Update app.py

app.py

@@ -28,37 +28,41 @@ def chunk_HTMLs(text, delimiter="HTML (ID:"):
             html_dict[full_html_id] = delimiter + "HTML (ID:" + html_id + ") " + html_content
     return html_dict
 
-def process_course(input_text, zorgvrager="cliënt", zorgprofessional="begeleider"):
+def process_course(input_text, term_zorgvrager="", term_zorgprofessional=""):
+    """ Processes input text, extracts HTML chunks, analyzes each using an OpenAI model,
+        and conducts a second, separate analysis on each qualifying chunk,
+        with additional terms for 'zorgvrager' and 'zorgprofessional'. """
     stored_HTMLs = chunk_HTMLs(input_text)
-    grouped_results = {}
+
+    results = []
+    last_html_id = None  # Track the last processed HTML ID
     for html_id, html_content in stored_HTMLs.items():
+        if last_html_id and html_id != last_html_id:
+            results.append("\n")  # Add extra newline for a new HTML ID group
+        
+        # Here you might want to include 'term_zorgvrager' and 'term_zorgprofessional' in your analysis
         messages = [
-            {"role": "system", "content": "Analyseer het perspectief..."},
+            {"role": "system", "content": r"""Analyseer en (waar nodig) corrigeer de doelgroep die wordt aangesproken door deze tekst. Tekst en vragen moeten geschreven zijn met de zorgprofessional of mensen in het algemeen als doelgroep, níet de zorgvrager in het bijzonder. De tekst mag dus wel een 'neutrale' doelgroep hebben (mensen in het algemeen), mits het gaat over zaken die inderdaad toepasbaar zijn op mensen in het algemeen. Antwoord alleen met: 
+Citaat: [citaat van zin(nen) met foute doelgroep]
+Correctie: [gecorrigeerde zin(nen)])
+Verander hierbij zo min mogelijk aan de rest van de zin, verander alleen de doelgroep. Gebruik bijvoorbeeld net als in de bronteksten altijd 'je' in plaats van 'u'. Als je de zorgvrager expliciet wilt benoemen, gebruik dan de term {0}; als je de zorgverlener expliciet wilt benoemen, gebruik dan de term {1}.""".format(zorgvrager, zorgprofessional)},
             {"role": "user", "content": html_content}
         ]
-        oordeel = api_call(messages, 0.5, "gpt-3.5-turbo")
-        if html_id not in grouped_results:
-            grouped_results[html_id] = [oordeel]
-        else:
-            grouped_results[html_id].append(oordeel)
+        oordeel = api_call(messages)
+        results.append(f"{html_id}: {oordeel}")
 
         if "deels zorgvrager" in oordeel:
             follow_up_messages = [
-                {"role": "system", "content": f"Analyseer en (...), gebruik dan de term {zorgvrager}; als je de zorgverlener expliciet wilt benoemen, gebruik dan de term {zorgprofessional}."},
+                {"role": "system", "content": "Follow-up content..."},
                 {"role": "user", "content": html_content}
             ]
-            follow_up_result = api_call(follow_up_messages, 0.7, "gpt-4-turbo")
-            grouped_results[html_id].append(follow_up_result)
-    return grouped_results
+            follow_up_result = api_call(follow_up_messages, 0.7)
+            results.append(f"{html_id} - Follow-up: {follow_up_result}")
 
-def display_results(grouped_results):
-    markdown_output = ""
-    for html_id, results in grouped_results.items():
-        markdown_output += f"### {html_id}\n"
-        for result in results:
-            markdown_output += f"- {result}\n"
-        markdown_output += "\n---\n"
-    return markdown_output
+        last_html_id = html_id  # Update the last processed HTML ID after handling
+
+    results_string = '\n'.join(results)  # Use single newline for final join
+    return results_string
 
 inputs = [
     gr.Textbox(lines=7, label="Input Text"),
@@ -73,7 +77,7 @@ def interface_function(input_text, zorgvrager="cliënt", zorgprofessional="begel
     return markdown_output
 
 iface = gr.Interface(
-    fn=interface_function,
+    fn=process_course,
     inputs=inputs,
     outputs=outputs,
     title="Doelgroepanalyse",