Upload 4 files

Project.env

@@ -0,0 +1,3 @@
+OPENAI_API_KEY=sk-your-openai-api-key
+OLLAMA_BASE_URL=
+OLLAMA_MODEL=

Project.py

@@ -0,0 +1,269 @@
+import os
+from typing import Optional, List
+
+import streamlit as st
+from dotenv import load_dotenv
+
+
+def load_env() -> None:
+    """Load environment variables from a local .env file if present."""
+    try:
+        load_dotenv()
+    except Exception:
+        pass
+
+
+def read_text_from_file(uploaded_file) -> str:
+    """Read text from a Streamlit uploaded file (.txt or .pdf)."""
+    if uploaded_file is None:
+        return ""
+
+    filename = uploaded_file.name.lower()
+    if filename.endswith(".txt"):
+        raw_bytes = uploaded_file.read()
+        try:
+            return raw_bytes.decode("utf-8")
+        except Exception:
+            return raw_bytes.decode("latin-1", errors="ignore")
+
+    if filename.endswith(".pdf"):
+        try:
+            from pypdf import PdfReader
+        except Exception as exc:
+            st.error("Для чтения PDF требуется зависимость 'pypdf'. Добавьте её в окружение.")
+            raise exc
+
+        reader = PdfReader(uploaded_file)
+        pages_text: List[str] = []
+        for page in reader.pages:
+            try:
+                pages_text.append(page.extract_text() or "")
+            except Exception:
+                pages_text.append("")
+        return "\n\n".join(pages_text)
+
+    st.warning("Поддерживаются только файлы .txt и .pdf")
+    return ""
+
+
+def make_llm(provider: str, model: str, api_key: Optional[str], temperature: float = 0.2):
+    """Create an LLM instance for the chosen provider."""
+    if provider == "OpenAI":
+        try:
+            from langchain_openai import ChatOpenAI
+        except Exception as exc:
+            st.error("Не найдена библиотека 'langchain-openai'. Установите зависимости из requirements.txt")
+            raise exc
+
+        effective_key = api_key or os.getenv("OPENAI_API_KEY")
+        if not effective_key:
+            st.stop()
+        return ChatOpenAI(model=model, api_key=effective_key, temperature=temperature)
+
+    if provider == "Ollama":
+        try:
+            from langchain_ollama import ChatOllama
+        except Exception as exc:
+            st.error("Не найдена библиотека 'langchain-ollama'. Установите зависимости из requirements.txt")
+            raise exc
+
+        base_url = os.getenv("OLLAMA_BASE_URL", "http://localhost:11434")
+        return ChatOllama(model=model, base_url=base_url, temperature=temperature)
+
+    raise ValueError(f"Unknown provider: {provider}")
+
+
+def chunk_text(text: str, chunk_size: int = 2000, chunk_overlap: int = 200) -> List[str]:
+    """Split long text into chunks using LangChain's RecursiveCharacterTextSplitter if available.
+    Fallback to a simple splitter by characters.
+    """
+    text = (text or "").strip()
+    if not text:
+        return []
+
+    try:
+        from langchain.text_splitter import RecursiveCharacterTextSplitter
+
+        splitter = RecursiveCharacterTextSplitter(
+            chunk_size=chunk_size,
+            chunk_overlap=chunk_overlap,
+            separators=["\n\n", "\n", ". ", ".", "? ", "! ", ", ", ",", " "]
+        )
+        docs = splitter.create_documents([text])
+        return [d.page_content for d in docs]
+    except Exception:
+        # Simple fallback: naive split by characters with safe stepping
+        chunks: List[str] = []
+        n = len(text)
+        safe_overlap = max(0, min(chunk_overlap, chunk_size - 1))
+        step = max(1, chunk_size - safe_overlap)
+        i = 0
+        while i < n:
+            end = min(i + chunk_size, n)
+            chunks.append(text[i:end])
+            if end >= n:
+                break
+            i += step
+        return chunks
+
+
+def build_chunk_prompt(
+    chunk: str,
+    target_length: str,
+    bullet_points: bool,
+    language_pref: str,
+) -> str:
+    """Prompt to summarize a single chunk."""
+    formatting = (
+        "Сформируй маркированный список из 5-10 пунктов" if bullet_points else "Сформируй связный абзац из 5-8 предложений"
+    )
+    language_instruction = (
+        "Ответь на том же языке, что и входной текст." if language_pref == "Авто" else f"Ответь на {language_pref}."
+    )
+
+    return (
+        f"Ты — эксперт по конспектированию. Сожми следующий текст в {target_length} конспект для занятого читателя.\n\n"
+        f"Требования:\n"
+        f"- {formatting}\n"
+        f"- {language_instruction}\n"
+        f"- Сохраняй ключевые факты, цифры, имена, причинно-следственные связи\n"
+        f"- Избегай воды и повторов, не придумывай новых фактов\n\n"
+        f"Текст:\n{chunk}\n"
+    )
+
+
+def build_combine_prompt(
+    partial_summaries: str,
+    target_length: str,
+    bullet_points: bool,
+    language_pref: str,
+) -> str:
+    formatting = (
