Update app.py

app.py

@@ -2,7 +2,7 @@ import os
 import json
 import time
 import requests
-from anthropic import Anthropic
+from anthropic import Anthropic, RateLimitError, APIError
 from openai import OpenAI
 import gradio as gr
 import pandas as pd
@@ -19,9 +19,9 @@ import re
 
 # --- Konfiguration ---
 CHARGENODE_URL = "https://www.chargenode.eu"
-MAX_CHUNK_SIZE = 2000  # Ökad chunkstorleken för att bättre hantera FAQ-svar
-CHUNK_OVERLAP = 200    # Nytt: Overlapping chunks för att inte tappa kontext
-RETRIEVAL_K = 5        # Antal chunker att hämta vid varje sökning
+MAX_CHUNK_SIZE = 2000
+CHUNK_OVERLAP = 200
+RETRIEVAL_K = 5
 
 # Kontrollera om vi kör i Hugging Face-miljön
 IS_HUGGINGFACE = os.environ.get("SPACE_ID") is not None
@@ -45,7 +45,7 @@ log_file_path = os.path.join(log_folder, "conversation_log_v2.txt")
 # Skapa en tom loggfil om den inte finns
 if not os.path.exists(log_file_path):
     with open(log_file_path, "w", encoding="utf-8") as f:
-        f.write("")  # Skapa en tom fil
+        f.write("")
     print(f"Skapade tom loggfil: {log_file_path}")
 
 hf_token = os.environ.get("HF_TOKEN")
@@ -58,12 +58,12 @@ scheduler = CommitScheduler(
     repo_type="dataset",
     folder_path=log_folder,
     path_in_repo="logs_v2",
-    every=300,  # Vänta 5 minuter
+    every=300,
     token=hf_token
 )
 
 # --- Globala variabler ---
-last_log = None  # Sparar loggdata från senaste svar för feedback
+last_log = None
 
 # Globala variabler för embeddings
 embedder = None
@@ -71,17 +71,16 @@ embeddings = None
 index = None
 chunks = []
 chunk_sources = []
-faq_dict = {}  # Ny: Dictionary för direktmatchning av vanliga frågor
+faq_dict = {}
 
 # --- Förbättrad loggfunktion ---
 def safe_append_to_log(log_entry):
     """Säker metod för att lägga till loggdata utan att förlora historisk information."""
     try:
-        # Öppna filen i append-läge
         with open(log_file_path, "a", encoding="utf-8") as log_file:
             log_json = json.dumps(log_entry)
             log_file.write(log_json + "\n")
-            log_file.flush()  # Säkerställ att data skrivs till disk omedelbart
+            log_file.flush()
             
         print(f"Loggpost tillagd: {log_entry.get('timestamp', 'okänd tid')}")
         return True
@@ -89,11 +88,9 @@ def safe_append_to_log(log_entry):
     except Exception as e:
         print(f"Fel vid loggning: {e}")
         
-        # Försök skapa mappen om den inte finns
         try:
             os.makedirs(os.path.dirname(log_file_path), exist_ok=True)
             
-            # Försök igen
             with open(log_file_path, "a", encoding="utf-8") as log_file:
                 log_json = json.dumps(log_entry)
                 log_file.write(log_json + "\n")
@@ -118,10 +115,10 @@ def load_local_files():
                     with open(file, "r", encoding="utf-8") as f:
                         content = f.read()
                 elif file.endswith(".docx"):
-                    from docx import Document  # Import sker vid behov
+                    from docx import Document
                     content = "\n".join([p.text for p in Document(file).paragraphs])
                 elif file.endswith(".pdf"):
-                    import PyPDF2  # Import sker vid behov
+                    import PyPDF2
                     with open(file, "rb") as f:
                         reader = PyPDF2.PdfReader(f)
                         content = "\n".join([p.extract_text() or "" for p in reader.pages])
@@ -132,13 +129,11 @@ def load_local_files():
                         df = pd.read_excel(file)
                         rows = []
                         for index, row in df.iterrows():
-                            # Start with the required fields
                             row_text = f"Fråga: {row['Fråga']}\nSvar: {row['Svar']}"
                             
