа от сервера
+        if response.status_code == 200:
+            log_message("Файл успешно загружен.")
+            return "Файл успешно загружен."
+        else:
+            log_message(f"Ошибка при загрузке файла: {response.json().get('detail')}")
+            return f"Ошибка: {response.json().get('detail')}"
+    except Exception as e:
+        log_message(f"Ошибка при загрузке файла: {e}")
+        return f"Ошибка: {str(e)}"
+
+def generate_response(user_query, llm):
     log_message(f"Генерация ответа на запрос: {user_query}")
     prompt = ChatPromptTemplate.from_template(template)
 
@@ -80,9 +103,13 @@ def generate_response(user_query):
     log_message(f"Контекст ��з базы данных: {context[:100]}...")
     full_prompt = prompt.format(context=context, input=user_query)
 
-    response = llm.invoke(full_prompt)
-    log_message(f"Сгенерированный ответ: {response}")
-    return response
+    try:
+        response = llm.invoke(full_prompt)
+        log_message(f"Сгенерированный ответ: {response}")
+        return response
+    except Exception as e:
+        log_message(f"Ошибка при генерации ответа: {e}")
+        return "Извините, возникла ошибка при обработке вашего запроса."
 
 def process_comments(ACCESS_TOKEN):
     log_message("Начинаем процесс скрытия отрицательных комментариев.")
@@ -101,6 +128,14 @@ def process_comments(ACCESS_TOKEN):
 
     processed_posts = []
 
+    # Инициализируем модель Ollama
+    try:
+        llm = Ollama(model="llama3.1")
+        log_message("Модель Ollama 'llama3.1' инициализирована.")
+    except Exception as e:
+        log_message(f"Ошибка инициализации модели Ollama: {e}")
+        return {"status": "failed", "reason": "Ошибка инициализации модели AI."}
+
     for post_data in posts_with_unanswered_comments:
         post_id = post_data['post_id']
         post_message = post_data['post_message']
@@ -114,7 +149,7 @@ def process_comments(ACCESS_TOKEN):
             classification = classify_comment(message)
             log_message(f"Классификация комментария: {classification}")
             if classification == "interrogative":
-                response_message = generate_response(message)
+                response_message = generate_response(message, llm)
                 log_message(f"Ответ на комментарий: {response_message}")
                 success = reply_comment(comment_id=comment['id'], message=response_message, token=ACCESS_TOKEN)
                 if success:
@@ -136,6 +171,10 @@ def process_comments(ACCESS_TOKEN):
         "posts": processed_posts
     }
 
+def generate_response_interface(user_query, llm):
+    return generate_response(user_query, llm)
+
+# Создание интерфейса Gradio
 with gr.Blocks() as demo:
     with gr.Tab("Главная страница"):
         gr.Markdown("# Facebook Comment Filter")
@@ -145,7 +184,7 @@ with gr.Blocks() as demo:
         process_btn.click(process_comments, inputs=token_input, outputs=output_main)
 
     with gr.Tab("Загрузить данные"):
-        gr.Markdown("# Отправь excel файл")
+        gr.Markdown("# Отправь Excel файл")
         file_input = gr.File(label="Загрузите Excel файл (.xlsx)")
         output_second = gr.Text()
         second_page_btn = gr.Button("Отправить файл")