Update app.py

app.py

@@ -2,14 +2,19 @@ import gradio as gr
 import requests
 from core.intelligence import update_memory, summarize_context
 from core.selfcheck import evaluate_answer, improve_answer
+from core.learning import analyze_user_input, adapt_answer
 
 HF_API_URL = "https://api-inference.huggingface.co/models/microsoft/phi-3.5-mini"
-HEADERS = {"Authorization": "Bearer hf_your_token"}  # если токен не нужен — можно удалить
+HEADERS = {"Authorization": "Bearer hf_your_token"}  # можно удалить, если токен не используется
+
 
 def generate_response(user_input):
-    """Основная логика обработки запроса"""
+    """Основная логика запроса и самообучения"""
     try:
-        # Отправляем запрос в Hugging Face API
+        # Анализируем стиль пользователя
+        prefs = analyze_user_input(user_input)
+
+        # Отправляем запрос в модель
         payload = {"inputs": user_input, "parameters": {"max_new_tokens": 500, "temperature": 0.7}}
         response = requests.post(HF_API_URL, headers=HEADERS, json=payload)
 
@@ -17,40 +22,36 @@ def generate_response(user_input):
             return f"⚠️ Ошибка API ({response.status_code}): {response.text}"
 
         model_output = response.json()
-        output = model_output[0]["generated_text"] if isinstance(model_output, list) else model_output
+        base_output = model_output[0]["generated_text"] if isinstance(model_output, list) else model_output
+
+        # Самоанализ и улучшение
+        check = evaluate_answer(base_output)
+        improved_output = improve_answer(base_output)
 
-        # === Этап 1: Самоанализ ответа ===
-        check = evaluate_answer(output)
-        output = improve_answer(output)
+        # Адаптация под стиль пользователя
+        adapted_output = adapt_answer(improved_output)
 
-        # === Этап 2: Обновляем память ===
-        update_memory(user_input, output)
+        # Обновляем память
+        update_memory(user_input, adapted_output)
         context = summarize_context()
 
-        # === Этап 3: Формируем итоговый вывод ===
         analysis_summary = (
             f"🧠 Самоанализ ответа: {check['result']}\n"
             + ("Причины: " + "; ".join(check["feedback"]) if check["feedback"] else "")
         )
 
-        final_output = (
-            f"{output}\n\n"
-            f"{analysis_summary}\n\n"
-            f"{context}"
-        )
-
-        return final_output
+        return f"{adapted_output}\n\n{analysis_summary}\n\n{context}"
 
     except Exception as e:
         return f"❌ Ошибка: {str(e)}"
 
 
 # === Интерфейс Gradio ===
-with gr.Blocks(title="Eroha AgentAPI v4.1 — Self-Aware Intelligence") as demo:
-    gr.Markdown("# 🤖 Eroha AgentAPI v4.1 — Самоанализ и Интеллектуальная память")
-    gr.Markdown("Теперь агент сам анализирует, улучшает и запоминает свои ответы 🧩")
+with gr.Blocks(title="Eroha AgentAPI v4.2 — Adaptive Self-Learning") as demo:
+    gr.Markdown("# 🤖 Eroha AgentAPI v4.2 — Самообучающийся Интеллект")
+    gr.Markdown("Агент анализирует, адаптируется и запоминает твой стиль общения 🧠")
 
-    user_input = gr.Textbox(label="Введите вопрос", placeholder="Например: Объясни принцип работы нейросети...")
+    user_input = gr.Textbox(label="Введите вопрос", placeholder="Например: объясни как школьнику, что такое квант")
     output_box = gr.Textbox(label="Ответ", lines=15)
     submit_btn = gr.Button("🚀 Сгенерировать ответ")