fix UI

Dockerfile

@@ -16,5 +16,5 @@ RUN pip install --no-cache-dir -r requirements.txt
 # Mở port cho FastAPI & Gradio
 EXPOSE 7860
 
-# Khởi chạy app
-CMD ["python", "app.py"]
+# Command khởi chạy FastAPI + Gradio tích hợp
+CMD ["uvicorn", "app:app", "--host", "0.0.0.0", "--port", "7860"]

app.py

@@ -1,45 +1,35 @@
 import logging
-import gradio as gr
 from fastapi import FastAPI, Request
-from rag_core import business
-import threading
-import uvicorn
+import gradio as gr
+from rag_core.business import build_index, answer_query, rescan_index
 
 logging.basicConfig(level=logging.INFO, format="%(asctime)s [%(levelname)s] %(message)s")
+logging.info("🚀 Khởi chạy FastAPI + Gradio tại cổng 7860")
 
-# FastAPI dùng cho API nếu cần gọi từ backend hoặc automation
-api_app = FastAPI()
+app = FastAPI()
 
-@api_app.post("/ask")
+@app.post("/ask")
 async def ask_api(req: Request):
     data = await req.json()
-    return business.answer_query(data.get("query"))
+    query = data.get("query", "")
+    return answer_query(query)
 
-@api_app.post("/rescan")
+@app.post("/rescan")
 async def rescan_api():
-    return business.rescan_index()
-
-# Gradio UI
-def answer_fn(query):
-    result = business.answer_query(query)
-    return result.get("answer", result.get("error", "Lỗi không xác định."))
+    return rescan_index()
 
-def build_index_ui():
-    business.build_index()
-    return gr.update(visible=False), gr.update(visible=True), gr.update(visible=True)
+def gradio_ui():
+    with gr.Blocks() as ui:
+        build_btn = gr.Button("🔄 Xây Index")
+        query_box = gr.Textbox(label="Nhập câu hỏi")
+        output_box = gr.Textbox(label="Trả lời")
 
-with gr.Blocks() as iface:
-    build_btn = gr.Button("🔄 Xây Index", visible=not business.ready)
-    query_box = gr.Textbox(label="Nhập câu hỏi", visible=business.ready)
-    output_box = gr.Textbox(label="Trả lời", visible=business.ready)
-    query_box.submit(fn=answer_fn, inputs=query_box, outputs=output_box)
-    build_btn.click(fn=build_index_ui, outputs=[build_btn, query_box, output_box])
+        build_btn.click(fn=lambda: build_index() or "✅ Đã xây xong Index.", outputs=None)
+        query_box.submit(fn=lambda q: answer_query(q)["answer"], inputs=query_box, outputs=output_box)
 
-# Chạy FastAPI trong thread phụ (nếu cần gọi /ask /rescan qua HTTP)
-def start_fastapi():
-    uvicorn.run(api_app, host="0.0.0.0", port=7861)
+    return ui
 
-threading.Thread(target=start_fastapi).start()
+# Mount Gradio vào FastAPI
+app = gr.mount_gradio_app(app, gradio_ui(), path="/")
 
-# 🚀 Gradio chạy là app chính (bắt buộc với Hugging Face)
-iface.launch(server_name="0.0.0.0", server_port=7860)
+# Run với: uvicorn app:app --host 0.0.0.0 --port 7860

rag_core/business.py

@@ -11,25 +11,50 @@ ready = retriever.index is not None
 def build_index():
     global ready
     logging.info("🔄 Bắt đầu xây FAISS index từ đầu...")
-    with open("data/raw_law.txt", "r", encoding="utf-8") as f:
-        text = f.read()
-    chunks = chunk_legal_text(text)
-    retriever.build(chunks, get_embedding)
-    ready = True
+    try:
+        with open("data/raw_law.txt", "r", encoding="utf-8") as f:
+            text = f.read()
+        logging.info("📄 Đọc xong file văn bản luật.")
+        chunks = chunk_legal_text(text)
+        logging.info(f"🔪 Chunking hoàn tất: {len(chunks)} đoạn.")
+        retriever.build(chunks, get_embedding)
+        ready = True
+        logging.info("✅ Đã xây xong FAISS index.")
+    except Exception as e:
+        logging.exception(f"❌ Lỗi khi xây index: {e}")
+        raise
 
 def answer_query(query):
+    logging.info("💬 Nhận yêu cầu hỏi đáp.")
     if not ready:
+        logging.warning("⚠️ Index chưa sẵn sàng.")
         return {"error": "Index chưa sẵn sàng. Vui lòng bấm 'Xây Index' hoặc gọi API rescan."}
-    docs = retriever.query(query, get_embedding)
-    prompt = "\n\n".join(docs) + f"\n\nCâu hỏi: {query}\nTrả lời:"
-    answer = generate_answer(prompt)
-    return {"answer": answer}
+    try:
+        logging.info(f"🔍 Truy vấn: {query}")
+        docs = retriever.query(query, get_embedding)
+        logging.info(f"📚 Top {len(docs)} đoạn liên quan được truy xuất.")
+        prompt = "\n\n".join(docs) + f"\n\nCâu hỏi: {query}\nTrả lời:"
+        answer = generate_answer(prompt)
+        logging.info("✅ Đã nhận được phản hồi từ LLM.")
+        return {"answer": answer}
+    except Exception as e:
+        logging.exception(f"❌ Lỗi khi xử lý truy vấn: {e}")
+        return {"error": "Lỗi khi xử lý truy vấn."}
 
 def rescan_index():
+    logging.info("🔄 Thực hiện rescan & bổ sung FAISS index.")
     if not ready:
+        logging.warning("⚠️ Index chưa sẵn sàng.")
         return {"error": "Index chưa sẵn sàng."}
-    with open("data/raw_law.txt", "r", encoding="utf-8") as f:
-        text = f.read()
-    chunks = chunk_legal_text(text)
-    retriever.rescan_and_append(chunks, get_embedding)
-    return {"status": "Rescan & update thành công."}
+    try:
+        with open("data/raw_law.txt", "r", encoding="utf-8") as f:
+            text = f.read()
+        logging.info("📄 Đọc xong file văn bản luật.")
+        chunks = chunk_legal_text(text)
+        logging.info(f"🔍 Số chunk sau chunking: {len(chunks)}")
+        retriever.rescan_and_append(chunks, get_embedding)
+        logging.info("✅ Đã rescan & cập nhật thành công.")
+        return {"status": "Rescan & update thành công."}
+    except Exception as e:
+        logging.exception(f"❌ Lỗi khi rescan index: {e}")
+        return {"error": "Lỗi khi rescan index."}