Update space

app.py

@@ -1,64 +1,32 @@
+# app.py
 import gradio as gr
-from huggingface_hub import InferenceClient
 
-"""
-For more information on `huggingface_hub` Inference API support, please check the docs: https://huggingface.co/docs/huggingface_hub/v0.22.2/en/guides/inference
-"""
-client = InferenceClient("HuggingFaceH4/zephyr-7b-beta")
-
-
-def respond(
-    message,
-    history: list[tuple[str, str]],
-    system_message,
-    max_tokens,
-    temperature,
-    top_p,
-):
-    messages = [{"role": "system", "content": system_message}]
-
-    for val in history:
-        if val[0]:
-            messages.append({"role": "user", "content": val[0]})
-        if val[1]:
-            messages.append({"role": "assistant", "content": val[1]})
-
-    messages.append({"role": "user", "content": message})
-
-    response = ""
-
-    for message in client.chat_completion(
-        messages,
-        max_tokens=max_tokens,
-        stream=True,
-        temperature=temperature,
-        top_p=top_p,
-    ):
-        token = message.choices[0].delta.content
-
-        response += token
-        yield response
-
-
-"""
-For information on how to customize the ChatInterface, peruse the gradio docs: https://www.gradio.app/docs/chatinterface
-"""
-demo = gr.ChatInterface(
-    respond,
-    additional_inputs=[
-        gr.Textbox(value="You are a friendly Chatbot.", label="System message"),
-        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),
-        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
-        gr.Slider(
-            minimum=0.1,
-            maximum=1.0,
-            value=0.95,
-            step=0.05,
-            label="Top-p (nucleus sampling)",
-        ),
-    ],
-)
-
-
-if __name__ == "__main__":
-    demo.launch()
+# Inhalt aus Markdown-Datei laden
+def lade_wissen():
+    try:
+        with open("data/sachkunde.md", "r", encoding="utf-8") as f:
+            return f.read()
+    except FileNotFoundError:
+        return "Das Sachkunde-Skript wurde nicht gefunden."
+
+wissen = lade_wissen()
+
+# Chat-Logik (einfacher Bot mit statischem Wissen)
+def antwortverlauf(chatverlauf):
+    eingabe = chatverlauf[-1]["content"].lower()
+    
+    if "34a" in eingabe:
+        antwort = "§34a regelt die Sachkundeprüfung im Bewachungsgewerbe."
+    elif "hilfe" in eingabe:
+        antwort = "Klar helfe ich dir! Frag mich einfach, ich bin da. 😊"
+    elif "datenschutz" in eingabe:
+        antwort = "Datenschutz ist zentral geregelt über DSGVO und BDSG. Willst du ein Beispiel?"
+    else:
+        antwort = "Ich bin mir nicht sicher, was du meinst – kannst du das anders formulieren?"
+    
+    return chatverlauf + [{"role": "assistant", "content": antwort}]
+
+demo = gr.ChatInterface(fn=antwortverlauf, title="§34a Lern-Chatbot", 
+                        description="Frag mich zur Sachkundeprüfung – ich helf dir weiter!")
+
+demo.launch()