Update app.py

app.py

@@ -1,75 +1,36 @@
 import gradio as gr
-import openai
-import os
-from utils import (
-    analyze_pdf_files,
-    extract_text_and_vectors,
-    search_similar_content,
-    format_response,
-    log_debug_info,
-    get_uploaded_files
+from utils import load_material_db, filter_items
+
+# بارگذاری پایگاه داده از فایل json
+material_db = load_material_db()
+
+def analyze_description(description, pole_height, pole_power, conductor_size):
+    # در این نسخه اول، صرفاً براساس ویژگی‌های پایه فیلتر می‌کنیم
+    filtered_items = filter_items(material_db, pole_height, pole_power, conductor_size)
+
+    if not filtered_items:
+        return "هیچ کالایی با این مشخصات یافت نشد."
+
+    # ساخت جدول خروجی
+    output_lines = ["**کالاهای پیشنهادی:**\n"]
+    for item in filtered_items:
+        output_lines.append(f"- 📦 {item['item_name']} | 📏 {item['unit']} | 🔢 {item['quantity']} | کد فهرست بها: `{item['item_code']}`")
+
+    return "\n".join(output_lines)
+
+# رابط کاربری Gradio
+demo = gr.Interface(
+    fn=analyze_description,
+    inputs=[
+        gr.Textbox(label="توصیف پروژه (برای نسخه‌های بعدی استفاده می‌شود)"),
+        gr.Textbox(label="ارتفاع پایه (مثلاً 12)"),
+        gr.Textbox(label="توان پایه (مثلاً 800)"),
+        gr.Textbox(label="سایز هادی (مثلاً 120)")
+    ],
+    outputs=gr.Markdown(label="نتیجه تحلیل براوردی"),
+    title="تحلیل براورد بر اساس توصیف و شرایط پایه",
+    description="نسخه اولیه برای نمایش کالاهای مرتبط از روی فایل اکسل و شرایط پروژه"
 )
 
-# گرفتن کلید API از محیط (Hugging Face Spaces)
-openai.api_key = os.getenv("API_Key")
-
-def analyze_with_chatgpt(user_input):
-    prompt = f"""
-    کاربر نوشته: "{user_input}"
-    لطفاً نوع پروژه، آیتم‌های موردنیاز، و اگر فرمولی هست رو تحلیل کن.
-    پاسخ را به صورت JSON فارسی و مختصر ارائه بده.
-    """
-    try:
-        response = openai.ChatCompletion.create(
-            model="gpt-4",
-            messages=[{"role": "user", "content": prompt}],
-            temperature=0.2,
-            max_tokens=500
-        )
-        return response.choices[0].message.content.strip()
-    except Exception as e:
-        return f"❗ خطا در تحلیل ChatGPT: {e}"
-
-def create_ui():
-    with gr.Blocks(title="دستیار هوش مصنوعی برآورد مصالح برق") as demo:
-        gr.Markdown("## ⚡ تحلیل متنی و برآورد مصالح پروژه‌های برق")
-
-        with gr.Row():
-            with gr.Column():
-                file_input = gr.File(label="آپلود فایل اکسل یا PDF", file_types=[".pdf", ".xlsx"], file_count="multiple")
-                user_query = gr.Textbox(label="توضیح پروژه یا شرط", placeholder="مثلاً: نصب ترانس 75 کیلو ولت آمپر با آرایش یکطرفه روی پایه فلزی...")
-
-                submit_btn = gr.Button("تحلیل و نمایش خروجی")
-
-            with gr.Column():
-                chatgpt_output = gr.Textbox(label="🧠 تحلیل اولیه ChatGPT", lines=8, interactive=False)
-                final_output = gr.Textbox(label="📌 خروجی نهایی بر اساس فایل‌ها و شروط", lines=15, interactive=False, show_copy_button=True)
-
-        with gr.Accordion("🔍 مشاهده اطلاعات دیباگ", open=False):
-            debug_btn = gr.Button("نمایش اطلاعات ذخیره‌شده")
-            debug_output = gr.Textbox(label="📄 خروجی دیباگ", lines=10)
-
-        def handle_analysis(files, query):
-            chatgpt_analysis = analyze_with_chatgpt(query)
-            extracted_data = extract_text_and_vectors(files)
-            search_results = search_similar_content(query, extracted_data)
-            response = format_response(search_results)
-            return chatgpt_analysis, response
-
-        submit_btn.click(
-            fn=handle_analysis,
-            inputs=[file_input, user_query],
-            outputs=[chatgpt_output, final_output]
-        )
-
-        debug_btn.click(
-            fn=log_debug_info,
-            inputs=[],
-            outputs=[debug_output]
-        )
-
-    return demo
-
 if __name__ == "__main__":
-    demo = create_ui()
     demo.launch()