Update app.py

app.py

@@ -1,58 +1,86 @@
-# To powinno być na Twoim Space: https://ojciectadeusz-fastapi-fn-calling.hf.space/
 from fastapi import FastAPI, HTTPException
 from pydantic import BaseModel
-from huggingface_hub import HfApi
+from huggingface_hub import HfApi, hf_hub_download
 import pandas as pd
 import os
-import datetime
+import time
 
 app = FastAPI()
 
+
 # Konfiguracja Datasetu
 HF_TOKEN = os.environ.get("HF_TOKEN") # Ustaw to w Secrets w ustawieniach Space!
 # REPO_ID = "OjciecTadeusz/test"
 REPO_ID = os.environ.get("REPO_ID")
-DATASET_FILENAME = "logs.csv"
+DATASET_REPO = "OjciecTadeusz/test"
+DATASET_FILENAME = "data.csv"
+
+# Model danych zgodny z definicją z AI Studio
+class ConversationItem(BaseModel):
+    user_message: str
+    category: str
+    priority: str = "medium"
 
-class LogItem(BaseModel):
-    user_name: str
-    summary: str
-    sentiment: str
+@app.get("/")
+def home():
+    return {"status": "Serwer działa. Wyślij POST na /save"}
 
-@app.post("/save_conversation")
-async def save_conversation(item: LogItem):
+@app.post("/save")
+async def save_to_dataset(item: ConversationItem):
+    """
+    Odbiera dane z Gemini i zapisuje do HF Dataset (CSV).
+    """
     print(f"Otrzymano dane: {item}")
     
-    # Tworzymy wiersz danych
-    new_data = {
-        "timestamp": [datetime.datetime.now().isoformat()],
-        "user_name": [item.user_name],
-        "summary": [item.summary],
-        "sentiment": [item.sentiment]
+    if not HF_TOKEN:
+        raise HTTPException(status_code=500, detail="Brak HF_TOKEN w zmiennych środowiskowych")
+
+    api = HfApi(token=HF_TOKEN)
+    
+    # 1. Próba pobrania istniejącego pliku CSV z Datasetu
+    try:
+        file_path = hf_hub_download(
+            repo_id=DATASET_REPO,
+            filename=DATASET_FILENAME,
+            repo_type="dataset",
+            token=HF_TOKEN
+        )
+        df = pd.read_csv(file_path)
+    except Exception:
+        # Jeśli plik nie istnieje, tworzymy nowy pusty DataFrame
+        print("Plik nie istnieje lub błąd pobierania. Tworzę nowy.")
+        df = pd.DataFrame(columns=["timestamp", "category", "priority", "message"])
+
+    # 2. Dodanie nowego wiersza
+    new_row = {
+        "timestamp": time.strftime("%Y-%m-%d %H:%M:%S"),
+        "category": item.category,
+        "priority": item.priority,
+        "message": item.user_message
     }
-    df = pd.DataFrame(new_data)
     
+    # Używamy pd.concat zamiast append (pandas deprecation)
+    new_df = pd.DataFrame([new_row])
+    df = pd.concat([df, new_df], ignore_index=True)
+
+    # 3. Zapisanie do pliku lokalnie
+    local_filename = "/tmp/data.csv"
+    df.to_csv(local_filename, index=False)
+
+    # 4. Upload zaktualizowanego pliku do Datasetu
     try:
-        # Zapisywanie do Datasetu (appendowanie pliku CSV)
-        api = HfApi(token=HF_TOKEN)
-        
-        # Pobieramy istniejący plik (jeśli istnieje), łączymy i wysyłamy z powrotem
-        # Uwaga: To prosta implementacja. Przy dużej skali lepiej używać biblioteki `datasets`
-        # lub zapisywać jako JSONL.
-        
-        # Tutaj dla uproszczenia po prostu uploadujemy/nadpisujemy plik (wersjonowanie HF to obsłuży)
-        # Aby robić append, trzeba by najpierw pobrać plik, dodać wiersz i wysłać ponownie.
-        
-        path_in_repo = "data.csv"
-        
-        # Pamiętaj: Żeby to działało jako 'baza danych', musisz zarządzać plikiem CSV.
-        # W najprostszej wersji API po prostu potwierdza odbiór.
-        
-        return {"message": "Dane odebrane przez serwer HF Space", "data": item}
-        
+        api.upload_file(
+            path_or_fileobj=local_filename,
+            path_in_repo=DATASET_FILENAME,
+            repo_id=DATASET_REPO,
+            repo_type="dataset",
+            commit_message=f"Dodano wpis przez API: {item.category}"
+        )
+        return {"status": "success", "message": "Zapisano w Datasecie", "data": new_row}
     except Exception as e:
+        print(f"Błąd uploadu: {e}")
         raise HTTPException(status_code=500, detail=str(e))
 
-@app.get("/")
-def read_root():
-    return {"status": "Serwer działa"}
+if __name__ == "__main__":
+    import uvicorn
+    uvicorn.run(app, host="0.0.0.0", port=7860)