Update app.py

app.py

@@ -4,35 +4,36 @@ from langchain_community.vectorstores import FAISS
 from langchain_huggingface import HuggingFaceEmbeddings
 from groq import Groq
 
-# Path FAISS index
+# ✅ Path FAISS index
 faiss_path = "faiss_index"
 
-# Pastikan file FAISS index ada sebelum loading
+# ✅ Pastikan FAISS index ada sebelum loading
 if not os.path.exists(f"{faiss_path}/index.faiss"):
-    raise FileNotFoundError(f"⚠️ File FAISS index tidak ditemukan di {faiss_path}. Pastikan Anda telah membuat dan mengunggahnya!")
+    raise FileNotFoundError(f"⚠️ FAISS index tidak ditemukan di {faiss_path}. Pastikan Anda telah mengunggahnya!")
 
-# Load FAISS index
+# ✅ Load FAISS index
 vector_store = FAISS.load_local(
     faiss_path,
     HuggingFaceEmbeddings(model_name="sentence-transformers/all-MiniLM-L6-v2"),
     allow_dangerous_deserialization=True  
 )
 
-# Load API Key dari variabel lingkungan
+# ✅ Load API Key dari Secrets di Hugging Face Spaces
 GROQ_API_KEY = os.getenv("GROQ_API_KEY")
 if not GROQ_API_KEY:
     raise ValueError("⚠️ API Key Groq tidak ditemukan! Setel variabel lingkungan 'GROQ_API_KEY'.")
 
-# Inisialisasi API Groq
+# ✅ Inisialisasi API Groq
 client = Groq(api_key=GROQ_API_KEY)
 
 def retrieve_and_generate(query, history=[]):
-    """Retrieve knowledge base & generate response."""
-    # Retrieve top 3 documents
+    """🔍 Retrieve dokumen & 🧠 Generate jawaban dari LLM."""
+    
+    # 🔍 Ambil 3 dokumen yang paling relevan
     docs = vector_store.similarity_search(query, k=3)
     context = "\n\n".join([doc.page_content for doc in docs])
 
-    # Generate response with LLM
+    # 🧠 Generate respons dengan model Groq
     response = client.chat.completions.create(
         model="mixtral-8x7b-32768",
         messages=[
@@ -43,18 +44,22 @@ def retrieve_and_generate(query, history=[]):
         max_tokens=200
     )
 
-    # Return hasil dalam format chat
     bot_response = response.choices[0].message.content
-    history.append((query, bot_response))  # Simpan ke history chat
-    return history, history
-
-# UI dengan Gradio
-iface = gr.ChatInterface(
-    fn=retrieve_and_generate,
-    chatbot=gr.Chatbot(label="Jawaban RoboHome"),
-    textbox=gr.Textbox(label="Ajukan pertanyaan tentang RoboHome"),
-    title="RoboHome RAG Chatbot",
-    description="Chatbot ini menjawab pertanyaan berdasarkan dokumentasi RoboHome.",
-)
+    history.append((query, bot_response))  # ✅ Simpan chat history
+    return history
+
+# ✅ UI dengan Gradio
+with gr.Blocks() as demo:
+    gr.Markdown("## 🤖 RoboHome RAG Chatbot")
+    gr.Markdown("Chatbot ini menjawab pertanyaan berdasarkan dokumentasi RoboHome.")
+    
+    chatbot = gr.Chatbot(label="💬 Jawaban RoboHome")
+    input_text = gr.Textbox(label="✏️ Ajukan pertanyaan tentang RoboHome", placeholder="Ketik pertanyaan di sini...")
+    send_button = gr.Button("🚀 Kirim")
+
+    def process_input(user_input, history):
+        return retrieve_and_generate(user_input, history)
+
+    send_button.click(process_input, inputs=[input_text, chatbot], outputs=chatbot)
 
-iface.launch(share=True)  # Share=True untuk membuat link publik
+demo.launch(share=True)