""" Basit Gradio Arayüzü — RAG Retrieval + Threshold Demo ------------------------------------------------------------ Bu arayüz, asıl ödev kapsamı olan retrieval+threshold mekanizmasını görsel olarak göstermek içindir. Tam bir LLM-cevap-üretme sohbet botu değildir (o adım src/search.py::format_answer_for_llm ile kolayca eklenebilir, bkz. README "Sonraki Adım"). Çalıştırma: EMBEDDING_BACKEND=mock python app.py """ import sys import os sys.path.insert(0, os.path.dirname(os.path.abspath(__file__))) import gradio as gr from src import config from src.search import RAGSearcher searcher = RAGSearcher() def answer_question(question): if not question or not question.strip(): return "Lütfen bir soru yazın.", "" result = searcher.search(question) score_info = f"**En yüksek benzerlik skoru:** {result['top_score']:.3f} (threshold: {searcher.threshold})" if not result["answered"]: return f"🚫 {result['message']}", score_info lines = ["✅ **İlgili doküman parçaları bulundu:**\n"] for i, chunk in enumerate(result["retrieved_chunks"], 1): lines.append( f"**{i}. [{chunk['title']}]({chunk['url']})** (skor: {chunk['score']:.3f})\n\n" f"> {chunk['chunk_text'][:400]}{'...' if len(chunk['chunk_text']) > 400 else ''}\n" ) return "\n".join(lines), score_info with gr.Blocks(title="Türkçe Tıbbi Doküman RAG Sistemi 🏥") as demo: gr.Markdown( f""" # 🏥 Türkçe Tıbbi Doküman Arama Sistemi (RAG) `umutertugrul/turkish-hospital-medical-articles` veri setinden chunk'lanmış makaleler üzerinde **eşik (threshold) kontrollü** semantik arama. Benzerlik skoru eşiğin altındaysa sistem **uydurma yapmaz**, doğrudan "cevap dokümanlarımda yok" der. Backend: `{config.EMBEDDING_BACKEND}` | Threshold: `{config.SIMILARITY_THRESHOLD}` | Embedding modeli: `{config.EMBEDDING_MODEL_ID if config.EMBEDDING_BACKEND == 'real' else 'mock (TF-IDF, offline test)'}` **Örnek pozitif soru:** "Tip 2 diyabetin belirtileri nelerdir?" **Örnek negatif soru:** "Bitcoin fiyatı bugün ne kadar?" """ ) question_box = gr.Textbox(label="Sorunuz", placeholder="Örn: Migren atağını ne tetikler?") submit_btn = gr.Button("Ara", variant="primary") score_output = gr.Markdown() answer_output = gr.Markdown() submit_btn.click(fn=answer_question, inputs=question_box, outputs=[answer_output, score_output]) question_box.submit(fn=answer_question, inputs=question_box, outputs=[answer_output, score_output]) if __name__ == "__main__": demo.launch()