add

README.md

@@ -1,68 +1,60 @@
-# Log Compiler App
-
-Gradio demo that ingests raw logs/stacktraces, classifies the incident type, paraphrases to human language, retrieves local runbooks, and proposes checks. The pipeline uses multiple Hugging Face transformer models (zero-shot classifier, summarizer, sentence-embedding retriever; optional reranker and NLI verifier).
+---
+title: Log Compiler App
+emoji: 🧠
+colorFrom: blue
+colorTo: green
+sdk: gradio
+sdk_version: "4.44.0"
+app_file: app.py
+pinned: false
+---
 
-## Setup
+# Log Compiler App
 
-1. Python 3.10+ recommended.
-2. Install deps (downloads models on first run):
-   ```bash
-   pip install -r requirements.txt
-   ```
+Gradio демо: вставляете логи/стектрейс, получаете тип инцидента, человеческое объяснение, вероятную причину, проверки и локальные ранбуки. Пайплайн использует трансформеры: zero-shot classifier, summarizer, sentence-embedding retriever (опционально reranker и NLI).
 
-## Run
+## Установка локально
 
 ```bash
-python app.py
+pip install -r requirements.txt
 ```
 
-Gradio UI will open in the browser. Models load once at startup.
+## Запуск локально
 
-Если localhost недоступен (WSL/прокси), приложение по умолчанию включает share-ссылку. Чтобы явно управлять:
 ```bash
-# форсировать публичный линк
-GRADIO_SHARE=1 python app.py
-# отключить share (если localhost доступен)
-GRADIO_SHARE=0 python app.py
+python app.py
 ```
-Запуск уже включает `server_name=0.0.0.0`.
 
-## Запуск на Hugging Face Spaces
+Если localhost недоступен (WSL/прокси), по умолчанию включён share-линк; управлять можно `GRADIO_SHARE=0/1`. `server_name=0.0.0.0` выставлен.
 
-- Выложите содержимое репозитория в новый Space (Gradio).
-- `app.py` автоматически отключит `share` в окружении Spaces (`SPACE_ID`/`HF_SPACE`), так что дополнительная настройка не нужна.
-- Заводываются зависимости из `requirements.txt` автоматически. При необходимости можно добавить `runtime.txt` с версией Python (например, `python-3.10`).
+## Запуск на Hugging Face Spaces
 
-## How to use
+- Создайте Space (Gradio) и залейте содержимое репозитория.
+- `app.py` сам определяет окружение Spaces (`SPACE_ID`/`HF_SPACE`) и не включает share там.
+- Опционально добавьте `runtime.txt` с `python-3.10`.
 
-- Paste logs/stacktrace in the left text box.
-- Pick a source (auto/python/java/node/k8s).
-- Toggle:
-  - `Use retrieval (local KB)` to search `kb/` runbooks.
-  - `Verify hypothesis (NLI)` to check entailment against the logs.
-- Adjust verbosity (0-2) for explanation detail.
-- Click **Analyze**. Use **Generate ticket template** to get a pre-filled ticket, and **Export JSON** to download results.
+## Использование
 
-## Samples
+- Вставьте логи/стектрейс, выберите source (auto/python/java/node/k8s).
+- Опции: retrieval (локальный KB `kb/`), NLI-проверка гипотез, slider verbosity.
+- Нажмите **Analyze**, вкладки покажут Incident, Explanation, Cause+Checks, Retrieval, Verification, Ticket template. Есть Export JSON.
 
-Try the provided snippets:
+## Примеры
 
-- `samples/sample_python.txt` – HTTP timeout stacktrace.
-- `samples/sample_k8s.txt` – CrashLoop/OOMKilled pod.
-- `samples/sample_java.txt` – NullPointerException auth failure.
+- `samples/sample_python.txt` — HTTP timeout.
+- `samples/sample_k8s.txt` — CrashLoop/OOMKilled pod.
+- `samples/sample_java.txt` — NullPointerException auth failure.
 
-## Files
+## Состав
 
-- `app.py` – Gradio UI wiring.
-- `pipeline.py` – ML pipeline (classification, summarization, retrieval, NLI).
-- `preprocess.py` – Masking, signature detection, safe truncation.
-- `retrieval.py` – Embedding search over `kb/` markdown runbooks.
-- `kb/` – Local runbooks (edit/add your own).
-- `samples/` – Example logs to paste.
+- `app.py` — Gradio UI.
+- `pipeline.py` — классификация, суммаризация, retrieval, NLI.
+- `preprocess.py` — маскировка/сигнатуры/обрезка.
+- `retrieval.py` — эмбеддинговый поиск по `kb/`.
+- `kb/` — локальные ранбуки.
+- `samples/` — примеры логов.
 
-## Notes
+## Примечания
 
-- First run downloads models (`facebook/bart-large-mnli`, `sshleifer/distilbart-cnn-12-6`, `sentence-transformers/all-MiniLM-L6-v2`, optional reranker `cross-encoder/ms-marco-MiniLM-L-6-v2`, and NLI `typeform/distilbert-base-uncased-mnli`).
-- Handles empty/short input with a clear error.
-- Output tabs: Incident Type, Human Explanation, Likely Cause + Checks, Retrieved Runbooks, Verification, Ticket Template.
-- Pin `numpy<2.0` to avoid ABI conflicts with PyTorch/Transformers wheels. If you already installed numpy 2.x, run `pip install 'numpy<2' --upgrade`.
+- Модели: `facebook/bart-large-mnli`, `sshleifer/distilbart-cnn-12-6`, `sentence-transformers/all-MiniLM-L6-v2`, опционально `cross-encoder/ms-marco-MiniLM-L-6-v2`, NLI `typeform/distilbert-base-uncased-mnli`.
+- Держите `numpy<2.0` чтобы избежать ABI-конфликтов с PyTorch/Transformers (`pip install 'numpy<2' --upgrade` при необходимости).

runtime.txt

@@ -0,0 +1 @@
+python-3.10