app.py

import gradio as gr
from transformers import AutoTokenizer, AutoModelForCausalLM


# بارگذاری پرسش و پاسخ‌های FAQ
faq_dict = {}
with open("faq.txt", encoding="utf-8") as f:
    for line in f:
        if ":" in line:
            q, a = line.strip().split(":", 1)
            faq_dict[q.strip()] = a.strip()



# بارگذاری مدل فارسی
model_name = "HooshvareLab/gpt2-fa"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

chat_history = []
# تابع پاسخ‌دهی
def student_bot(question):
    chat_history.append(f"پرسش: {question}")
    
    prompt = """پرسش: زمان انتخاب واحد چه زمانی است؟
پاسخ: معمولا در پایان هر ترم تحصیلی، یعنی شهریور و بهمن انجام می‌شود.

پرسش: زمان حذف و اضافه کی هست؟
پاسخ: حدود یک هفته بعد از شروع ترم تحصیلی است.
""" + "\n".join(chat_history[-3:]) + "\nپاسخ:"

    for key in faq_dict:
        if key in question:
            return faq_dict[key]


    inputs = tokenizer(prompt, return_tensors="pt")
    outputs = model.generate(
        **inputs,
        max_new_tokens=60,
        pad_token_id=tokenizer.eos_token_id
    )
    answer = tokenizer.decode(outputs[0], skip_special_tokens=True)
    return answer.split("پاسخ:")[-1].strip()



# رابط Gradio
gr.Interface(
    fn=student_bot,
    inputs=gr.Textbox(label="❓ سوال خود را وارد کنید"),
    outputs=gr.Textbox(label="✅ پاسخ هوشمند"),
    title="🎓 ایجنت راهنمای دانشجویان دانشگاه",
    description="پاسخ به سوالات پرتکرار آموزشی با کمک مدل FarsiGPT و پایگاه دانش",
    theme="compact"
).launch()