Update app.py

app.py

@@ -5,6 +5,7 @@ from sklearn.feature_extraction.text import TfidfVectorizer
 from sklearn.metrics.pairwise import cosine_similarity
 import torch
 from transformers import T5ForConditionalGeneration, T5Tokenizer
+import numpy as np
 
 def is_header(txt):
     if not txt or len(txt) < 35:
@@ -75,6 +76,19 @@ def rut5_answer(question, context):
         )
     return tokenizer.decode(output_ids[0], skip_special_tokens=True)
 
+def flatten_index(idx):
+    # idx может быть np.generic или np.ndarray
+    if isinstance(idx, (np.generic, np.integer)):
+        return int(idx)
+    if isinstance(idx, (list, tuple)) and idx and isinstance(idx, (int, np.generic, np.integer)):
+        return int(idx[0])
+    if hasattr(idx, "tolist"):
+        item = idx.tolist()
+        if isinstance(item, list):
+            return int(item)
+        return int(item)
+    return int(idx)
+
 def ask_chatbot(question):
     question = question.strip()
     if not question:
@@ -87,13 +101,12 @@ def ask_chatbot(question):
     n_blocks = min(3, len(blocks))
     if n_blocks == 0:
         return "Ошибка: база знаний отсутствует или пуста."
-    # Корректная обработка индексов!
     sorted_idxs = sims.argsort()[-n_blocks:][::-1]
-    sorted_idxs = [int(i) for i in sorted_idxs]  # ЯВНО! Только числа!
     context_blocks = []
-    for rank, idx in enumerate(sorted_idxs):
-        if isinstance(idx, (int, float)) and 0 <= idx < len(blocks):  # безопасно!
-            context_blocks.append(blocks[idx])
+    for idx in sorted_idxs:
+        idx_int = flatten_index(idx)
+        if 0 <= idx_int < len(blocks):
+            context_blocks.append(blocks[idx_int])
     context = " ".join(context_blocks)
     # Ответ только из абзацев, не заголовков!
     # Ищем наиболее релевантный "нормальный" блок