Update app.py

app.py

@@ -10,40 +10,7 @@ client = AsyncOpenAI(
 )
 
 assistantID = os.getenv("OPENAI_ASSISTANT_ID")
-username = os.getenv("YOUR_ID")
-password = os.getenv("YOUR_PASSWORD")
-
-mytitle = "<h1 align=center>RTL AI News Reader : Qu'est-ce qui s'est passé dans le pays 🇱🇺 et dans le monde 🌎 ?</h1>"
-
-mydescription="""
-<h3 align='center'>Quel sujet vous intéresse : 🐶 🏃🏻‍♂️ 🌗 🍇 🌈 🍽️ 🏆 🚘 ✈️ 🩺 </h3>
-<table width=100%>
-  <tr>
-    <th width=50% bgcolor="Moccasin">Posez vos questions en français ou dans une autre langue :</th>
-    <th bgcolor="Khaki">Réponse de l'Assistant file-search OpenAI :</th>
-  </tr>
-</table>
-"""
-
-myarticle ="""
-<h3>Contexte :</h3>
-<p>Cette démo de HuggingFace Space a été réalisée par <a href="https://github.com/mbarnig">Marco Barnig</a>. 
-En tant qu'intelligence artificielle, le <a href="https://platform.openai.com/docs/models">modèle OpenAI</a> gpt-4o-mini-2024-07-18 est utilisé via une API,
-qui peut utiliser jusqu'à 128 000 tokens comme contexte, fournir une réponse d'un maximum de 16 384 tokens à une question, 
-et traiter jusqu'à 200 000 tokens par minute (TPM).
-L'ensemble du contenu français de RTL.lu depuis le début 2013 jusqu'en septembre 2024 a été découpé en 25 fichiers JSON 
-et chargé dans un Vector Store de l'Assistant file-search d'OpenAI "RTL French News Reader". 
-Chaque fichier contient moins de 5 millions de tokens, ce qui est une limite supérieure pour le modèle d'IA. 
-Il est possible de charger jusqu'à 10 000 fichiers sur un Assistant OpenAI. Les réponses des exemples sont mises en cache et donc affichées sans délai.</p>
-"""
-
-myinput = gr.Textbox(lines=3, label="Que voulez-vous savoir ?")
-
-myexamples = [
-  "Qui est Schlimé ?",
-  "Quel est le plus ancien message dans la base de données locale ?",
-  "Quels étaient les événements qui ont marqué l'année 2017 ?"
-]
+mypassword = os.getenv("RTL_PASSWORD")
 
 class EventHandler(AsyncAssistantEventHandler):
     def __init__(self) -> None:
@@ -89,14 +56,17 @@ async def initialize_thread():
     session_data["thread_id"] = thread.id
 
 async def generate_response(user_input):
-    assistant_id = session_data["assistant_id"]
-    thread_id = session_data["thread_id"]
-
-    # Add a Message to the Thread
-    oai_message = await client.beta.threads.messages.create(
-        thread_id=thread_id,
-        role="user",
-        content=user_input
+    if user_input == "":
+        yield "Schreif eng Fro als Input"
+    else:
+        assistant_id = session_data["assistant_id"]
+        thread_id = session_data["thread_id"]
+
+        # Add a Message to the Thread
+        oai_message = await client.beta.threads.messages.create(
+            thread_id=thread_id,
+            role="user",
+            content=user_input
     )
 
     # Create and Stream a Run
@@ -114,34 +84,59 @@ async def generate_response(user_input):
             yield event_handler.response_text
 
 # Gradio interface function (generator)
-async def gradio_chat_interface(user_input):
-    # Create a new event loop if none exists (or if we are in a new thread)
-    try:
-        loop = asyncio.get_running_loop()
-    except RuntimeError:
-        loop = asyncio.new_event_loop()
-        asyncio.set_event_loop(loop)
-
-    # Initialize the thread if not already done
-    if session_data["thread_id"] is None:
-        await initialize_thread()
-
-    # Generate and yield responses
-    async for response in generate_response(user_input):
-        yield response
-
-# Set up Gradio interface with streaming
-interface = gr.Interface(
-    fn=gradio_chat_interface,
-    inputs=myinput,
-    outputs="markdown",
-    title=mytitle,
-    description=mydescription,
-    article=myarticle,
-    live=False,
-    allow_flagging="never",
-    examples=myexamples
-)
-
-# Launch the Gradio app
-interface.launch(auth=(username, password), auth_message="<h1>Lecteur de nouvelles IA de RTL</h1><p>Ce HuggingFace Space est un prototype et n'est pas encore accessible à tout le monde. Le projet est basé sur un assistant de recherche de fichiers via l'API d'OpenAI et utilise le modèle GPT-4o-mini. Vous devez utiliser un navigateur Chrome. Les spécialistes en IA intéressés peuvent demander un identifiant et un mot de passe en contactant [email protected].</p>")
+async def gradio_chat_interface(mode, password, user_input, example):
+    if mode == "Beispiller":
+        filename = example[-6:-2] + ".md"
+        file = open("examples/" + filename, "r")
+        output = file.read()
+        yield output
+    else:
+        # check the password
+        if password == "":
+            yield "To serach you need to enter an RTL password !"
+        elif password != mypassword:
+            yield "Please enter the correct RTL password !"
+        else:
+
+            # Create a new event loop if none exists (or if we are in a new thread)
+            try:
+                loop = asyncio.get_running_loop()
+            except RuntimeError:
+                loop = asyncio.new_event_loop()
+                asyncio.set_event_loop(loop)
+
+            # Initialize the thread if not already done
+            if session_data["thread_id"] is None:
+                await initialize_thread()
+
+            # Generate and yield responses
+            async for response in generate_response(user_input):
+                yield response
+
+with gr.Blocks() as demo:
+    with gr.Row():
+        myTitle = gr.HTML("<h2 align=center>RTL AI News Reader : What happened in the country 🇱🇺 or in the world 🌎 ?</h2>")   
+    with gr.Row():
+        myDescription = gr.HTML("""
+            <h3 align='center'>Wat fir een Thema interesséiert Iech ?</h3>
+            <p align='center'>🐶 🏃🏻‍♂️ 🌗 🍇 🌈 🍽️ 🏆 🚘 ✈️ 🩺 </p>
+            <p align='center' bgcolor="Moccasin">Submit your question in english or in another language !</p>
+            """            
+        )
+    with gr.Row():
+        mode = gr.Radio(choices=["Search", "Examples"], label = "You can run the examples without password.", value = "Examples")
+        pw = gr.Textbox(lines=1, label="Enter the correct RTL password !")
+    with gr.Row():
+            question = gr.Textbox(lines=3, label="Please submit your question ?")
+    with gr.Row():    
+            examples = gr.Radio(["What happened in May 2009 ?"], value="What happened in May 2009 ?", label="Beispiller")
+    with gr.Row():
+        clear = gr.Button("Clear")
+        submit = gr.Button("Submit")
+    with gr.Row():
+        mySubtitle = gr.HTML("<p align='center' bgcolor='Khaki'>English RTL News :</p>")
+    with gr.Row():
+        myOutput = gr.Markdown(label="Answer from the OpenAI File-Search Assistent :")
+
+    submit.click(fn = gradio_chat_interface, inputs=[mode, pw, question, examples], outputs = myOutput)
+demo.launch()