Update app.py

app.py

@@ -17,6 +17,11 @@ import string
 import io
 from datetime import datetime, timedelta
 import plotly.express as px
+from sklearn.feature_extraction.text import TfidfVectorizer
+from sklearn.metrics.pairwise import cosine_similarity
+from sentence_transformers import SentenceTransformer, util
+import numpy as np
+
 
 morph = pymorphy2.MorphAnalyzer()
 
@@ -30,7 +35,7 @@ TOGETHER_API_KEY = os.getenv('TOGETHER_API_KEY')
 client = Together(api_key=TOGETHER_API_KEY)
 
 # Авторизация в сервисе GigaChat
-chat_pro = GigaChat(credentials=gc_key, model='GigaChat-Pro', max_tokens=68, temperature=1, verify_ssl_certs=False)
+chat_pro = GigaChat(credentials=gc_key, model='GigaChat-Pro', max_tokens=68, temperature=1.15, verify_ssl_certs=False)
 chat_lite = GigaChat(credentials=gc_key, model='GigaChat', max_tokens=68, temperature=1.15, verify_ssl_certs=False)
 chat_plus = GigaChat(credentials=gc_key, model='GigaChat-Plus', max_tokens=68, temperature=1.15, verify_ssl_certs=False)
 
@@ -504,6 +509,25 @@ def correct_dash_usage(text):
     # Join the sentences back
     text = ' '.join(sentences)
 
+    def restore_yo(text):
+        morph = pymorphy2.MorphAnalyzer()
+        words = text.split()
+        restored_words = []
+        
+        for word in words:
+            parsed = morph.parse(word)[0]
+            restored_word = parsed.word
+            
+            # Сохраняем оригинальный регистр первой буквы
+            if word and word[0].isupper():
+                restored_word = restored_word.capitalize()
+            
+            restored_words.append(restored_word)
+        
+        return ' '.join(restored_words)
+
+    text = restore_yo(text)
+
     return text
 
 
@@ -692,20 +716,18 @@ def load_previous_user_request_from_github():
         return "", "", "", "", "", "", "", "", "", "", None, None, None, None, None, None
 
 
-def get_reference_message(gender, generation, psychotype, business_stage, industry, legal_form):
+def get_reference_message(current_description, gender, generation, psychotype, business_stage, industry, legal_form):
     import io
-
+    import numpy as np
+    from sentence_transformers import SentenceTransformer
     repo = "fruitpicker01/Storage_dev"
     file_path = "messages.csv"
-
     url = f"https://api.github.com/repos/{repo}/contents/{file_path}"
     headers = {
         "Authorization": f"token {token}",
         "Content-Type": "application/json"
     }
-
     response = requests.get(url, headers=headers)
-
     if response.status_code == 200:
         content = response.json()
         file_content = base64.b64decode(content['content'])
@@ -714,11 +736,9 @@ def get_reference_message(gender, generation, psychotype, business_stage, indust
         print(f"Error accessing the file: {response.status_code}")
         return None
 
-    # Нормализуем данные для корректного сравнения
     for col in ["Пол", "Поколение", "Психотип", "Стадия бизнеса", "Отрасль", "ОПФ"]:
         df[col] = df[col].astype(str).str.strip().str.lower()
 
-    # Нормализуем входные параметры
     params = {
         "Пол": str(gender).strip().lower() if gender else None,
         "Поколение": str(generation).strip().lower() if generation else None,
@@ -728,7 +748,8 @@ def get_reference_message(gender, generation, psychotype, business_stage, indust
         "ОПФ": str(legal_form).strip().lower() if legal_form else None
     }
 
-    # Формируем условия фильтрации
+    df = df[df["Комментарий"].isna() | (df["Комментарий"].str.strip() == '')]
+
     filter_conditions = []
     for col, value in params.items():
         if value and value.lower() != 'none':
@@ -738,7 +759,6 @@ def get_reference_message(gender, generation, psychotype, business_stage, indust
         print("Не заданы параметры персонализации.")
         return None
 
