Zmodyfikowana główna aplikacja

- zarządzanie pamięcią konwersacji
- logowanie działania
- optymalizacja odpytań w bazie

README.md

@@ -12,4 +12,28 @@ preload_from_hub:
 short_description: Chatbot znający się na cyfrowej dostępności i WCAG po polsku
 ---
 
+# Jacek AI - Asystent Dostępności Cyfrowej
+
+## Opis
+Jacek AI to inteligentny chatbot specjalizujący się w tematyce dostępności cyfrowej. Aplikacja łączy w sobie zaawansowane możliwości wyszukiwania kontekstowego z generowaniem odpowiedzi przy pomocy modelu językowego.
+
+## Funkcjonalności
+- Kontekstowe odpowiedzi bazujące na wiedzy z bazy danych
+- Zachowanie historii konwersacji (ostatnie 3 wymiany)
+- Przyjazny interfejs użytkownika
+- Szczegółowe logowanie interakcji
+
+## Technologie
+- OpenAI API - generowanie odpowiedzi
+- Chroma DB - baza wiedzy
+- HuggingFace Embeddings (radlab/polish-sts-v2) - embeddingi dla języka polskiego
+- Gradio - interfejs graficzny
+- Python logging - system logowania
+
+## Uruchomienie
+1. Zainstaluj wymagane zależności:
+
+pip install openai langchain-chroma gradio
+
+
 Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference

app.py

@@ -1,79 +1,91 @@
-# %%
+# Importy podstawowych bibliotek
+import logging
 import gradio as gr
 from openai import OpenAI
 from langchain_chroma import Chroma
 from langchain_huggingface import HuggingFaceEmbeddings
+from datetime import datetime
 
+# Inicjalizacja klienta OpenAI
+client = OpenAI()
 
-
-# %%
-client=OpenAI()
-
-
-# %%
+# Konfiguracja embeddings dla języka polskiego
 embeddings = HuggingFaceEmbeddings(model_name='radlab/polish-sts-v2')
 
-# %%
+# Inicjalizacja bazy wektorowej
 vector_store = Chroma(
     collection_name='baza',
     embedding_function=embeddings,
     persist_directory='baza'
 )
 
+# Konfiguracja logowania
+logging.basicConfig(
+    filename=f'logs/chat_log_{datetime.now().strftime("%Y%m%d")}.log',
+    level=logging.INFO,
+    format='%(asctime)s - %(message)s'
+)
 
-
-# Funkcja wyszukiwania najbardziej podobnych fragmentów
 def szukaj(query, konwersacja):
-    query+=konwersacja
+    """Wyszukuje podobne fragmenty w bazie wiedzy"""
+    query += konwersacja
     context_objects = vector_store.similarity_search(query=query, k=3)
-    context = ""  # Inicjalizacja pustego ciągu znaków
-    for context_object in context_objects:
-        context += context_object.page_content + "\n"
+    context = "\n".join(obj.page_content for obj in context_objects)
     return context
 
-
-
-
-# Funkcja wyciągająca z historii tekst jako wsad do kontekstu
 def formatuj_historie_dla_promptu(history):
-    prompt = ""
-    for message in history:
-        role = message["role"]
-        content = message["content"]
-        prompt += f"{content}\n"
-    return prompt
+    """Formatuje historię konwersacji do promptu"""
+    return "\n".join(message["content"] for message in history)
 
-
-
-# Główna funkcja chata
 def odp(message, history):
+    """Główna funkcja obsługująca odpowiedzi chatbota"""
+    # Ograniczenie historii do ostatnich 3 wymian
+    history = history[-6:] if len(history) > 6 else history
+    
+    # Przygotowanie kontekstu
     kontekst_konwersacji = formatuj_historie_dla_promptu(history)
-    Kontekst=szukaj(message, kontekst_konwersacji)
-    prompt= f"Konwersacja:\n{kontekst_konwersacji}\nKontekst z bazy wiedzy:\n{Kontekst}\nPytanie użytkownika: {message}"
-    response=client.chat.completions.create(
+    kontekst = szukaj(message, kontekst_konwersacji)
+    prompt = f"Konwersacja:\n{kontekst_konwersacji}\nKontekst z bazy wiedzy:\n{kontekst}\nPytanie użytkownika: {message}"
+    
+    # Generowanie odpowiedzi
+    response = client.chat.completions.create(
         model='gpt-4o-mini',
         temperature=0.2,
         messages=[
-            {'role': 'system',
-             'content': 'Jesteś ekspertem dostępności cyfrowej i masz na imię Jacek. Odpowiadaj krótko na pytania korzystając z kontekstu i historii konwersacji.'},
-        {'role': 'user',
-            'content': prompt}
+            {
+                'role': 'system',
+                'content': 'Jesteś ekspertem dostępności cyfrowej i masz na imię Jacek. Odpowiadaj krótko na pytania korzystając z kontekstu i historii konwersacji.'
+            },
+            {
+                'role': 'user',
+                'content': prompt
+            }
         ]
     )
+    
+    answer = response.choices[0].message.content
+    
+    # Logowanie
+    logging.info(
+        f"User message: {message}\n"
+        f"Context length: {len(kontekst)}\n"
+        f"Prompt tokens: {response.usage.prompt_tokens}\n"
+        f"Completion tokens: {response.usage.completion_tokens}\n"
+        f"Total tokens: {response.usage.total_tokens}\n"
+        f"Response: {answer}"
+    )
+    
+    # Aktualizacja historii
     history.append({'role': 'user', 'content': message})
-    history.append({'role': 'assistant', 'content': response.choices[0].message.content})
+    history.append({'role': 'assistant', 'content': answer})
+    
     return '', history
 
-
-## Interfejs graficzny
+# Interfejs graficzny
 with gr.Blocks(title='Jacek AI') as demo:
     chatbot = gr.Chatbot(type='messages', label='Jacek AI')
     msg = gr.Textbox(autofocus=True, label='Pytaj', show_label=False)
     msg.submit(odp, [msg, chatbot], [msg, chatbot])
-demo.launch()
-
-
-# %%
-                                                                    
-
 
+# Uruchomienie aplikacji
+demo.launch(inbrowser=True)