-                            # Add kategori if it exists in the dataframe
                             if 'kategori' in df.columns:
                                 row_text += f"\nKategori: {row['kategori']}"
-                            elif 'Kategori' in df.columns:  # Also check for capitalized version
+                            elif 'Kategori' in df.columns:
                                 row_text += f"\nKategori: {row['Kategori']}"
                                 
                             rows.append(row_text)
@@ -173,32 +168,24 @@ def prepare_chunks(text_data):
     global faq_dict
     
     for source, text in text_data.items():
-        # Split text into paragraph-sized chunks
         paragraphs = [p for p in text.split("\n") if p.strip()]
         
-        # Process FAQ-specific content better
         i = 0
         while i < len(paragraphs):
-            # Start a new chunk
             current_chunk = ""
             start_idx = i
             
-            # Check for FAQ format
             if i < len(paragraphs) and paragraphs[i].startswith("Fråga:"):
-                question = paragraphs[i][7:].strip()  # Extract the question text
+                question = paragraphs[i][7:].strip()
                 current_chunk = paragraphs[i]
                 i += 1
                 
-                # Add content until we reach the next question or MAX_CHUNK_SIZE
                 while i < len(paragraphs) and not paragraphs[i].startswith("Fråga:"):
-                    # Add this paragraph if it doesn't exceed chunk size
                     if len(current_chunk) + len(paragraphs[i]) + 1 <= MAX_CHUNK_SIZE:
                         current_chunk += "\n" + paragraphs[i]
                     else:
-                        # If we're already processing a FAQ answer, don't break mid-answer
                         if "Svar:" in current_chunk:
-                            # We prefer to keep whole answers together, so let's break only if answer is too long
-                            if len(current_chunk) > MAX_CHUNK_SIZE * 1.5:  # Allow some overflow
+                            if len(current_chunk) > MAX_CHUNK_SIZE * 1.5:
                                 break
                             else:
                                 current_chunk += "\n" + paragraphs[i]
@@ -206,12 +193,10 @@ def prepare_chunks(text_data):
                             break
                     i += 1
                 
-                # Store FAQ pairs in the dictionary for direct lookup
                 if "Svar:" in current_chunk:
                     answer_start = current_chunk.find("Svar:")
                     answer_text = current_chunk[answer_start + 5:].strip()
                     
-                    # Add variations with common synonyms for payment-related questions
                     if any(term in question.lower() for term in ["betalsätt", "betalmetod", "betalmedel", "kort", 
                                                               "betalkort", "betalning", "betala"]):
                         payment_variations = [
@@ -225,10 +210,8 @@ def prepare_chunks(text_data):
                         for variation in payment_variations:
                             faq_dict[variation] = answer_text
                     
-                    # Add the original question to the dictionary
                     faq_dict[question.lower()] = answer_text
             else:
-                # Handle non-FAQ text using sliding window
                 while i < len(paragraphs) and len(current_chunk) + len(paragraphs[i]) + 1 <= MAX_CHUNK_SIZE:
                     if current_chunk:
                         current_chunk += " " + paragraphs[i]
@@ -236,16 +219,13 @@ def prepare_chunks(text_data):
                         current_chunk = paragraphs[i]
                     i += 1
             
-            # Save the chunk if it has content
             if current_chunk.strip():
                 chunks.append(current_chunk.strip())
                 sources.append(source)
             
-            # If we've added a chunk but haven't advanced, we need to move forward
             if i == start_idx:
                 i += 1
         
-        # Create overlapping chunks for better context preservation
         overlap_chunks = []
         overlap_sources = []
         
@@ -253,16 +233,12 @@ def prepare_chunks(text_data):
             overlap_chunks.append(chunks[j])
             overlap_sources.append(sources[j])
             
-            # Create an overlapping chunk with the next chunk if it exists
             if j < len(chunks) - 1 and chunks[j].endswith(chunks[j+1][:CHUNK_OVERLAP]):
-                # Skip if there's already significant overlap
                 continue
                 
             if j < len(chunks) - 1:
-                # Calculate available space in the current chunk
                 space_left = MAX_CHUNK_SIZE - len(chunks[j])
                 
