Upload app.py with huggingface_hub

app.py

@@ -0,0 +1,50 @@
+from fastapi import FastAPI
+from transformers import pipeline
+import uvicorn
+from scraper import search_and_extract
+
+app = FastAPI()
+
+# Carichiamo il modello GenerAI
+print("Caricamento modello amogaddy/GenerAI...")
+generator = pipeline("text-generation", model="amogaddy/GenerAI")
+
+@app.get("/")
+def health_check():
+    """Endpoint di health‑check."""
+    return {"status": "running", "model": "GenerAI"}
+
+@app.post("/ask")
+def ask(prompt: str):
+    """Endpoint principale per la generazione di testo con ricerca web (RAG)."""
+    # 1. Ricerca sul web per usare internet come database
+    web_results = search_and_extract(prompt, max_results=2)
+    
+    context = ""
+    sources = []
+    if web_results:
+        for r in web_results:
+            context += f"Fonte [{r['title']}]: {r['text'][:500]}\n"
+            sources.append(r['url'])
+    
+    # 2. Creazione del prompt finale con il contesto trovato su internet
+    if context:
+        final_prompt = f"Contesto trovato su internet:\n{context}\n\nRispondi alla seguente domanda in base al contesto: {prompt}"
+    else:
+        final_prompt = prompt
+
+    # 3. Generazione della risposta tramite il modello
+    output = generator(final_prompt, max_length=512, num_return_sequences=1)
+    answer = output[0]["generated_text"]
+    
+    # 4. Rimuoviamo la parte del prompt per restituire solo la risposta generata
+    if final_prompt in answer:
+        answer = answer.replace(final_prompt, "").strip()
+
+    return {
+        "result": answer,
+        "sources": sources
+    }
+
+if __name__ == "__main__":
+    uvicorn.run(app, host="0.0.0.0", port=7860)