init project

app.py

@@ -1,82 +1,42 @@
-import os
-import gradio as gr
 import logging
+import gradio as gr
 from fastapi import FastAPI, Request
-from rag_core.chunker import chunk_legal_text
-from rag_core.embedder import get_embedding
-from rag_core.retriever import Retriever
-from rag_core.llm import generate_answer
+import uvicorn
+from rag_core import business
 
 logging.basicConfig(level=logging.INFO, format="%(asctime)s [%(levelname)s] %(message)s")
 
-logging.info("🔄 Khởi tạo hệ thống...")
-
-retriever = Retriever()
 app = FastAPI()
-ready = retriever.index is not None
-
-if ready:
-    logging.info("✅ FAISS index đã tồn tại. Sẵn sàng xử lý truy vấn.")
-else:
-    logging.info("⚠️ FAISS index chưa tồn tại. Yêu cầu người dùng bấm nút 'Xây Index' để khởi tạo.")
 
+# === API ===
 @app.post("/ask")
 async def ask_api(req: Request):
-    if not ready:
-        return {"error": "Index chưa sẵn sàng. Vui lòng thử lại sau."}
     data = await req.json()
-    query = data.get("query")
-    logging.info(f"📥 Nhận câu hỏi: {query}")
-    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}
+    return business.answer_query(data.get("query"))
 
 @app.post("/rescan")
 async def rescan_api():
-    if not ready:
-        return {"error": "Index chưa sẵn sàng."}
-    logging.info("🔎 Bắt đầu rescan và bổ sung embedding còn thiếu...")
-    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)
-    logging.info("✅ Rescan hoàn tất.")
-    return {"status": "Rescan & update thành công."}
+    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."))
 
 def build_index_ui():
-    global ready
-    logging.info("⚙️ Người dùng yêu cầu xây FAISS index từ UI...")
-    with gr.Textbox(visible=False):
-        pass  # trigger
-    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
-    logging.info("✅ Đã xây dựng FAISS index từ UI.")
+    business.build_index()
     return gr.update(visible=False), gr.update(visible=True), gr.update(visible=True)
 
-def answer_fn(query):
-    if not ready:
-        return "Index chưa sẵn sàng. Vui lòng chờ hoàn tất xử lý."
-    logging.info(f"📨 Truy vấn từ UI: {query}")
-    docs = retriever.query(query, get_embedding)
-    prompt = "\n\n".join(docs) + f"\n\nCâu hỏi: {query}\nTrả lời:"
-    return generate_answer(prompt)
-
 with gr.Blocks() as iface:
-    logging.info("🎨 Đang khởi tạo giao diện Gradio...")
-    build_btn = gr.Button("🔄 Xây Index", visible=not ready)
-    query_box = gr.Textbox(label="Nhập câu hỏi", visible=ready)
-    output_box = gr.Textbox(label="Trả lời", visible=ready)
+    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])
 
-# Mount Gradio lên FastAPI (chuẩn cho Hugging Face Spaces)
+# Mount Gradio lên FastAPI
 app = gr.mount_gradio_app(app, iface, path="/")
 
 if __name__ == "__main__":
     logging.info("🚀 Khởi chạy FastAPI + Gradio tại cổng 7860")
-    import uvicorn
     uvicorn.run(app, host="0.0.0.0", port=7860)