-    # Применяем фильтрацию
     filter_condition = filter_conditions[0]
     for condition in filter_conditions[1:]:
         filter_condition &= condition
@@ -749,25 +769,50 @@ def get_reference_message(gender, generation, psychotype, business_stage, indust
         print("Сообщения с заданными параметрами не найдены.")
         return None
 
-    # Сортируем по дате
-    filtered_df = filtered_df.sort_values(by="Timestamp", ascending=False)
+    if 'Описание предложения' not in filtered_df.columns:
+        print("Описание предложения отсутствует в данных.")
+        return None
+
+    filtered_df['Описание предложения'] = filtered_df['Описание предложения'].fillna('')
+
+    # Используем модель для получения эмбеддингов
+    model = SentenceTransformer('sergeyzh/rubert-tiny-turbo')
+    descriptions = filtered_df['Описание п��едложения'].tolist()
+    descriptions.insert(0, current_description)  # Добавляем текущее описание
+
+    embeddings = model.encode(descriptions)
+    cosine_similarities = cosine_similarity([embeddings[0]], embeddings[1:]).flatten()
+
+    # Находим максимальное косинусное сходство
+    max_similarity = cosine_similarities.max()
 
-    # Берем последнее сообщение
-    latest_row = filtered_df.iloc[0]
+    # Находим индексы с максимальным сходством
+    max_similarity_indices = np.where(cosine_similarities == max_similarity)[0]
 
-    # Получаем сообщение
-    if pd.notnull(latest_row.get("Откорректированное сообщение", None)) and latest_row["Откорректированное сообщение"].strip():
-        reference_message = latest_row["Откорректированное сообщение"]
+    # Получаем строки с максимальным сходством
+    similar_rows = filtered_df.iloc[max_similarity_indices]
+
+    # Обработка Timestamp
+    if 'Timestamp' not in similar_rows.columns:
+        print("Столбец 'Timestamp' отсутствует в данных.")
+        similar_row = similar_rows.iloc[0]
     else:
-        reference_message = latest_row.get("Персонализированное сообщение", "")
+        similar_rows = similar_rows.copy()
+        similar_rows['Timestamp'] = pd.to_numeric(similar_rows['Timestamp'], errors='coerce')
+        similar_rows = similar_rows.sort_values(by='Timestamp', ascending=False)
+        similar_row = similar_rows.iloc[0]
 
-    # Удаляем строку с количеством знаков
-    reference_message = re.sub(r'\n-{6,}\nКоличество знаков: \d+', '', reference_message).strip()
+    if pd.notnull(similar_row.get("Откорректированное сообщение", None)) and similar_row["Откорректированное сообщение"].strip():
+        reference_message = similar_row["Откорректированное сообщение"]
+    else:
+        reference_message = similar_row.get("Персонализированное сообщение", "")
 
+    reference_message = re.sub(r'\n-{6,}\nКоличество знаков: \d+', '', reference_message).strip()
     return reference_message
 
 
 def adapt_messages_to_best_example(
+    description,
     personalized_gigachat_pro,
     personalized_gigachat_lite,
     personalized_gigachat_plus,
@@ -786,7 +831,7 @@ def adapt_messages_to_best_example(
     legal_form = selected_values[5]
     