-                # If there's enough space, add part of the next chunk
                 if space_left >= CHUNK_OVERLAP:
                     overlap_text = chunks[j] + " " + chunks[j+1][:CHUNK_OVERLAP]
                     overlap_chunks.append(overlap_text)
@@ -280,7 +256,6 @@ def initialize_embeddings():
     
     if embedder is None:
         print("Initierar SentenceTransformer och FAISS-index...")
-        # Ladda och förbered lokal data
         print("Laddar textdata...")
         text_data = {"local_files": load_local_files()}
         print("Förbereder textsegment...")
@@ -295,18 +270,15 @@ def initialize_embeddings():
         index.add(embeddings)
         print("FAISS-index klart")
         
-        # Print FAQ dictionary keys for debugging
         print(f"FAQ Dictionary innehåller {len(faq_dict)} nycklar")
         if len(faq_dict) > 0:
             payment_keys = [k for k in faq_dict.keys() if any(term in k for term in ["betalsätt", "betalmetod", "betalmedel"])]
             print(f"Betalningsrelaterade FAQ-nycklar: {payment_keys[:5]}")
 
-# Direkt matchningsfunktion för vanliga frågor
 def check_direct_match(query):
     """Kontrollerar om frågan matchar någon av våra fördefinierade FAQ-svar."""
     query_lower = query.lower().strip('?').strip()
     
-    # Explicit check for payment method question
     if any(query_lower.startswith(prefix) for prefix in ["hur ändrar jag", "hur byter jag", "hur uppdaterar jag"]) and \
        any(term in query_lower for term in ["betalsätt", "betalmetod", "betalmedel", "betalkort", "kort"]):
         payment_answer = """Så här gör du om du vill byta betalkort: 
@@ -321,35 +293,28 @@ def check_direct_match(query):
 OBS! Se till att kortet har pengar och att det är upplåst för internetbetalningar."""
         return payment_answer
     
-    # Check if query directly matches a FAQ
     if query_lower in faq_dict:
         return faq_dict[query_lower]
     
-    # Check for close matches using pattern matching
     for key, value in faq_dict.items():
-        # Find questions about changing things with synonyms
         if ("ändra" in query_lower or "byta" in query_lower or "uppdatera" in query_lower) and \
            ("ändra" in key or "byta" in key or "uppdatera" in key):
-            # Check if key and query share important terms
             query_terms = set(query_lower.split())
             key_terms = set(key.split())
-            if len(query_terms.intersection(key_terms)) >= 2:  # At least 2 words in common
+            if len(query_terms.intersection(key_terms)) >= 2:
                 return value
     
     return None
 
 def retrieve_context(query, k=RETRIEVAL_K):
     """Hämtar relevant kontext för frågor med direkt matchning för vanliga frågor."""
-    # Säkerställ att modeller är laddade
     initialize_embeddings()
     
-    # Först, kolla efter direktmatchningar för vanliga frågor
     direct_match = check_direct_match(query)
     if direct_match:
         print(f"Direkt matchning hittad för frågan: {query}")
         return f"Fråga: {query}\nSvar: {direct_match}", ["direct_match"]
     
-    # Om ingen direktmatchning, använd vanlig embedding-sökning
     query_embedding = embedder.encode([query], convert_to_numpy=True)
     query_embedding /= np.linalg.norm(query_embedding)
     D, I = index.search(query_embedding, k)
@@ -360,21 +325,17 @@ def retrieve_context(query, k=RETRIEVAL_K):
             sources.add(chunk_sources[idx])
     return " ".join(retrieved), list(sources)
 
-# Ladda prompt template
 prompt_template = load_prompt()
 
 def generate_answer(query):
-    """Genererar svar baserat på fråga och retrieval-baserad kontext med Claude Haiku."""
-    # Hämta relevant kontext via RAG istället för hela databasen
+    """Genererar svar baserat på fråga och retrieval-baserad kontext med Claude Sonnet 4.5."""
     context, sources = retrieve_context(query)
     
     if not context.strip():
-        return "Jag hittar ingen relevant information i mina källor.\n\nDetta är ett AI genererat svar."
+        return "Jag hittar ingen relevant information i mina källor.\n\nDetta är ett AI-genererat svar."
     