+        "Сформируй маркированный список из 5-12 пунктов" if bullet_points else "Сформируй связный абзац(ы) из 8-15 предложений"
+    )
+    language_instruction = (
+        "Ответь на том же языке, что и входной текст." if language_pref == "Авто" else f"Ответь на {language_pref}."
+    )
+
+    return (
+        f"Ты — эксперт по сжатию информации. Объедини частичные конспекты ниже в один цельный {target_length} конспект.\n\n"
+        f"Требования:\n"
+        f"- {formatting}\n"
+        f"- {language_instruction}\n"
+        f"- Сохраняй структуру и ключевые факты без повтора\n\n"
+        f"Частичные конспекты:\n{partial_summaries}\n"
+    )
+
+
+def call_llm(llm, prompt: str) -> str:
+    """Call the chat model with a system+user style prompt packed into a single user message."""
+    try:
+        # Many LangChain chat models accept plain strings via .invoke
+        result = llm.invoke(prompt)
+        # For Chat models, content is on .content
+        content = getattr(result, "content", None)
+        return content if isinstance(content, str) and content.strip() else (str(result) if result else "")
+    except Exception as exc:
+        st.error(f"Ошибка вызова LLM: {exc}")
+        raise
+
+
+def summarize_long_text(
+    llm,
+    text: str,
+    target_length: str,
+    bullet_points: bool,
+    language_pref: str,
+) -> str:
+    """Chunk the text, summarize each chunk, then combine."""
+    chunks = chunk_text(text)
+    if not chunks:
+        return ""
+
+    if len(chunks) == 1:
+        single_prompt = build_chunk_prompt(chunks[0], target_length, bullet_points, language_pref)
+        return call_llm(llm, single_prompt)
+
+    partials: List[str] = []
+    for idx, ch in enumerate(chunks, start=1):
+        with st.spinner(f"Суммаризация фрагмента {idx}/{len(chunks)}…"):
+            partials.append(call_llm(llm, build_chunk_prompt(ch, target_length, bullet_points, language_pref)))
+
+    combined_prompt = build_combine_prompt("\n\n".join(partials), target_length, bullet_points, language_pref)
+    return call_llm(llm, combined_prompt)
+
+
+def main():
+    load_env()
+
+    st.set_page_config(page_title="AI‑Конспектор", page_icon="📝", layout="centered")
+    st.title("📝 AI‑конспектор текста")
+    st.caption("Python + LangChain + OpenAI/Ollama + Streamlit")
+
+    with st.sidebar:
+        st.header("Настройки")
+        provider = st.selectbox("Провайдер", ["OpenAI", "Ollama"], index=0)
+
+        if provider == "OpenAI":
+            default_model = os.getenv("OPENAI_MODEL", "gpt-4o-mini")
+            model = st.selectbox("Модель (OpenAI)", ["gpt-4o-mini", "gpt-4o", "gpt-3.5-turbo"], index=0)
+            api_key = st.text_input("OPENAI_API_KEY", value=os.getenv("OPENAI_API_KEY", ""), type="password")
+        else:
+            default_model = os.getenv("OLLAMA_MODEL", "llama2")
+            model = st.text_input("Модель (Ollama)", value=default_model, help="Например: llama2, llama3, mistral")
+            api_key = None
+
+        target_length = st.radio(
+            "Длина конспекта",
+            options=["Короткий", "Средний", "Длинный"],
+            index=1,
+            help="Короткий ≈ 3–5 пунктов, Средний ≈ 6–10, Длинный ≈ 10–15"
+        )
+        bullet_points = st.toggle("Маркированные пункты", value=True)
+        language_pref = st.selectbox("Язык вывода", ["Авто", "Русский", "English"], index=0)
+
+    st.subheader("Входные данные")
+    tab_text, tab_file = st.tabs(["Вставить текст", "Загрузить файл (.txt/.pdf)"])
+
+    with tab_text:
+        input_text = st.text_area(
+            "Текст для конспекта",
+            height=240,
+            placeholder="Вставьте или напишите сюда длинный текст…",
+        ).strip()
+
+    with tab_file:
+        uploaded = st.file_uploader("Выберите файл", type=["txt", "pdf"], accept_multiple_files=False)
+        if uploaded is not None and not input_text:
+            input_text = read_text_from_file(uploaded)
+
+    if st.button("Сжать текст"):
+        if not input_text:
+            st.warning("Введите текст или загрузите файл.")
+            st.stop()
+
+        with st.spinner("Подготавливаем модель…"):
+            llm = make_llm(provider=provider, model=model, api_key=api_key, temperature=0.2)
+
+        with st.spinner("Генерируем конспект…"):
+            summary = summarize_long_text(
+                llm=llm,
+                text=input_text,
+                target_length=target_length,
+                bullet_points=bullet_points,
+                language_pref=language_pref,
+            )
+
+        if summary:
+            st.success("Готово!")
+            st.subheader("Результат")
+            st.write(summary)
+            st.download_button("⬇️ Скачать как TXT", data=summary, file_name="summary.txt")
+        else:
+            st.error("Не удалось получить конспект. Попробуйте ещё раз или измените настройки.")
+
+
+if __name__ == "__main__":
+    main()
+
+