     # Получение эталонного сообщения (без изменений)
-    reference_message = get_reference_message(gender, generation, psychotype, business_stage, industry, legal_form)
+    reference_message = get_reference_message(description, gender, generation, psychotype, business_stage, industry, legal_form)
     
     if not reference_message:
         # Если эталонное сообщение не найдено
@@ -796,13 +841,14 @@ def adapt_messages_to_best_example(
         # Шаблон промпта (без изменений)
         prompt_template = (
             "Сообщение для адаптации:\n\"{personalized_message}\"\n\n"
-            "Эталонное сообщение:\n\"{reference_message}\"\n\n"
-            "Перепиши сообщение для адаптации, сохраняя его смысл, но используя стиль и построение предложений, максимально похожие на эталонное сообщение. НИ В КОЕМ СЛУЧАЕ НЕ ДОБАВЛЯЙ ИНФОРМАЦИЮ ИЗ ЭТАЛОННОГО СООБЩЕНИЯ.\n"
-            "Перед ответом убедись, что в твоем итоговом сообщении информация из сообщения для адаптации, а не из эталонного сообщения."
-            "Убедись, что итоговое сообщение максимально адаптировано под стиль и построение предложений эталонного сообщения."
-            "Убедись, что в итоговом сообщении есть следующая информация: \n\"{key_message}\"\n"
+            "Эталонное сообщение (НЕ ИСПОЛЬЗУЙ ФАКТЫ ИЛИ ДАННЫЕ ИЗ НИЖЕПРИВЕДЕННОГО СООБЩЕНИЯ):\n\"{reference_message}\"\n\n"
+            "1. Перепиши сообщение для адаптации, сохранив его смысл."
+            "2. Используй стиль, построение предложений и лексику, максимально похожие на эталонное сообщение."
+            "3. НЕ ДОБАВЛЯЙ факты, цифры, или ��юбую информацию из эталонного сообщения."
+            "4. Убедись, что итоговое сообщение содержит ТОЛЬКО информацию из сообщения для адаптации и адаптировано по стилю и структуре."
+            "5. Проверь, что итоговое сообщение включает следующую информацию: \n\"{key_message}\"\n"
         )
-        
+  
         # Инициализация пустых переменных для сообщений
         adapted_gigachat_pro = ""
         adapted_gigachat_lite = ""
@@ -866,7 +912,7 @@ def adapt_messages_to_best_example(
         yield adapted_gigachat_pro_display, adapted_gigachat_lite_display, adapted_gigachat_plus_display, adapted_gpt4o_display, adapted_meta_llama_405b_display
 
 
-def update_best_example_prompt(*selected_values):
+def update_best_example_prompt(description, *selected_values):
     # Extract personalization parameters
     gender = selected_values[0]
     generation = selected_values[1]
@@ -876,20 +922,24 @@ def update_best_example_prompt(*selected_values):
     legal_form = selected_values[5]
     
     # Retrieve the reference message
-    reference_message = get_reference_message(gender, generation, psychotype, business_stage, industry, legal_form)
+    reference_message = get_reference_message(description, gender, generation, psychotype, business_stage, industry, legal_form)
     
     if not reference_message:
         # No reference message found
         best_prompt = "Эталонное сообщение не найдено для выбранных параметров персонализации."
     else:
         best_prompt = (
-            f"Эталонное сообщение:\n\"{reference_message}\"\n\n"
-            "Перепиши сообщение для адаптации, сохраняя его смысл, но используя стиль и построение предложений, максимально похожие на эталонное сообщение. НИ В КОЕМ СЛУЧАЕ НЕ ДОБАВЛЯЙ ИНФОРМАЦИЮ ИЗ ЭТАЛОННОГО СООБЩЕНИЯ.\n"
-            "Перед ответом убедись, что в твоем итоговом сообщении информация из сообщения для адаптации, а не из эталонного сообщения."
-        )
+            "Эталонное сообщение (НЕ ИСПОЛЬЗУЙ ФАКТЫ ИЛИ ДАННЫЕ ИЗ НИЖЕПРИВЕДЕННОГО СООБЩЕНИЯ):\n\"{reference_message}\"\n\n"
+            "1. Перепиши сообщение для адаптации, сохранив его смысл.\n"
+            "2. Используй стиль, построение предложений и лексику, максимально похожие на эталонное сообщение.\n"
+            "3. НЕ ДОБАВЛЯЙ факты, цифры, или любую информацию из эталонного сообщения.\n"
+            "4. Убедись, что итоговое сообщение содержит ТОЛЬКО информацию из сообщения для адаптации и адаптировано по стилю и структуре."
+        ).format(reference_message=reference_message)
+
     return best_prompt
 