-    # System-prompts och användarfråga
     system_prompt = prompt_template
     
-    # Skapa ett renare användarmeddelande med bara den relevanta kontexten
     user_message = f"""Jag har en fråga om ChargeNode.
 
 Relevant kontext för frågan:
@@ -383,10 +344,9 @@ Relevant kontext för frågan:
 Min fråga är: {query}"""
     
     try:
-        # Använd Claude Haiku med RAG-baserad kontext
         response = anthropic_client.messages.create(
-            model="claude-3-7-sonnet-20250219",
-            max_tokens=500,
+            model="claude-sonnet-4-5-20250929",  # ✅ Claude Sonnet 4.5
+            max_tokens=1500,  # ✅ Ökat från 500
             temperature=0.3,
             system=system_prompt,
             messages=[
@@ -394,9 +354,20 @@ Min fråga är: {query}"""
             ]
         )
         answer = response.content[0].text
+        print("✅ Använder Claude Sonnet 4.5")
         return answer + "\n\nAI-genererat. Otillräcklig hjälp? Kontakta support@chargenode.eu eller 010-2051055"
+        
+    except RateLimitError:
+        print("⚠️ Rate limit nådd")
+        return "För många förfrågningar just nu. Försök igen om några sekunder.\n\nKontakta support@chargenode.eu eller 010-2051055"
+        
+    except APIError as e:
+        print(f"⚠️ API-fel: {e}")
+        return "Tekniskt fel uppstod. Vänligen försök igen.\n\nKontakta support@chargenode.eu eller 010-2051055"
+        
     except Exception as e:
-        return f"Tekniskt fel: {str(e)}\n\nAI-genererat. Kontakta support@chargenode.eu eller 010-2051055"
+        print(f"❌ Oväntat fel: {e}")
+        return f"Tekniskt fel: {str(e)}\n\nKontakta support@chargenode.eu eller 010-2051055"
 
 # --- Slack Integration ---
 def send_to_slack(subject, content, color="#2a9d8f"):
@@ -407,7 +378,6 @@ def send_to_slack(subject, content, color="#2a9d8f"):
         return False
     
     try:
-        # Formatera meddelandet för Slack
         payload = {
             "blocks": [
                 {
@@ -445,11 +415,7 @@ def send_to_slack(subject, content, color="#2a9d8f"):
 
 # --- Feedback & Like-funktion ---
 def vote(data: gr.LikeData):
-    """
-    Hanterar feedback från Gradio's inbyggda like-funktion.
-    data.liked är True om uppvote, annars False.
-    data.value innehåller information om meddelandet.
-    """
+    """Hanterar feedback från Gradio's inbyggda like-funktion."""
     feedback_type = "up" if data.liked else "down"
     global last_log
     log_entry = {
@@ -457,19 +423,16 @@ def vote(data: gr.LikeData):
         "feedback": feedback_type,
         "bot_reply": data.value if not isinstance(data.value, dict) else data.value.get("value")
     }
-    # Om global logdata finns, lägg till ytterligare metadata.
     if last_log:
         log_entry.update({
             "session_id": last_log.get("session_id"),
             "user_message": last_log.get("user_message"),
         })
     
-    # Använd den förbättrade loggfunktionen
     safe_append_to_log(log_entry)
     
-    # Skicka feedback till Slack
     try:
-        if feedback_type == "down":  # Skicka bara negativ feedback
+        if feedback_type == "down":
             feedback_message = f"""
 *⚠️ Negativ feedback registrerad*
 
@@ -477,7 +440,6 @@ def vote(data: gr.LikeData):
 
 *Svar:* {log_entry.get('bot_reply', 'Okänt svar')[:300]}{'...' if len(log_entry.get('bot_reply', '')) > 300 else ''}
 """
-            # Skicka asynkront
             threading.Thread(
                 target=lambda: send_to_slack("Negativ feedback", feedback_message, "#ff0000"),
                 daemon=True
@@ -535,7 +497,6 @@ def get_feedback_stats(logs):
             if feedback in feedback_count:
                 feedback_count[feedback] += 1
                 
-            # Samla exempel på negativ feedback
             if feedback == "down" and 'user_message' in log and len(negative_feedback_examples) < 10:
                 negative_feedback_examples.append({
                     'user_message': log.get('user_message', 'Okänd fråga'),
@@ -548,13 +509,11 @@ def generate_monthly_stats(days=30):
     """Genererar omfattande statistik över botanvändning för den senaste månaden."""
     print(f"Genererar statistik för de senaste {days} dagarna...")
     
