Update app.py

app.py

@@ -2,39 +2,26 @@ import os
 import gradio as gr
 import requests
 
-# API Keys ophalen uit Hugging Face Secrets
+# API Keys (via Hugging Face Secrets)
 WEAVIATE_API_KEY = os.getenv("WEAVIATE_APIKEY")
 VLAM_API_KEY = os.getenv("VLAM_APIKEY")
 
-# Weaviate-instellingen
+# 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"
-}
+HEADERS = {"Authorization": f"Bearer {WEAVIATE_API_KEY}", "Content-Type": "application/json"}
 
-# **System Prompt**
-SYSTEM_PROMPT = (
-    "Je bent een formele en feitelijke DigiD-assistent bij Logius. "
-    "Je helpt gebruikers bij het aansluiten op DigiD. "
-    "Je antwoorden zijn kort, bondig, feitelijk en eenvoudig te begrijpen.\n\n"
-    "Gebruik ALLEEN de onderstaande documentatie om een antwoord te genereren. "
-    "Als je het antwoord niet weet, zeg dan dat je het niet weet en verwijs de gebruiker naar Logius."
-)
-
-# **Functie om relevante documenten uit Weaviate op te halen**
+# Functie om documenten op te halen
 def fetch_relevant_docs(user_query):
     query = {
         "query": f"""
         {{
           Get {{
             DigiDDocument(
-              nearText: {{ concepts: ["{user_query}"], certainty: 0.6 }},  # Lagere drempel
-              limit: 5  # Meer documenten teruggeven
+              nearText: {{ concepts: ["{user_query}"] }},
+              limit: 3
             ) {{
               title
               content
-              url
             }}
           }}
         }}
@@ -44,62 +31,33 @@ def fetch_relevant_docs(user_query):
     if response.status_code == 200:
         data = response.json()
         documents = data.get("data", {}).get("Get", {}).get("DigiDDocument", [])
-        if not documents:
-            print(f"⚠️ Geen documenten gevonden voor: {user_query}")
-            return None
-        return "\n\n".join([f"{doc['content']}" for doc in documents])
-    else:
-        print(f"❌ Weaviate-fout: {response.status_code}")
-        return None
+        if documents:
+            return "\n\n".join([f"{doc['content']}" for doc in documents])
+    return None
 
-# **Functie om antwoord te genereren met VLAM.AI**
+# Functie om antwoord te genereren met VLAM.AI
 def generate_answer(vraag, history=[]):
-    messages = [{"role": "system", "content": SYSTEM_PROMPT}]
-
-    # **Relevante documentatie ophalen**
-    documentatie = fetch_relevant_docs(vraag)
-    if documentatie:
-        messages.append({"role": "system", "content": f"Hier is de beschikbare documentatie:\n\n{documentatie}"})
-    else:
-        messages.append({"role": "system", "content": "Er is geen relevante documentatie gevonden. Probeer het opnieuw of neem contact op met Logius."})
-
-    # **Loop door de gespreksgeschiedenis**
-    for turn in history:
-        if turn[0]:
-            messages.append({"role": "user", "content": turn[0]})
-        if turn[1]:
-            messages.append({"role": "assistant", "content": turn[1]})
-
-    # Voeg de huidige gebruikersvraag toe
-    messages.append({"role": "user", "content": vraag})
+    context = fetch_relevant_docs(vraag)
+    if not context:
+        return "Ik kan geen relevante documentatie vinden. Probeer een andere vraag."
 
-    # **VLAM.AI API instellingen**
-    VLAM_API_URL = "https://api.demo.vlam.ai/v2.1/projects/poc/openai-compatible/v1/chat/completions"
-    VLAM_HEADERS = {
-        "Authorization": f"Bearer {VLAM_API_KEY}",
-        "Content-Type": "application/json"
-    }
-    VLAM_DATA = {
-        "model": "ubiops-deployment/logius-pc-mistralmedium-flexibel//chat-model",
-        "messages": messages,
-        "max_tokens": 512,
-        "temperature": 0.2
-    }
+    messages = [
+        {"role": "system", "content": "Je bent een DigiD-assistent. Gebruik de context om antwoord te geven."},
+        {"role": "system", "content": f"Context:\n{context}"},
+        {"role": "user", "content": vraag}
+    ]
 
-    # **API-aanroep naar VLAM.AI**
     response = requests.post(
-        VLAM_API_URL,
-        headers=VLAM_HEADERS,
-        json=VLAM_DATA
+        "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": 512
+        }
     )
+    return response.json()["choices"][0]["message"]["content"]
 
-    if response.status_code == 200:
-        antwoord = response.json()["choices"][0]["message"]["content"]
-        return antwoord
-    else:
-        return f"⚠️ Fout bij genereren antwoord: {response.status_code}, {response.text}"
-
-# **Gradio UI met gespreksgeschiedenis**
-demo = gr.ChatInterface(generate_answer, chatbot=gr.Chatbot(), title="DigiD Assistent (VLAM.AI)")
-if __name__ == "__main__":
-    demo.launch()
+# Gradio Interface
+demo = gr.ChatInterface(generate_answer, title="DigiD Chatbot")
+demo.launch()