 def adapt_messages_and_perform_checks(
+    description_input,
     personalized_gigachat_pro,
     personalized_gigachat_lite,
     personalized_gigachat_plus,
@@ -900,6 +950,7 @@ def adapt_messages_and_perform_checks(
     *selected_values
 ):
     adaptation_generator = adapt_messages_to_best_example(
+        description_input,
         personalized_gigachat_pro,
         personalized_gigachat_lite,
         personalized_gigachat_plus,
@@ -965,7 +1016,7 @@ def generate_standard_prompt(description, advantages, key_message, approach, *se
         f"Описание предложения: {description}\n"
         f"Преимущества: {advantages}\n"
         "В тексте смс запрещено использование:\n"
-        "- Запрещенные слова: № один, номер один, № 1, вкусный, дешёвый, продукт, спам, доступный, банкротство, долги, займ, срочно, сейчас, лучший, главный, номер 1, гарантия, успех, лидер;\n"
+        "- Запрещенные слова: № один, номер один, № 1, вкусный, дешёвый, продукт, спам, банкротство, долги, займ, срочно, лучший, главный, номер 1, гарантия, успех, лидер;\n"
         "- Обращение к клиенту;\n"
         "- Приветствие клиента;\n"
         "- Обещания и гарантии;\n"
@@ -1684,8 +1735,8 @@ def check_forbidden_words(message):
     forbidden_patterns = [
         r'№\s?1\b', r'номер\sодин\b', r'номер\s1\b',
         r'вкусный', r'дешёвый', r'продукт', 
-        r'спам', r'доступный', r'банкротство', r'долг[и]?', r'займ',
-        r'срочный', r'сейчас', r'главный',
+        r'спам', r'банкротство', r'долг[и]?', r'займ',
+        r'срочный', r'главный',
         r'гарантия', r'успех', r'лидер'
     ]
     
@@ -1734,7 +1785,7 @@ def check_no_greeting(message):
 def check_no_promises(message):
     morph = pymorphy2.MorphAnalyzer()
     promise_patterns = [
-        "обещать", "гарантировать", "обязаться"
+        "обещать", "обещание", "гарантировать", "обязаться", "обязать", "обязательство", "обязательный"
     ]
     
     words = message.split()
@@ -1756,7 +1807,11 @@ def check_no_double_verbs(message):
     for i in range(len(morphs) - 1):
         # Проверяем, что оба слова являются глаголами (в любой форме, включая инфинитивы)
         if (morphs[i].tag.POS in {'VERB', 'INFN'}) and (morphs[i+1].tag.POS in {'VERB', 'INFN'}):
-            return False
+            # Проверяем, является ли первый глагол "хотеть" или "начинать"
+            if morphs[i].normal_form in ['хотеть', 'начинать', 'начать']:
+                return True
+            else:
+                return False
     return True
 
 # 6. Причастия и причастные обороты
@@ -1874,7 +1929,7 @@ def check_no_introductory_phrases(message):
 
 def check_no_amplifiers(message):
     amplifiers = [
-        r'\b(очень|крайне|чрезвычайно|совсем|абсолютно|полностью|чисто)\b'
+        r'\b(очень|крайне|чрезвычайно|совсем|полностью|чисто)\b'
     ]
     
     for pattern in amplifiers:
@@ -1886,7 +1941,7 @@ def check_no_amplifiers(message):
 
 def check_no_time_parasites(message):
     time_parasites = [
-        r'\b(сейчас|немедленно|срочно|в данный момент|теперь)\b'
+        r'\b(немедленно|срочно|в данный момент|теперь)\b'
     ]
     