-    # Hämta loggar
     logs = read_logs()
     
     if not logs:
         return {"error": "Inga loggar hittades för den angivna perioden"}
     
-    # Filtrera på datumintervall
     now = datetime.now()
     cutoff_date = now - timedelta(days=days)
     filtered_logs = []
@@ -566,26 +525,22 @@ def generate_monthly_stats(days=30):
                 if log_date >= cutoff_date:
                     filtered_logs.append(log)
             except:
-                pass  # Hoppa över poster med ogiltigt datum
+                pass
     
     logs = filtered_logs
     
-    # Basstatistik
     total_conversations = sum(1 for log in logs if 'user_message' in log)
     unique_sessions = len(set(log.get('session_id', 'unknown') for log in logs if 'session_id' in log))
     unique_users = len(set(log.get('user_id', 'unknown') for log in logs if 'user_id' in log))
     
-    # Feedback-statistik
     feedback_logs = [log for log in logs if 'feedback' in log]
     positive_feedback = sum(1 for log in feedback_logs if log.get('feedback') == 'up')
     negative_feedback = sum(1 for log in feedback_logs if log.get('feedback') == 'down')
     feedback_ratio = (positive_feedback / len(feedback_logs) * 100) if feedback_logs else 0
     
-    # Svarstidsstatistik
     response_times = [log.get('response_time', 0) for log in logs if 'response_time' in log]
     avg_response_time = sum(response_times) / len(response_times) if response_times else 0
     
-    # Plattformsstatistik
     platforms = {}
     browsers = {}
     operating_systems = {}
@@ -597,7 +552,6 @@ def generate_monthly_stats(days=30):
         if 'os' in log:
             operating_systems[log['os']] = operating_systems.get(log['os'], 0) + 1
     
-    # Skapa rapport
     report = {
         "period": f"Senaste {days} dagarna",
         "generated_at": datetime.now().strftime("%Y-%m-%d %H:%M:%S"),
@@ -627,10 +581,8 @@ def simple_status_report():
     print("Genererar statusrapport för Slack...")
     
     try:
-        # Generera statistik
-        stats = generate_monthly_stats(days=7)  # Senaste veckan
+        stats = generate_monthly_stats(days=7)
         
-        # Skapa innehåll för Slack
         now = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
         subject = f"ChargeNode AI Bot - Status {now}"
         
@@ -638,7 +590,6 @@ def simple_status_report():
             content = f"*Fel vid generering av statistik:* {stats['error']}"
             return send_to_slack(subject, content, "#ff0000")
         
-        # Formatera statistik
         basic = stats["basic_stats"]
         feedback = stats["feedback"]
         perf = stats["performance"]
@@ -658,7 +609,6 @@ def simple_status_report():
 - Nöjdhet: {feedback['ratio_percent']}%
 """
         
-        # Lägg till de senaste konversationerna
         logs = read_logs()
         conversations = get_latest_conversations(logs, 3)
         
@@ -671,13 +621,11 @@ def simple_status_report():
 > *Svar:* {conv['bot_reply'][:100]}{'...' if len(conv['bot_reply']) > 100 else ''}
 """
         
-        # Skicka till Slack
         return send_to_slack(subject, content, "#2a9d8f")
         
     except Exception as e:
         print(f"Fel vid generering av statusrapport: {e}")
         
