fitlemon commited on
Commit
79cbf11
·
verified ·
1 Parent(s): b77f752

Update app.py

Browse files
Files changed (1) hide show
  1. app.py +20 -18
app.py CHANGED
@@ -1,5 +1,6 @@
1
  import os
2
  import gradio as gr
 
3
  from datasets import load_dataset, concatenate_datasets
4
  from langchain.docstore.document import Document
5
  from langchain.vectorstores import FAISS
@@ -67,31 +68,32 @@ def update_faiss_index():
67
 
68
 
69
  # Если индекс ещё не создан, обновляем его, иначе загружаем существующий
70
- if not os.path.exists(INDEX_PATH):
71
- db = update_faiss_index()
72
- else:
73
- db = FAISS.load_local(INDEX_PATH, embeddings, allow_dangerous_deserialization=True)
74
- print("Загружен существующий FAISS индекс из:", INDEX_PATH)
75
-
76
 
 
77
  def retrieve_articles(query):
78
  """
79
  Принимает запрос пользователя, ищет в FAISS-индексе топ-3 наиболее релевантных документа
80
  и возвращает отформатированный результат в Markdown.
81
  """
82
  # Поиск по индексу: возвращает список из документов
83
- results = db.similarity_search(query, k=3)
84
-
85
- # Форматируем результаты для вывода
86
- result_text = ""
87
- for doc in results:
88
- result_text += (
89
- f"### Статья {doc.metadata['section']}: {doc.metadata['section_name']}\n"
90
- )
91
- result_text += f"**Глава:** {doc.metadata['chapter_name']}\n\n"
92
- result_text += f"**Текст статьи:**\n{doc.page_content}\n\n"
93
- result_text += "---\n\n"
94
- return result_text
 
95
 
96
 
97
  # Создаём Gradio-интерфейс
 
1
  import os
2
  import gradio as gr
3
+ import spaces
4
  from datasets import load_dataset, concatenate_datasets
5
  from langchain.docstore.document import Document
6
  from langchain.vectorstores import FAISS
 
68
 
69
 
70
  # Если индекс ещё не создан, обновляем его, иначе загружаем существующий
71
+ # if not os.path.exists(INDEX_PATH):
72
+ # db = update_faiss_index()
73
+ # else:
74
+ # db = FAISS.load_local(INDEX_PATH, embeddings, allow_dangerous_deserialization=True)
75
+ # print("Загружен существующий FAISS индекс из:", INDEX_PATH)
 
76
 
77
+ @spaces.GPU
78
  def retrieve_articles(query):
79
  """
80
  Принимает запрос пользователя, ищет в FAISS-индексе топ-3 наиболее релевантных документа
81
  и возвращает отформатированный результат в Markdown.
82
  """
83
  # Поиск по индексу: возвращает список из документов
84
+ # results = db.similarity_search(query, k=3)
85
+
86
+ # # Форматируем результаты для вывода
87
+ # result_text = ""
88
+ # for doc in results:
89
+ # result_text += (
90
+ # f"### Статья {doc.metadata['section']}: {doc.metadata['section_name']}\n"
91
+ # )
92
+ # result_text += f"**Глава:** {doc.metadata['chapter_name']}\n\n"
93
+ # result_text += f"**Текст статьи:**\n{doc.page_content}\n\n"
94
+ # result_text += "---\n\n"
95
+ # return result_text
96
+ return "### Hello World"
97
 
98
 
99
  # Создаём Gradio-интерфейс