     for pattern in time_parasites:
@@ -1936,8 +1991,7 @@ def check_no_compound_sentences(message):
         r'\bкогда\b', r'\bкак только\b', r'\bпока\b', r'\bпосле того как\b',
         r'\bпотому что\b', r'\bтак как\b', r'\bоттого что\b', r'\bблагодаря тому что\b',
         r'\bчтобы\b', r'\bдля того чтобы\b', r'\bесли\b', r'\bкогда бы\b', r'\bесли бы\b',
-        r'\bхотя\b', r'\bнесмотря на то что\b', r'\bкак\b', r'\bбудто\b', r'\bсловно\b', r'\bкак будто\b',
-        r'\bчто\b'
+        r'\bхотя\b', r'\bнесмотря на то что\b', r'\bкак\b', r'\bбудто\b', r'\bсловно\b', r'\bкак будто\b'
     ]
     
     # Убедимся, что слово "как" используется не в вопросе
@@ -1967,6 +2021,40 @@ def check_no_dates_written_out(message):
     
     return True
 
+# Доп правило. Повторы слов
+
+def check_no_word_repetitions(message):
+    morph = pymorphy2.MorphAnalyzer()
+    
+    # Список союзов и предлогов, которые мы будем игнорировать
+    ignore_words = set([
+        'и', 'а', 'но', 'или', 'да', 'ни', 'как', 'так',
+        'в', 'на', 'под', 'над', 'за', 'к', 'до', 'по', 'из', 'у', 'о', 'про', 'для',
+        'не', 'вот', 'это', 'тот', 'тем', 'при', 'чем',
+        'же', 'ли', 'бы', 'то',
+    ])
+    
+    # Разбиваем текст на слова, удаляя знаки препинания
+    words = re.findall(r'\b\w+\b', message.lower())
+    
+    # Словарь для хранения нормализованных форм слов
+    normalized_words = {}
+    
+    for word in words:
+        if word not in ignore_words:
+            # Получаем нормальную форму слова
+            normal_form = morph.parse(word)[0].normal_form
+            
+            # Если слово уже встречалось, возвращаем False
+            if normal_form in normalized_words:
+                return False
+            
+            # Добавляем слово в словарь
+            normalized_words[normal_form] = True
+    
+    # Если мы дошли до этой точки, повторов не было
+    return True
+
 # ФУНКЦИИ ПРОВЕРОК (КОНЕЦ)
 
 def safe_check(func, message):
@@ -1995,7 +2083,8 @@ def perform_checks(message):
         "multiple_nouns": safe_check(check_no_multiple_nouns, message),
         "derived_prepositions": safe_check(check_no_derived_prepositions, message),
         "compound_sentences": safe_check(check_no_compound_sentences, message),
-        "dates_written_out": safe_check(check_no_dates_written_out, message)
+        "dates_written_out": safe_check(check_no_dates_written_out, message),
+        "no_word_repetitions": safe_check(check_no_word_repetitions, message)
     }
     return checks
 
@@ -2019,7 +2108,8 @@ def format_checks(checks):
         "multiple_nouns": "Несколько существительных подряд",
         "derived_prepositions": "Производные предлоги",
         "compound_sentences": "Сложноподчиненные предложения",
-        "dates_written_out": "Даты прописью"
+        "dates_written_out": "Даты прописью",
+        "no_word_repetitions": "Повторы слов"
     }
     formatted_results = []
     for rule, result in checks.items():
@@ -2110,7 +2200,7 @@ with gr.Blocks() as demo:
                             "Лимиты на расходы сотрудников.\n"
                             "Мгновенные переводы на карты любых банков.\n "
                             "В тексте смс запрещено использование:\n"
-                            "- Запрещенные слова: № один, номер один, № 1, вкусный, дешёвый, продукт, спам, доступный, банкротство, долги, займ, срочно, сейчас, лучший, главный, номер 1, гарантия, успех, лидер;\n"
+                            "- Запрещенные слова: № один, номер один, № 1, вкусный, дешёвый, продукт, спам, банкротство, долги, займ, срочно, лучший, главный, номер 1, гарантия, успех, лидер;\n"
                             "- Обращение к клиенту;\n"
                             "- Приветствие клиента;\n"
                             "- Обещания и гарантии;\n"
@@ -2232,7 +2322,7 @@ with gr.Blocks() as demo:
         with gr.TabItem("Аналитика", id=1):
     