-        # Skicka felmeddelande till Slack
         error_subject = f"ChargeNode AI Bot - Fel vid statusrapport"
         error_content = f"*Fel vid generering av statusrapport:* {str(e)}"
         return send_to_slack(error_subject, error_content, "#ff0000")
@@ -685,7 +633,6 @@ def simple_status_report():
 def send_support_to_slack(områdeskod, uttagsnummer, email, chat_history):
     """Skickar en supportförfrågan till Slack."""
     try:
-        # Formatera chat-historiken
         chat_content = ""
         for msg in chat_history:
             if msg['role'] == 'user':
@@ -693,7 +640,6 @@ def send_support_to_slack(områdeskod, uttagsnummer, email, chat_history):
             elif msg['role'] == 'assistant':
                 chat_content += f">*Bot:* {msg['content'][:300]}{'...' if len(msg['content']) > 300 else ''}\n\n"
         
-        # Skapa innehåll
         subject = f"Support förfrågan - {datetime.now().strftime('%Y-%m-%d %H:%M')}"
         
         content = f"""
@@ -707,7 +653,6 @@ def send_support_to_slack(områdeskod, uttagsnummer, email, chat_history):
 {chat_content}
 """
         
-        # Skicka till Slack
         return send_to_slack(subject, content, "#e76f51")
     except Exception as e:
         print(f"Fel vid sändning av support till Slack: {type(e).__name__}: {e}")
@@ -716,12 +661,10 @@ def send_support_to_slack(områdeskod, uttagsnummer, email, chat_history):
 # --- Schemaläggning av rapporter ---
 def run_scheduler():
     """Kör schemaläggaren i en separat tråd med förenklad statusrapportering."""
-    # Använd den förenklade funktionen för rapportering
     schedule.every().day.at("08:00").do(simple_status_report)
     schedule.every().day.at("12:00").do(simple_status_report)
     schedule.every().day.at("17:00").do(simple_status_report)
     
-    # Veckorapport på måndagar
     schedule.every().monday.at("09:00").do(lambda: send_to_slack(
         "Veckostatistik", 
         f"*ChargeNode AI Bot - Veckostatistik*\n\n{json.dumps(generate_monthly_stats(7), indent=2)}", 
@@ -730,16 +673,13 @@ def run_scheduler():
     
     while True:
         schedule.run_pending()
-        time.sleep(60)  # Kontrollera varje minut
+        time.sleep(60)
 
-# Starta schemaläggaren i en separat tråd
 scheduler_thread = threading.Thread(target=run_scheduler, daemon=True)
 scheduler_thread.start()
 
-# Kör en statusrapport vid uppstart för att verifiera att allt fungerar
 try:
     print("Skickar en inledande statusrapport för att verifiera Slack-integrationen...")
-    # Anropa inte direkt här - sker i schemaläggaren
 except Exception as e:
     print(f"Information: Statusrapport kommer att skickas enligt schema: {e}")
 
@@ -759,7 +699,6 @@ h1 {font-family: Helvetica, sans-serif; color: #2a9d8f; text-align: center; marg
 .gr-form {padding: 10px; border: 1px solid #eee; border-radius: 4px; margin-bottom: 10px;}
 .chat-preview {max-height: 150px; overflow-y: auto; border: 1px solid #eee; padding: 8px; margin-top: 10px; font-size: 12px; background-color: #f9f9f9;}
 .success-message {font-size: 16px; font-weight: normal; margin-bottom: 15px;}
-/* Dölj Gradio-footer */
 footer {display: none !important;}
 .footer {display: none !important;}
 .gr-footer {display: none !important;}
@@ -771,7 +710,6 @@ footer {display: none !important;}
 with gr.Blocks(css=custom_css, title="ChargeNode Kundtjänst") as app:
     gr.Markdown("Ställ din fråga om ChargeNodes produkter och tjänster nedan. Om du inte gillar botten, så ring oss gärna på 010 – 205 10 55")
     
-    # Chat interface
     with gr.Group(visible=True) as chat_interface:
         chatbot = gr.Chatbot(value=initial_chat, type="messages", elem_id="chatbot_conversation")
         chatbot.like(vote, None, None)
@@ -785,7 +723,6 @@ with gr.Blocks(css=custom_css, title="ChargeNode Kundtjänst") as app:
             with gr.Column(scale=1):
                 support_btn = gr.Button("Behöver du mer hjälp?", elem_classes="support-btn")
     
-    # Support form interface (initially hidden)
     with gr.Group(visible=False) as support_interface:
         gr.Markdown("### Vänligen fyll i din områdeskod, uttagsnummer och din email adress")
         
