Update app.py

app.py

@@ -3,7 +3,6 @@ import json
 import pandas as pd
 import torch
 import gradio as gr
-import datetime
 
 from huggingface_hub import login, Repository
 from sentence_transformers import SentenceTransformer, util
@@ -17,7 +16,7 @@ if not HF_TOKEN:
 
 login(token=HF_TOKEN)
 
-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"
 
@@ -35,20 +34,19 @@ try:
 except Exception as e:
     raise FileNotFoundError(f"Kunde inte ladda FAQ-filen: {str(e)}")
 
-# Ladda Sentence Transformer-modellen
+# Ladda Sentence Transformer
 model = SentenceTransformer("sentence-transformers/all-MiniLM-L6-v2")
 
 # Skapa embeddings av alla FAQ-frågor en gång
 faq_questions = df["Fråga"].tolist()
 faq_embeddings = model.encode(faq_questions, convert_to_tensor=True)
 
-
 # ================================
-#       HJÄLPFUNKTIONER
+#   HJÄLPFUNKTIONER
 # ================================
 def uppdatera_embeddings():
     """
-    Uppdatera FAQ-embeddings om FAQ-DataFrame ändras.
+    Uppdatera embeddings efter att FAQ-DataFrame har ändrats.
     """
     global faq_questions, faq_embeddings, df
     faq_questions = df["Fråga"].tolist()
@@ -56,21 +54,21 @@ def uppdatera_embeddings():
 
 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 sökfrågan
+
+    # Skapa embedding för query
     query_emb = model.encode(fråga, convert_to_tensor=True)
     cos_scores = util.cos_sim(query_emb, faq_embeddings)[0]
-    
-    # Hämta de 3 bästa resultaten
+
+    # Hämta topp 3
     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]
@@ -84,7 +82,7 @@ def sök_faq(fråga):
 
 def lägg_till_faq(fråga, svar, kategori):
     """
-    Lägger till en ny FAQ-post, sparar och synkroniserar med Hugging Face-repot.
+    Lägger till en ny fråga i df, sparar och pushar, uppdaterar embeddings.
     """
     global df
     fråga = fråga.strip()
@@ -95,13 +93,13 @@ def lägg_till_faq(fråga, svar, kategori):
         return "Fråga, svar och kategori får inte vara tomma!"
 
     try:
-        # Lägg till den nya FAQ-posten i DataFrame
+        # Lägg till i DataFrame
         ny_rad = pd.DataFrame([[fråga, svar, kategori]], columns=["Fråga", "Svar", "Kategori"])
         df = pd.concat([df, ny_rad], ignore_index=True)
 
-        # Spara ändringar till Excel-filen
+        # Spara och pusha
         df.to_excel(faq_path, index=False)
-        uppdatera_embeddings()  # Uppdatera embeddings
+        uppdatera_embeddings()  # Skapa nya embeddings
 
         repo.git_add()
         repo.git_commit(f"Lade till FAQ: {fråga[:50]}...")
@@ -112,15 +110,9 @@ def lägg_till_faq(fråga, svar, kategori):
         return f"Fel vid uppdatering: {str(e)}"
 
 def visa_senaste_faq(antal=10):
-    """
-    Returnerar de senaste {antal} FAQ-posterna (från Excel-filen).
-    """
     return df.tail(antal)
 
 def uppdatera_faq(gammal_fråga, nytt_svar, ny_kategori):
-    """
-    Uppdaterar FAQ-posten med ny information.
-    """
     global df
     gammal_fråga = gammal_fråga.strip()
     nytt_svar = nytt_svar.strip()
@@ -150,9 +142,6 @@ 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 vald FAQ-post.
-    """
     global df
     fråga_att_radera = fråga_att_radera.strip()
     if not fråga_att_radera:
@@ -201,79 +190,65 @@ def visa_logfil():
     except Exception as e:
         return pd.DataFrame({"Fel": [f"Fel vid inläsning av loggfil: {e}"]})
 
-
 # ================================
 #      GRADIO-GRÄNSSNITT
 # ================================
-with gr.Blocks() as demo:
-    # --- Login-sektionen ---
-    with gr.Column(visible=True) as login_container:
-        gr.Markdown("## Logga in")
-        login_username = gr.Textbox(label="Användarnamn")
-        login_password = gr.Textbox(label="Lösenord", type="password")
-        login_button = gr.Button("Logga in")
-        login_status = gr.Textbox(label="Status")
-
-    # --- Huvudapplikationen (gömmer tills inloggning lyckas) ---
-    with gr.Column(visible=False) as main_container:
-        gr.Markdown("# Enkel FAQ Admin")
-        gr.Markdown("Administrera FAQ-poster, sök i befintliga frågor, lägg till, uppdatera eller ta bort.")
-
-        # ---- Sök i FAQ ----
-        gr.Markdown("## Sök i FAQ")
-        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)
-
-        # ---- Lägg till FAQ ----
-        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")
-        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)
-
-        # ---- Redigera / Ta bort FAQ ----
-        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)")
-        btn_update = gr.Button("Uppdatera")
-        out_update = gr.Textbox(label="Status")
-        btn_delete = gr.Button("Ta bort")
-        out_delete = gr.Textbox(label="Status")
-        btn_update.click(fn=uppdatera_faq, inputs=[existing_quests, new_answer, new_cat], outputs=out_update)
-        btn_delete.click(fn=ta_bort_faq, inputs=existing_quests, outputs=out_delete)
-
-        # ---- Visa senaste FAQ-poster ----
-        gr.Markdown("## Visa senaste FAQ-poster")
-        btn_show = gr.Button("Visa senaste 10")
-        out_faq_log = gr.Dataframe(label="Senaste poster")
-        btn_show.click(fn=visa_senaste_faq, inputs=[], outputs=out_faq_log)
-
-        # ---- Visa loggfil (senaste 10 konversationer) ----
-        gr.Markdown("## Visa loggfil")
-        btn_log = gr.Button("Visa loggfil")
-        out_logfil = gr.Dataframe(label="Senaste loggar")
-        btn_log.click(fn=visa_logfil, inputs=[], outputs=out_logfil)
-
-    # --- Inloggningsverifiering ---
-    def verify_login(username, password):
-        """
-        Verifierar inloggningsuppgifterna mot miljövariablerna APP_USERNAME och APP_PASSWORD.
-        """
-        valid_username = os.getenv("APP_USERNAME")
-        valid_password = os.getenv("APP_PASSWORD")
-        if username == valid_username and password == valid_password:
-            return "Inloggning lyckades!", gr.update(visible=False), gr.update(visible=True)
-        else:
-            return "Felaktiga inloggningsuppgifter!", gr.update(visible=True), gr.update(visible=False)
-
-    login_button.click(fn=verify_login, 
-                       inputs=[login_username, login_password],
-                       outputs=[login_status, login_container, main_container])
+
+# Anpassad CSS för att göra gränssnittet snyggare
+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 i befintliga frågor, lägg till, uppdatera, ta bort och visa loggfil.</p>")
+
+    with gr.Tabs():
+        # Tab: 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)
+
+        # Tab: 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)
+
+        # Tab: 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)
+
+        # Tab: Visa FAQ-loggfilen
+        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()