README.md

@@ -1,20 +1,67 @@
----
-title: AI-Text Note Taker
-emoji: 🚀
-colorFrom: red
-colorTo: red
-sdk: docker
-app_port: 8501
-tags:
-- streamlit
-pinned: false
-short_description: AI-Text_Note_Taker
-license: other
----
-
-# Welcome to Streamlit!
-
-Edit `/src/streamlit_app.py` to customize this app to your heart's desire. :heart:
-
-If you have any questions, checkout our [documentation](https://docs.streamlit.io) and [community
-forums](https://discuss.streamlit.io).
+## 📝 AI‑Конспектор текста (Streamlit)
+
+Веб‑приложение, которое сжимает длинный текст в краткий конспект. Работает с провайдерами: OpenAI (по умолчанию) и Ollama (локально, LLaMA2/LLaMA3 и др.).
+
+### Возможности
+- Ввод текста или загрузка файлов `.txt/.pdf`
+- Режимы длины: короткий / средний / длинный
+- Формат: маркированные пункты или связный текст
+- Язык: авто (как вход), русский, английский
+- Провайдер: OpenAI (gpt-4o-mini и др.) или Ollama (llama2/llama3/mistral)
+
+### Установка
+1) Перейдите в папку проекта:
+
+```bash
+cd "your project"
+```
+
+2) Создайте и активируйте виртуальное окружение (PowerShell):
+
+```bash
+python -m venv .venv
+.\.venv\Scripts\Activate.ps1
+```
+
+3) Установите зависимости:
+
+```bash
+pip install -r requirements.txt
+```
+
+4) Скопируйте пример переменных окружения и пропишите ключ:
+
+```bash
+Copy-Item .env.example .env
+# Откройте .env и вставьте ваш ключ OpenAI
+```
+
+### Переменные окружения
+Скопируйте `your project/.env.example` в `.env` и заполните при необходимости:
+
+```env
+OPENAI_API_KEY=sk-...     # ключ OpenAI (если используете OpenAI)
+OLLAMA_BASE_URL=http://localhost:11434  # адрес Ollama (для локальных моделей)
+OLLAMA_MODEL=llama2
+```
+
+### Запуск
+
+```bash
+streamlit run "your project/Project.py"
+```
+
+Приложение откроется в браузере. Выберите провайдера, модель и введите текст.
+
+### Ollama (локально, LLaMA2)
+- Установите Ollama: `https://ollama.com`
+- Скачайте модель: `ollama pull llama2` (или `llama3`)
+- Запустите сервис (обычно запускается автоматически), проверьте `http://localhost:11434`
+- В интерфейсе выберите провайдер `Ollama` и модель `llama2`
+
+### Стек
+- Python, Streamlit
+- LangChain (`langchain`, `langchain-openai`, `langchain-ollama`)
+- OpenAI API или локальная Ollama (LLaMA2/3)
+- pypdf для чтения PDF
+

requirements.txt

@@ -1,3 +1,8 @@
-altair
-pandas
-streamlit
+streamlit>=1.33.0
+python-dotenv>=1.0.1
+langchain>=0.1.20
+langchain-openai>=0.1.7
+langchain-community>=0.0.38
+langchain-ollama>=0.1.0
+pypdf>=4.2.0
+tiktoken>=0.7.0