@@ -801,7 +738,6 @@ with gr.Blocks(css=custom_css, title="ChargeNode Kundtjänst") as app:
                 back_btn = gr.Button("Tillbaka")
                 send_support_btn = gr.Button("Skicka")
     
-    # Success message (initially hidden)
     with gr.Group(visible=False) as success_interface:
         gr.Markdown("Tack för att du kontaktar support@chargenode.eu. Vi återkommer inom kort", elem_classes="success-message")
         back_to_chat_btn = gr.Button("Tillbaka till chatten")
@@ -815,7 +751,6 @@ with gr.Blocks(css=custom_css, title="ChargeNode Kundtjänst") as app:
         timestamp = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
         session_id = str(uuid.uuid4())
         
-        # Använd session_id från tidigare logg om det finns
         if last_log and 'session_id' in last_log:
             session_id = last_log.get('session_id')
             
@@ -849,13 +784,10 @@ with gr.Blocks(css=custom_css, title="ChargeNode Kundtjänst") as app:
             "platform": platform
         }
 
-        # Använd den förbättrade loggfunktionen
         safe_append_to_log(log_data)
         last_log = log_data
 
-        # Skicka varje konversation direkt till Slack
         try:
-            # Konversationsinnehåll
             conversation_content = f"""
 *Ny konversation {timestamp}*
 
@@ -865,7 +797,6 @@ with gr.Blocks(css=custom_css, title="ChargeNode Kundtjänst") as app:
 
 *Sessionsinfo:* {session_id[:8]}... | {browser} | {platform}
 """
-            # Skicka asynkront för att inte blockera svarstiden
             threading.Thread(
                 target=lambda: send_to_slack(f"Ny konversation", conversation_content),
                 daemon=True
@@ -885,7 +816,7 @@ with gr.Blocks(css=custom_css, title="ChargeNode Kundtjänst") as app:
         for msg in chat_history:
             sender = "Användare" if msg["role"] == "user" else "Bot"
             content = msg["content"]
-            if len(content) > 100:  # Truncate long messages
+            if len(content) > 100:
                 content = content[:100] + "..."
             preview += f"**{sender}:** {content}\n\n"
         
@@ -911,7 +842,6 @@ with gr.Blocks(css=custom_css, title="ChargeNode Kundtjänst") as app:
         """Hanterar formulärinskickningen med bättre felhantering."""
         print(f"Support-förfrågan: områdeskod={områdeskod}, uttagsnummer={uttagsnummer}, email={email}")
         
-        # Validera input med tydligare loggning
         validation_errors = []
         
         if områdeskod and not områdeskod.isdigit():
@@ -935,7 +865,6 @@ with gr.Blocks(css=custom_css, title="ChargeNode Kundtjänst") as app:
         else:
             print(f"Validerar email: '{email}' (ok)")
         
-        # Om det finns valideringsfel
         if validation_errors:
             print(f"Valideringsfel: {validation_errors}")
             return {
@@ -945,18 +874,15 @@ with gr.Blocks(css=custom_css, title="ChargeNode Kundtjänst") as app:
                 chat_preview: "\n".join(["**Fel:**"] + validation_errors)
             }
         
-        # Om formuläret klarade valideringen, försök skicka till Slack
         try:
             print("Försöker skicka supportförfrågan till Slack...")
             
-            # Skapa en förenklad chathistorik för loggning
             chat_summary = []
             for msg in chat_history:
                 if 'role' in msg and 'content' in msg:
                     chat_summary.append(f"{msg['role']}: {msg['content'][:30]}...")
             print(f"Chatthistorik att skicka: {chat_summary}")
             
-            # Skicka till Slack
             success = send_support_to_slack(områdeskod, uttagsnummer, email, chat_history)
             
             if success:
@@ -994,7 +920,6 @@ with gr.Blocks(css=custom_css, title="ChargeNode Kundtjänst") as app:
         [chat_interface, support_interface, success_interface, chat_preview]
     )
 
-# Initialisera embeddings vid uppstart
 print("Förbereder embedding-modell och index...")
 initialize_embeddings()
 print("Embedding-modell och index redo!")