             with gr.Row():
-                download_btn = gr.Button("Выгрузить актуальную базу сообщений (~ 30 сек)")
+                download_btn = gr.Button("Выгрузить актуальную базу сообщений (~ 45 сек)")
                 download_link = gr.Markdown(value="", label="Ссылка для скачивания")
         
             gr.Markdown("---")
@@ -2256,6 +2346,15 @@ with gr.Blocks() as demo:
         
             gr.Markdown("---")
 
+        with gr.TabItem("Инструкция", id=2):
+            gr.Markdown("""
+            ### Инструкция
+            Функционал адаптации сообщений под лучший пример — в beta-версии.
+            Если вы сгенерировали адаптированное сообщение, и оно вам понравилось (вы хотите сохранить его в базу), то скопируйте его, пожалуйста, в поле "Откорректированное сообщение" (а поле "Комментарий" оставьте пустым).
+
+            Когда вы нажимаете адаптировать, то результаты проверок ниже обновляются и приводятся для адаптированных (а не персонализированных) сообщений.
+            """)
+
     # Очистка всех полей кроме prompt_display
     description_input.change(
         fn=clear_outputs,  # Сначала вызываем функцию очистки полей
@@ -2327,6 +2426,10 @@ with gr.Blocks() as demo:
         fn=generate_standard_prompt,  # После очистки вызываем функцию для обновления промпта
         inputs=[description_input, advantages_input, key_message_input, approach_input] + selections,
         outputs=prompt_display  # Мгновенно обновляем поле неперсонализированного промпта
+    ).then(
+        fn=update_best_example_prompt,
+        inputs=[description_input] + selections,
+        outputs=best_example_prompt
     )
 
     # Очистка всех полей кроме prompt_display
@@ -2558,7 +2661,7 @@ with gr.Blocks() as demo:
         # Очищаем все персонализированные сообщения и результаты проверок
         selection.change(
             fn=clear_outputs,
-            inputs=[                
+            inputs=[
                 personalized_output_text_gigachat_pro, 
                 personalized_output_text_gigachat_lite, 
                 personalized_output_text_gigachat_plus, 
@@ -2617,7 +2720,7 @@ with gr.Blocks() as demo:
             outputs=personalization_prompt  # Обновляем поле с персонализированным промптом
         ).then(
             fn=update_best_example_prompt,
-            inputs=selections,
+            inputs=[description_input] + selections,
             outputs=best_example_prompt
         )
 
@@ -2774,6 +2877,7 @@ with gr.Blocks() as demo:
     best_example_btn.click(
         fn=adapt_messages_and_perform_checks,
         inputs=[
+            description_input,
             personalized_output_text_gigachat_pro,
             personalized_output_text_gigachat_lite,
             personalized_output_text_gigachat_plus,
@@ -2943,70 +3047,70 @@ with gr.Blocks() as demo:
         personalize_message_gigachat_pro,
         inputs=[output_text_gigachat_pro, key_message_input, approach_input] + selections,
         outputs=[personalized_output_text_gigachat_pro, validation_display_1]
-    ).then(
-        fn=generate_personalization_prompt,  # Вызов генерации промпта
-        inputs=[key_message_input, approach_input] + selections,  # Передача нужных данных
-        outputs=personalization_prompt  # Вывод в поле с промптом
     ).then(
         fn=lambda: (""),
         inputs=[],
         outputs=[adapted_output_text_gigachat_pro]
+    ).then(
+        fn=generate_personalization_prompt,  # Вызов генерации промпта
+        inputs=[key_message_input, approach_input] + selections,  # Передача нужных данных
+        outputs=personalization_prompt  # Вывод в поле с промптом
     )
 
