Update app.py

app.py

@@ -3,17 +3,18 @@ import json
 import pandas as pd
 import torch
 import gradio as gr
-from huggingface_hub import login, Repository
+
+from huggingface_hub import login, Repository, hf_hub_download
 from sentence_transformers import SentenceTransformer, util
 
 # -------------------------------
-#  Global Git-konfiguration
+# Global Git-konfiguration
 # -------------------------------
 os.system('git config --global user.email "niklas.berg@chargenode.eu"')
 os.system('git config --global user.name "Niklas Berg"')
 
 # -------------------------------
-#       Miljövariabler
+# Miljövariabler & Inloggning
 # -------------------------------
 HF_TOKEN = os.getenv("HUGGINGFACE_TOKEN")
 APP_USERNAME = os.getenv("APP_USERNAME")
@@ -24,20 +25,19 @@ if not HF_TOKEN:
 if not APP_USERNAME or not APP_PASSWORD:
     raise ValueError("APP_USERNAME eller APP_PASSWORD miljövariabel saknas!")
 
-# Logga in på Hugging Face
 login(token=HF_TOKEN)
 
 # -------------------------------
-#       Repo & FAQ-konfiguration
+# Repo & FAQ-konfiguration
 # -------------------------------
-REPO_ID = "ChargeNodeEurope/Chatbot_4o_mini"  # Exempel-ID
+REPO_ID = "ChargeNodeEurope/Chatbot_4o_mini"  # Exempel
 REPO_LOCAL_PATH = "chatbot_faq_repo"
 FAQ_XLSX_PATH = "FAQ stadat.xlsx"
 
 repo = Repository(
     local_dir=REPO_LOCAL_PATH,
     clone_from=REPO_ID,
-    repo_type="space",  # Viktigt om det är en Space
+    repo_type="space",       # Viktigt om det är en Space
     use_auth_token=HF_TOKEN
 )
 
@@ -49,33 +49,38 @@ except Exception as e:
     raise FileNotFoundError(f"Kunde inte ladda FAQ-filen: {str(e)}")
 
 # -------------------------------
-#       Ladda Modell & Embeddings
+# Modell & embeddings
 # -------------------------------
 model = SentenceTransformer("sentence-transformers/all-MiniLM-L6-v2")
 faq_questions = df["Fråga"].tolist()
 faq_embeddings = model.encode(faq_questions, convert_to_tensor=True)
 
+# -------------------------------
+# Hjälpfunktioner
+# -------------------------------
 def uppdatera_embeddings():
-    """Uppdatera FAQ-embeddings efter att FAQ-DataFrame har ändrats."""
+    """
+    Uppdatera embeddings efter att FAQ-DataFrame har ändrats.
+    """
     global faq_questions, faq_embeddings, df
     faq_questions = df["Fråga"].tolist()
     faq_embeddings = model.encode(faq_questions, convert_to_tensor=True)
 
-# -------------------------------
-#           FAQ-funktioner
-# -------------------------------
 def sök_faq(fråga):
     """
-    Gör en semantisk sökning i FAQ och returnerar topp 3 resultat.
+    Gör en enkel semantisk sökning i FAQ och returnerar topp 3 resultat.
     """
     fråga = fråga.strip()
     if not fråga:
         return pd.DataFrame(columns=["Liknande fråga", "Svar", "Kategori", "Confidence"])
+
+    # Skapa embedding för query
     query_emb = model.encode(fråga, convert_to_tensor=True)
     cos_scores = util.cos_sim(query_emb, faq_embeddings)[0]
     top_results = torch.topk(cos_scores, k=3)
     indices = top_results.indices.tolist()
     scores = top_results.values.tolist()
+
     data = []
     for idx, score in zip(indices, scores):
         row = df.iloc[idx]
@@ -89,22 +94,26 @@ def sök_faq(fråga):
 
 def lägg_till_faq(fråga, svar, kategori):
     """
-    Lägger till en FAQ-post, sparar lokalt och pushar till Hugging Face.
+    Lägger till en ny FAQ-post, sparar lokalt och pushar till Hugging Face.
     """
     global df
     fråga = fråga.strip()
     svar = svar.strip()
     kategori = kategori.strip()
+
     if not fråga or not svar or not kategori:
         return "Fråga, svar och kategori får inte vara tomma!"
+
     try:
         ny_rad = pd.DataFrame([[fråga, svar, kategori]], columns=["Fråga", "Svar", "Kategori"])
         df = pd.concat([df, ny_rad], ignore_index=True)
         df.to_excel(faq_path, index=False)
         uppdatera_embeddings()
+
         repo.git_add()
         repo.git_commit(f"Lade till FAQ: {fråga[:50]}...")
         repo.git_push()
+
         return "Fråga tillagd och synkad med Hugging Face!"
     except Exception as e:
         return f"Fel vid uppdatering: {str(e)}"
@@ -114,25 +123,27 @@ def visa_senaste_faq(antal=10):
     return df.tail(antal)
 
