Update app.py

app.py

@@ -9,20 +9,19 @@ from langchain.prompts import ChatPromptTemplate
 from langchain_community.llms import Ollama
 from datetime import datetime
 
-from func_ai import classify_comment, retrieve_from_vdb, analyze_sentiment, log_message as ai_log
+from func_ai import classify_comment, retrieve_from_vdb, analyze_sentiment
 from func_facebook import (
     get_page_id,
     has_page_replied,
     get_unanswered_comments,
     reply_comment,
     hide_negative_comments,
-    log_message as fb_log
+    log_message
 )
 
-# Инициализация переменных окружения
 VECTOR_API_URL = os.getenv('API_URL')
 
-def log_message(message):
+def log_message_app(message):
     timestamp = datetime.now().strftime('%Y-%m-%d %H:%M:%S')
     print(f"[{timestamp}] {message}")
 
@@ -46,21 +45,21 @@ Question: {input}
 """
 
 def delete_faiss_index():
-    log_message("Удаляем FAISS индекс.")
+    log_message_app("Удаляем FAISS индекс.")
     try:
         response = requests.delete(f"{VECTOR_API_URL}/delete_index/")
         if response.status_code == 200:
-            log_message("FAISS индекс успешно удален.")
+            log_message_app("FAISS индекс успешно удален.")
             return "FAISS успешно удален."
         else:
-            log_message(f"Ошибка при удалении FAISS индекса: {response.json().get('detail')}")
+            log_message_app(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}")
+        log_message_app(f"Ошибка при удалении FAISS индекса: {e}")
         return {"status": "error", "message": str(e)}
 
 def upload_file_vdb(file):
-    log_message("Загружаем файл")
+    log_message_app("Загружаем файл")
     API_URL = f"{VECTOR_API_URL}/upload/"
 
     file_path = file.name  # Получаем имя файла
@@ -71,7 +70,7 @@ def upload_file_vdb(file):
     try:
         with open(temp_path, 'wb') as f:
             f.write(file.read())
-        log_message(f"Файл сохранен во временное место: {temp_path}")
+        log_message_app(f"Файл сохранен во временное место: {temp_path}")
 
         # Отправляем файл в векторную базу данных
         with open(temp_path, 'rb') as f:
@@ -80,60 +79,60 @@ def upload_file_vdb(file):
 
         # Удаляем временный файл
         os.remove(temp_path)
-        log_message(f"Временный файл {temp_path} удален.")
+        log_message_app(f"Временный файл {temp_path} удален.")
 
         # Обработка ответа от сервера
         if response.status_code == 200:
-            log_message("Файл успешно загружен.")
+            log_message_app("Файл успешно загружен.")
             return "Файл успешно загружен."
         else:
-            log_message(f"Ошибка при загрузке файла: {response.json().get('detail')}")
+            log_message_app(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}")
+        log_message_app(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}")
+    log_message_app(f"Генерация ответа на запрос: {user_query}")
     prompt = ChatPromptTemplate.from_template(template)
 
     documents = retrieve_from_vdb(user_query)
     context = "\n".join(documents)
 
-    log_message(f"Контекст из базы данных: {context[:100]}...")
+    log_message_app(f"Контекст из базы данных: {context[:100]}...")
     full_prompt = prompt.format(context=context, input=user_query)
 
     try:
         response = llm.invoke(full_prompt)
-        log_message(f"Сгенерированный ответ: {response}")
+        log_message_app(f"Сгенерированный ответ: {response}")
         return response
     except Exception as e:
-        log_message(f"Ошибка при генерации ответа: {e}")
+        log_message_app(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.")
+    log_message_app("Начинаем процесс скрытия отрицательных комментариев.")
     hidden_comments_data = hide_negative_comments(ACCESS_TOKEN)
-    log_message(f"Количество постов с скрытыми комментариями: {len(hidden_comments_data)}")
+    log_message_app(f"Количество постов с скрытыми комментариями: {len(hidden_comments_data)}")
 
-    log_message("Получение неотвеченных комментариев.")
+    log_message_app("Получение неотвеченных комментариев.")
     posts_with_unanswered_comments = get_unanswered_comments(ACCESS_TOKEN)
 
     page_id = get_page_id(ACCESS_TOKEN)
     if not page_id:
-        log_message("Не удалось получить ID страницы.")
+        log_message_app("Не удалось получить ID страницы.")
         return {"status": "failed", "reason": "Не удалось получить ID страницы."}
 
-    log_message(f"ID страницы: {page_id}")
+    log_message_app(f"ID страницы: {page_id}")
 
     processed_posts = []
 
     # Инициализируем модель Ollama
     try:
         llm = Ollama(model="llama3.1")
-        log_message("Модель Ollama 'llama3.1' инициализирована.")
+        log_message_app("Модель Ollama 'llama3.1' инициализирована.")
     except Exception as e:
-        log_message(f"Ошибка инициализации модели Ollama: {e}")
+        log_message_app(f"Ошибка инициализации модели Ollama: {e}")
         return {"status": "failed", "reason": "Ошибка инициализации модели AI."}
 
     for post_data in posts_with_unanswered_comments:
@@ -145,12 +144,12 @@ def process_comments(ACCESS_TOKEN):
 
         for comment in unanswered_comments:
             message = comment['message']
-            log_message(f"Обработка комментария: {message}")
+            log_message_app(f"Обработка комментария: {message}")
             classification = classify_comment(message)
-            log_message(f"Классификация комментария: {classification}")
+            log_message_app(f"Классификация комментария: {classification}")
             if classification == "interrogative":
                 response_message = generate_response(message, llm)
-                log_message(f"Ответ на комментарий: {response_message}")
+                log_message_app(f"Ответ на комментарий: {response_message}")
                 success = reply_comment(comment_id=comment['id'], message=response_message, token=ACCESS_TOKEN)
                 if success:
                     post_replies.append({
@@ -171,9 +170,6 @@ 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"):
@@ -197,4 +193,5 @@ if __name__ == "__main__":
         debug=True,
         server_port=7860,
         server_name="0.0.0.0",
+        share=True  # Установите share=True для публичной ссылки, если необходимо
     )