     personalize_gigachat_lite_btn.click(
         personalize_message_gigachat_lite,
         inputs=[output_text_gigachat_lite, key_message_input, approach_input] + selections,
         outputs=[personalized_output_text_gigachat_lite, validation_display_2]  # Поле для проверки
-    ).then(
-        fn=generate_personalization_prompt,  # Вызов генерации промпта
-        inputs=[key_message_input, approach_input] + selections,  # Передача нужных данных
-        outputs=personalization_prompt  # Вывод в поле с промптом
     ).then(
         fn=lambda: (""),
         inputs=[],
         outputs=[adapted_output_text_gigachat_lite]
+    ).then(
+        fn=generate_personalization_prompt,  # Вызов генерации промпта
+        inputs=[key_message_input, approach_input] + selections,  # Передача нужных данных
+        outputs=personalization_prompt  # Вывод в поле с промптом
     )
   
     personalize_gigachat_plus_btn.click(
         personalize_message_gigachat_plus,
         inputs=[output_text_gigachat_plus, key_message_input, approach_input] + selections,
         outputs=[personalized_output_text_gigachat_plus, validation_display_3]  # Добавляем результат проверки
-    ).then(
-        fn=generate_personalization_prompt,  # Вызов генерации промпта
-        inputs=[key_message_input, approach_input] + selections,  # Передача нужных данных
-        outputs=personalization_prompt  # Вывод в поле с промптом
     ).then(
         fn=lambda: (""),
         inputs=[],
         outputs=[adapted_output_text_gigachat_plus]
+    ).then(
+        fn=generate_personalization_prompt,  # Вызов генерации промпта
+        inputs=[key_message_input, approach_input] + selections,  # Передача нужных данных
+        outputs=personalization_prompt  # Вывод в поле с промптом
     )
     
     personalize_gpt4o_btn.click(
         personalize_message_gpt4o,
         inputs=[output_text_gpt4o, key_message_input, approach_input] + selections,
         outputs=[personalized_output_text_gpt4o, validation_display_4]  # Добавляем результат проверки
-    ).then(
-        fn=generate_personalization_prompt,  # Вызов генерации промпта
-        inputs=[key_message_input, approach_input] + selections,  # Передача нужных данных
-        outputs=personalization_prompt  # Вывод в поле с промптом
     ).then(
         fn=lambda: (""),
         inputs=[],
         outputs=[adapted_output_text_gpt4o]
+    ).then(
+        fn=generate_personalization_prompt,  # Вызов генерации промпта
+        inputs=[key_message_input, approach_input] + selections,  # Передача нужных данных
+        outputs=personalization_prompt  # Вывод в поле с промптом
     )
     
     personalize_meta_llama_405b_btn.click(
         personalize_message_meta_llama_405b,
         inputs=[output_text_meta_llama_405b, key_message_input, approach_input] + selections,
         outputs=[personalized_output_text_meta_llama_405b, validation_display_5]  # Добавляем результат проверки
-    ).then(
-        fn=generate_personalization_prompt,  # Вызов генерации промпта
-        inputs=[key_message_input, approach_input] + selections,  # Передача нужных данных
-        outputs=personalization_prompt  # Вывод в поле с промптом
     ).then(
         fn=lambda: (""),
         inputs=[],
         outputs=[adapted_output_text_meta_llama_405b]
+    ).then(
+        fn=generate_personalization_prompt,  # Вызов генерации промпта
+        inputs=[key_message_input, approach_input] + selections,  # Передача нужных данных
+        outputs=personalization_prompt  # Вывод в поле с промптом
     )