 def uppdatera_faq(gammal_fråga, nytt_svar, ny_kategori):
-    """
-    Uppdaterar en befintlig FAQ-post.
-    """
     global df
     gammal_fråga = gammal_fråga.strip()
     nytt_svar = nytt_svar.strip()
     ny_kategori = ny_kategori.strip()
+
     if not gammal_fråga:
         return "Ingen fråga vald."
+
     match_index = df.index[df["Fråga"] == gammal_fråga]
     if len(match_index) == 0:
         return "Ingen matchande FAQ-fråga hittad."
+
     if nytt_svar:
         df.loc[match_index, "Svar"] = nytt_svar
     if ny_kategori:
         df.loc[match_index, "Kategori"] = ny_kategori
+
     try:
         df.to_excel(faq_path, index=False)
         uppdatera_embeddings()
+
         repo.git_add()
         repo.git_commit(f"Uppdaterade FAQ: {gammal_fråga[:50]}...")
         repo.git_push()
@@ -141,20 +152,21 @@ def uppdatera_faq(gammal_fråga, nytt_svar, ny_kategori):
         return f"Fel vid uppdatering: {str(e)}"
 
 def ta_bort_faq(fråga_att_radera):
-    """
-    Tar bort en FAQ-post.
-    """
     global df
     fråga_att_radera = fråga_att_radera.strip()
     if not fråga_att_radera:
         return "Ingen fråga vald."
+
     match_index = df.index[df["Fråga"] == fråga_att_radera]
     if len(match_index) == 0:
         return "Ingen matchande FAQ-fråga hittad."
+
     df.drop(match_index, inplace=True)
+
     try:
         df.to_excel(faq_path, index=False)
         uppdatera_embeddings()
+
         repo.git_add()
         repo.git_commit(f"Raderade FAQ: {fråga_att_radera[:50]}...")
         repo.git_push()
@@ -162,27 +174,25 @@ def ta_bort_faq(fråga_att_radera):
     except Exception as e:
         return f"Fel vid borttagning: {str(e)}"
 
-# -------------------------------
-#         Loggfilsfunktion
-# -------------------------------
 def visa_logfil():
     """
-    Läser in loggfilen och returnerar en DataFrame med de senaste 10 posterna:
+    Hämtar loggfilen från Hugging Face Hub och returnerar en DataFrame med de senaste 10 posterna:
     Datum, UserID, Fråga (user_message) och Svar (bot_reply).
     """
-    # Uppdaterad sökväg till loggfilen
-    log_file_path = os.path.join("/datasets/ChargeNodeEurope/logfiles/logs_v2", "conversation_log_v2.txt")
-    if not os.path.exists(log_file_path):
-        return pd.DataFrame({"Fel": ["Loggfilen hittades inte."]})
-    logs = []
     try:
-        with open(log_file_path, "r", encoding="utf-8") as f:
+        # Ange repo- och filsökväg enligt Hugging Face Hub
+        repo_id = "ChargeNodeEurope/logfiles"
+        filename = "logs_v2/conversation_log_v2.txt"
+        local_log_path = hf_hub_download(repo_id=repo_id, filename=filename, repo_type="dataset")
+
+        logs = []
+        with open(local_log_path, "r", encoding="utf-8") as f:
             for line in f:
                 line = line.strip()
                 if line:
                     log_entry = json.loads(line)
                     logs.append(log_entry)
-        # Sortera med nyaste posten först
+        # Sortera loggarna med nyaste först baserat på timestamp
         logs_sorted = sorted(logs, key=lambda x: x["timestamp"], reverse=True)
         latest10 = logs_sorted[:10]
         df_logs = pd.DataFrame(latest10)
@@ -193,9 +203,6 @@ def visa_logfil():
     except Exception as e:
         return pd.DataFrame({"Fel": [f"Fel vid inläsning av loggfil: {e}"]})
 
-# -------------------------------
-#         Inloggningsfunktion
-# -------------------------------
 def logga_in(user, pwd):
     """
     Verifierar inloggningsuppgifter mot APP_USERNAME och APP_PASSWORD.
@@ -206,59 +213,73 @@ def logga_in(user, pwd):
         return "Felaktiga inloggningsuppgifter!"
 
