app.py

import os
import gradio as gr
import requests

# API Keys (via Hugging Face Secrets)
WEAVIATE_API_KEY = os.getenv("WEAVIATE_APIKEY")
VLAM_API_KEY = os.getenv("VLAM_APIKEY")

# Weaviate Config
WEAVIATE_URL = "https://k6hr14w1r8gwkdctkxha.c0.europe-west3.gcp.weaviate.cloud/v1/graphql"
HEADERS = {"Authorization": f"Bearer {WEAVIATE_API_KEY}", "Content-Type": "application/json"}

def fetch_relevant_docs(user_query):
    # Probeer eerst met nearText (semantische zoekopdracht)
    neartext_query = {
        "query": f"""
        {{
          Get {{
            DigiDDocument(
              nearText: {{ concepts: ["{user_query}"] }},
              limit: 3
            ) {{
              title
              content
            }}
          }}
        }}
        """
    }
    response = requests.post(WEAVIATE_URL, json=neartext_query, headers=HEADERS)
    if response.status_code == 200:
        data = response.json()
        documents = data.get("data", {}).get("Get", {}).get("DigiDDocument", [])
        if documents:
            return "\n\n".join([f"{doc['content']}" for doc in documents])

    # Als nearText niets vindt, probeer met BM25 (keyword-zoekopdracht)
    bm25_query = {
        "query": f"""
        {{
          Get {{
            DigiDDocument(
              bm25: {{ query: "{user_query}" }},
              limit: 3
            ) {{
              title
              content
            }}
          }}
        }}
        """
    }
    response = requests.post(WEAVIATE_URL, json=bm25_query, headers=HEADERS)
    if response.status_code == 200:
        data = response.json()
        documents = data.get("data", {}).get("Get", {}).get("DigiDDocument", [])
        if documents:
            return "\n\n".join([f"{doc['content']}" for doc in documents])

    # Als beide queries niets vinden
    return None

def generate_answer(vraag, history=[]):
    # Voeg de laatste 2 berichten uit de gespreksgeschiedenis toe aan de context
    history_text = ""
    if history:
        history_text = "\n".join(
            [f"Gebruiker: {user_msg}\nAssistent: {bot_msg}"
             for user_msg, bot_msg in history[-2:]]  # Laatste 2 berichten
        )

    context = fetch_relevant_docs(vraag)
    if not context:
        return "Ik kan geen relevante documentatie vinden over EVA of DigiD-aansluiting. Misschien kan ik u helpen met een gerelateerd onderwerp? Bijvoorbeeld: 'Hoe werkt het aansluiten van DigiD via EVA?'"

    messages = [
        {"role": "system", "content": f"""
        ### Rol en Doel
        Je bent **De Aansluitassistent voor EVA en DigiD**, een **deskundige en behulpzame** assistent voor organisaties die DigiD aansluiten via EVA.

        ### Antwoordstijl voor Checklists en Stappenplannen
        - Als de gebruiker vraagt om een **checklist, stappenplan of eisenlijst**:
          1. **Bevestig kort** dat de checklist beschikbaar is.
          2. **Noem de 2-3 belangrijkste punten** (als voorproefje).
          3. **Verwijs naar de volledige checklist** met een link (indien beschikbaar) of bied aan om deze te delen.
          4. **Sluit af met een vervolgvraag** over een specifiek onderdeel.

        **Voorbeeldantwoord voor een checklistvraag:**
        *"Ja, er is een checklist voor [onderwerp]. De belangrijkste punten zijn:
        - [Punt 1]
        - [Punt 2]
        - [Punt 3]

        **Volledige checklist:** [Link naar checklist] of [Toolkit DigiD](https://www.digid.nl/toolkit).
        **Vervolgvraag:** Wilt u hulp bij een specifiek criterium, zoals [onderdeel]?"*

        ### Gesprekscontext (gebruik deze om je antwoord te vormen):
        {history_text}

        ### Instructies:
        - **Alleen antwoorden op basis van de onderstaande context EN de gesprekscontext.**
        - **Verwijs naar eerdere antwoorden** als de gebruiker daarnaar verwijst.
        - **Stel vervolgvragen die natuurlijk voortvloeien uit het gesprek en de context.**

        ### Antwoordstijl
        - **Zakelijk, maar vriendelijk, betrokken en enthousiasmerend. Eenvoudig taalgebruik.**
          - Gebruik "u" en "uw".
          - Toon begrip voor de situatie van de gebruiker (bijv. *"Dat is een belangrijke stap, ik help u graag verder."*).
        - **Structuur:**
          1. Beantwoord de **hoofdvraag** met **maximaal 3 kernpunten** (bulletpoints of alinea's).
          2. **Sluit af met 1 of 2 vervolgvragen** die **direct aansluiten op het antwoord en de context**.

        ### Gedragsregels
        1. **Als de vraag buiten de scope valt:**
           *"Ik help graag met technische en procedurele vragen over EVA en DigiD. Voor [onderwerp] kunt u terecht bij [bron]. Laat me weten als u hulp nodig heeft met iets anders binnen EVA/DigiD!"*
        2. **Als er geen context is:**
           *"Ik kan helaas geen relevante informatie vinden over [onderwerp] in de EVA/DigiD-documentatie. Misschien kan ik u helpen met een gerelateerd onderwerp? Bijvoorbeeld: [noem een relevant onderwerp uit de context].*
        3. **Als de context onduidelijk is:**
           *"Kunt u uw vraag wat specifieker maken? Dan kan ik u beter helpen. Bijvoorbeeld: [geef een voorbeeldvraag die aansluit op de context]."*

        ### Voorbeelden van Goede Vervolgvragen
        - Als de gebruiker vraagt over **Metadata**:
          *"Heeft u al een PKIOverheid Certificaat? Dan kan ik u helpen met de volgende stappen."*
        - Als de gebruiker vraagt over **foutmeldingen**:
          *"Kunt u de specifieke foutmelding delen? Dan kan ik u gerichter helpen."*

        ### Context (gebruik ALLEEN deze informatie + de gesprekscontext):
        {context}
        """},
        {"role": "user", "content": vraag}
    ]

    response = requests.post(
        "https://api.demo.vlam.ai/v2.1/projects/poc/openai-compatible/v1/chat/completions",
        headers={"Authorization": f"Bearer {VLAM_API_KEY}"},
        json={
            "model": "ubiops-deployment/logius-pc-mistralmedium-flexibel//chat-model",
            "messages": messages,
            "max_tokens": 1000,
            "temperature": 0.3
        }
    )

    full_answer = response.json()["choices"][0]["message"]["content"]

    # Alleen afkappen als het antwoord te lang is
    words = full_answer.split()
    if len(words) > 300:
        truncated = ' '.join(words[:300])
        if not any(punct in truncated[-10:] for punct in ["?", "!"]):
            truncated += "\n\nLaat me weten als u hier meer over wilt weten of hulp nodig heeft met een gerelateerd onderwerp!"
        return truncated

    return full_answer

# Gradio Interface met gespreksgeschiedenis
demo = gr.ChatInterface(
    generate_answer,
    title="EVA/DigiD Aansluitassistent",
    description="Stel vragen over het aansluiten van DigiD via EVA. De chat onthoudt de context binnen deze sessie."
)
demo.launch()