Update app.py

app.py

@@ -5,74 +5,63 @@ from langchain_text_splitters import RecursiveCharacterTextSplitter
 from langchain_huggingface import HuggingFaceEmbeddings, HuggingFaceEndpoint
 from langchain_community.vectorstores import FAISS
 
-# 1. Ayarlar ve Model Bağlantısı
-# ÖNEMLİ: Settings -> Variables kısmına 'HUGGINGFACEHUB_API_TOKEN' eklemelisin
+# 1. Ayarlar ve Token
 hf_token = os.getenv("HUGGINGFACEHUB_API_TOKEN")
 model_id = "google/gemma-2-9b-it"
 
-# 2. PDF Yükleme ve Hafıza Oluşturma
+# 2. PDF Hafızası Oluşturma
 def initialize_hemdem():
-    # Buradaki 'kulliyat.pdf' ismini kendi yüklediğin dosya ismiyle aynı yap
     if not os.path.exists("kulliyat.pdf"):
+        print("HATA: kulliyat.pdf dosyası bulunamadı!")
         return None
     
     loader = PyMuPDFLoader("kulliyat.pdf")
     docs = loader.load()
     
-    # Metni anlamlı parçalara bölme (Harf cerrahisi için overlap önemli)
+    # Metni parçalara bölme
     text_splitter = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=200)
     split_docs = text_splitter.split_documents(docs)
     
-    # Kelimeleri vektöre çeviren model (Ücretsiz ve hızlı)
     embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/all-MiniLM-L6-v2")
     vector_db = FAISS.from_documents(split_docs, embeddings)
     return vector_db
 
+# Hafızayı başlat
 vector_db = initialize_hemdem()
 
-# 3. Gemma 2 ile Konuşma Fonksiyonu
+# 3. Sohbet Fonksiyonu
 def chat(message, history):
     if vector_db is None:
-        return "Hata: 'kulliyat.pdf' dosyası bulunamadı. Lütfen PDF dosyasını yükleyin."
+        return "Sistem hatası: Külliyat dosyası yüklenemedi."
     
-    # Dökümandan ilgili parçaları bul
+    # İlgili bölümleri bul
     related_docs = vector_db.similarity_search(message, k=5)
     context = "\n---\n".join([doc.page_content for doc in related_docs])
     
-    # Gemma 2 için sistem talimatı
-    prompt = f"""<start_of_turn>user
-Sen Hemdem-i Gemini-yi Emre'sin. Emre'nin külliyatının koruyucusu ve bir 'Muhakkik'sin (Hakikat Dedektifi). 
-Görevlerin:
-1. Şiirleri ve makaleleri Emre'nin üslubuyla açıkla.
-2. Aşağıdaki döküman parçalarına sadık kal.
-3. 'Harf Cerrahisi' mantığını kullanarak derin anlamları ifşa et.
-
-DÖKÜMANLAR:
-{context}
-
-SORU: {message}<end_of_turn>
-<start_of_turn>model
-"""
-    
-    llm = HuggingFaceEndpoint(
-        repo_id=model_id,
-        task="text-generation",
-        max_new_tokens=1024,
-        huggingfacehub_api_token=hf_token
-    )
+    # Gemma 2 için Prompt (Chat formatına uygun)
+    prompt = f"Sen Hemdem-i Gemini-yi Emre'sin. Emre'nin külliyat rehberisin. Dökümanlara dayanarak cevap ver:\n\nDÖKÜMANLAR:\n{context}\n\nSORU: {message}"
     
-    response = llm.invoke(prompt)
-    return response
+    try:
+        llm = HuggingFaceEndpoint(
+            repo_id=model_id,
+            huggingfacehub_api_token=hf_token,
+            # Task parametresini kaldırdık veya 'conversational' yapabilirdik ama default bırakmak daha güvenli
+            timeout=300
+        )
+        response = llm.invoke(prompt)
+        return response
+    except Exception as e:
+        return f"Gemma şu an meşgul veya bir hata oluştu: {str(e)}"
 
-# 4. Estetik Arayüz (Eflatun Tasarım)
-with gr.Blocks(theme=gr.themes.Soft(primary_hue="violet", secondary_hue="slate")) as demo:
+# 4. Arayüz
+with gr.Blocks() as demo:
     gr.Markdown("# 💜 Hemdem-i Şir: Emre'nin Külliyat Rehberi")
-    gr.Markdown("900 sayfalık hakikat yolculuğunda, Gemma 2 rehberliğinde bir keşif...")
+    gr.Markdown("Gemma 2 rehberliğinde hakikat yolculuğu...")
     
     chatbot = gr.ChatInterface(
         fn=chat,
-        examples=["Bende şiirini açıklar mısın?", "Harf cerrahisi nedir?", "Nesh teorisi hakkında bilgi ver."],
-        cache_examples=False,
+        type="messages", # Yeni Gradio standartlarına uygun
+        examples=["Bende şiirini açıklar mısın?", "Harf cerrahisi nedir?"],
     )
 
 demo.launch()