Update app.py

app.py

@@ -1,85 +1,20 @@
 
-import openai
-import gradio as gr
-from langchain_community.vectorstores import FAISS
-from langchain_community.embeddings import HuggingFaceEmbeddings
-import zipfile
 import os
-import torch
+import openai
 
-# Imposta la tua chiave API di OpenAI come variabile d'ambiente
+# Recupera la chiave API dai secrets
 openai.api_key = os.getenv("OPENAI_API_KEY")
 
-# Percorsi ZIP per manuali e problemi
-zip_path_m = "faiss_manual_index.zip"
-faiss_manual_index = "faiss_manual_index"
-
-zip_path_p = "faiss_problems_index.zip"
-faiss_problems_index = "faiss_problems_index"
-
-# Estrazione dei file ZIP se necessario
-for zip_path, output_dir in [(zip_path_m, faiss_manual_index), (zip_path_p, faiss_problems_index)]:
-    if not os.path.exists(output_dir):
-        os.makedirs(output_dir)
-    if os.path.exists(zip_path):
-        with zipfile.ZipFile(zip_path, 'r') as zip_ref:
-            zip_ref.extractall(output_dir)
-
-# Caricamento del modello di embedding
-embedding_model = HuggingFaceEmbeddings(model_name="sentence-transformers/LaBSE")
-
-# Caricamento dei vectorstore FAISS
-manual_vectorstore = FAISS.load_local(faiss_manual_index, embedding_model, allow_dangerous_deserialization=True)
-problems_vectorstore = FAISS.load_local(faiss_problems_index, embedding_model, allow_dangerous_deserialization=True)
-
-# Funzione per la ricerca e il riassunto
-def search_and_summarize(query):
-    # Ricerca nei manuali e problemi
-    manual_results = manual_vectorstore.similarity_search(query, k=2)
-    manual_output = "\n\n".join([doc.page_content for doc in manual_results])
-
-    problems_results = problems_vectorstore.similarity_search(query, k=2)
-    problems_output = "\n\n".join([doc.page_content for doc in problems_results])
-
-    combined_text = f"Manual Results:\n{manual_output}\n\nProblems Results:\n{problems_output}"
-
-    # Generazione del riassunto con OpenAI GPT-3 (nuova API)
-    input_text = f"Riassumi le seguenti informazioni:\n{combined_text}\n\nRiassunto:"
-    
-    # Chiamata all'API OpenAI per generare il riassunto usando la nuova interfaccia
+# Verifica il collegamento con OpenAI
+try:
     response = openai.ChatCompletion.create(
-        model="gpt-3.5-turbo",  # Puoi scegliere anche "gpt-4" o altri modelli
-        messages=[
-            {"role": "system", "content": "Sei un assistente che aiuta con la sintesi di informazioni."},
-            {"role": "user", "content": input_text}
-        ],
-        max_tokens=150,
-        temperature=0.7
+        model="gpt-3.5-turbo",
+        messages=[{"role": "user", "content": "Test di connessione con OpenAI."}]
     )
-    
-    summary = response['choices'][0]['message']['content'].strip()
-
-    return manual_output, problems_output, summary
-
-# Interfaccia Gradio
-iface = gr.Interface(
-    fn=search_and_summarize,
-    inputs=gr.Textbox(lines=2, placeholder="Enter your question here..."),
-    outputs=[
-        gr.Textbox(label="Manual Results"),
-        gr.Textbox(label="Issues Results"),
-        gr.Textbox(label="Summary by GPT-3")
-    ],
-    examples=[
-        ["How to change the knife?"],
-        ["What are the safety precautions for using the machine?"],
-        ["How can I get help with the machine?"]
-    ],
-    title="Manual Querying System with GPT-3 Summarization",
-    description="Enter a question to get information from the manual and the common issues, summarized by GPT-3."
-)
+    print("Collegamento riuscito! Risposta di OpenAI:")
+    print(response['choices'][0]['message']['content'])
+except Exception as e:
+    print("Errore nel collegamento con OpenAI:", e)
 
-# Avvia l'app Gradio
-iface.launch()