 # -------------------------------
-#         Gradio-gränssnittet
+# Gradio - Användargränssnitt med anpassad look & feel
 # -------------------------------
-with gr.Blocks() as demo:
-    gr.Markdown("# Enkel FAQ Admin")
-    gr.Markdown("Administrera FAQ-poster, sök i befintliga frågor, lägg till, uppdatera eller ta bort.")
-
-    # Inloggningsflik
-    with gr.Tab("Inloggning"):
-        gr.Markdown("## Logga in")
-        username_input = gr.Textbox(label="Användarnamn", placeholder="Ange användarnamn")
-        password_input = gr.Textbox(label="Lösenord", placeholder="Ange lösenord", type="password")
-        login_button = gr.Button("Logga in")
-        login_status = gr.Textbox(label="Inloggningsstatus")
-        login_button.click(fn=logga_in, inputs=[username_input, password_input], outputs=login_status)
-
-    # FAQ-hantering
-    with gr.Tab("FAQ Management"):
-        with gr.Row():
-            gr.Markdown("### Sök i FAQ")
-            inp_question = gr.Textbox(label="Din fråga", placeholder="Ex: Hur startar jag en laddning?")
+
+# Anpassad CSS enligt exemplet
+custom_css = """
+body {background-color: #f7f7f7; font-family: Arial, sans-serif;}
+h1, h2, h3 {font-family: Helvetica, sans-serif; color: #2a9d8f; text-align: center;}
+.gradio-container {max-width: 900px; margin: auto; padding: 20px;}
+.gr-button {background-color: #264653; color: #fff;}
+"""
+
+with gr.Blocks(css=custom_css, title="Enkel FAQ Admin") as demo:
+    gr.Markdown("<h1>Enkel FAQ Admin</h1>")
+    gr.Markdown("<p style='text-align: center;'>Administrera FAQ-poster: sök, lägg till, uppdatera, ta bort och visa loggfil.</p>")
+    
+    with gr.Tabs():
+        # Flik: Inloggning
+        with gr.TabItem("Inloggning"):
+            with gr.Row():
+                username_input = gr.Textbox(label="Användarnamn", placeholder="Ange användarnamn")
+            with gr.Row():
+                password_input = gr.Textbox(label="Lösenord", placeholder="Ange lösenord", type="password")
+            login_button = gr.Button("Logga in")
+            login_status = gr.Textbox(label="Inloggningsstatus")
+            login_button.click(fn=logga_in, inputs=[username_input, password_input], outputs=login_status)
+        
+        # Flik: Sök i FAQ
+        with gr.TabItem("Sök i FAQ"):
+            with gr.Row():
+                inp_question = gr.Textbox(label="Din fråga", placeholder="Ex: Hur startar jag en laddning?")
             btn_search = gr.Button("Sök")
             out_search = gr.Dataframe(label="Topp 3 resultat")
             btn_search.click(fn=sök_faq, inputs=inp_question, outputs=out_search)
-        with gr.Row():
-            gr.Markdown("### Lägg till FAQ")
-            add_question = gr.Textbox(label="Ny fråga")
-            add_answer = gr.Textbox(label="Nytt svar")
-            add_cat = gr.Textbox(label="Ny kategori")
+        
+        # Flik: Lägg till FAQ
+        with gr.TabItem("Lägg till FAQ"):
+            with gr.Row():
+                add_question = gr.Textbox(label="Ny fråga")
+            with gr.Row():
+                add_answer = gr.Textbox(label="Nytt svar")
+            with gr.Row():
+                add_cat = gr.Textbox(label="Ny kategori")
             btn_add = gr.Button("Lägg till")
             out_add = gr.Textbox(label="Status")
             btn_add.click(fn=lägg_till_faq, inputs=[add_question, add_answer, add_cat], outputs=out_add)
-        with gr.Row():
-            gr.Markdown("### Redigera / Ta bort FAQ")
-            existing_quests = gr.Dropdown(choices=df["Fråga"].tolist(), label="Befintliga frågor")
-            new_answer = gr.Textbox(label="Nytt svar (valfritt)")
-            new_cat = gr.Textbox(label="Ny kategori (valfritt)")
+        
+        # Flik: Redigera / Ta bort FAQ
+        with gr.TabItem("Redigera / Ta bort FAQ"):
+            with gr.Row():
+                existing_quests = gr.Dropdown(choices=df["Fråga"].tolist(), label="Befintliga frågor")
+            with gr.Row():
+                new_answer = gr.Textbox(label="Nytt svar (valfritt)")
+            with gr.Row():
+                new_cat = gr.Textbox(label="Ny kategori (valfritt)")
             btn_update = gr.Button("Uppdatera")
             out_update = gr.Textbox(label="Status")
             btn_update.click(fn=uppdatera_faq, inputs=[existing_quests, new_answer, new_cat], outputs=out_update)
+            gr.Markdown("#### Eller ta bort en FAQ-post:")
             btn_delete = gr.Button("Ta bort")
             out_delete = gr.Textbox(label="Status")
             btn_delete.click(fn=ta_bort_faq, inputs=existing_quests, outputs=out_delete)
-        with gr.Row():
-            gr.Markdown("### Visa senaste FAQ-poster")
-            btn_show = gr.Button("Visa senaste 10")
-            out_log = gr.Dataframe(label="Senaste poster")
-            btn_show.click(fn=visa_senaste_faq, inputs=[], outputs=out_log)
-
-    # Loggflik
-    with gr.Tab("Loggfil"):
-        gr.Markdown("## Visa loggfil (senaste 10 poster)")
-        btn_log = gr.Button("Läs loggfil")
-        out_logfile = gr.Dataframe(label="Loggfil")
-        btn_log.click(fn=visa_logfil, inputs=[], outputs=out_logfile)
-
-demo.launch()
+        
+        # Flik: Loggfil
+        with gr.TabItem("Loggfil"):
+            btn_show_log = gr.Button("Visa senaste 10 poster")
+            out_log = gr.Dataframe(label="Loggfil")
+            btn_show_log.click(fn=visa_logfil, inputs=[], outputs=out_log)
+
+if __name__ == "__main__":
+    demo.launch()