Update app.py

app.py

@@ -3,9 +3,9 @@ import time
 import gradio as gr
 import pandas as pd
 import matplotlib.pyplot as plt
-from huggingface_hub import InferenceClient
 from io import BytesIO
 import base64
+from huggingface_hub import InferenceClient
 
 from core.dashboard import ErohaDashboard
 from core.intelligence import update_memory, summarize_context
@@ -14,78 +14,75 @@ from core.learning import analyze_user_input, adapt_answer
 from core.model_selector import choose_model
 
 # ==============================
-# 🔐 Токен Hugging Face
+# 🔐 ENV
 # ==============================
-HF_TOKEN = os.getenv("HF_TOKEN")
-if not HF_TOKEN:
-    print("⚠️ Hugging Face Token не найден. Добавь его в Settings → Variables and secrets → HF_TOKEN")
+HF_TOKEN = os.getenv("HF_TOKEN", "")
+LOG_FILE = "logs/history.csv"
+os.makedirs("logs", exist_ok=True)
+
+dashboard = ErohaDashboard()
 
 # ==============================
-# 📊 Инициализация аналитики
+# 🔍 Определение типа подключения
 # ==============================
-dashboard = ErohaDashboard()
-LOG_FILE = "logs/history.csv"
-os.makedirs("logs", exist_ok=True)
+def create_inference_client(model_id):
+    """
+    Автоматически выбирает нужный тип API (Router / Direct / Local)
+    """
+    # Router API
+    if "router.huggingface.co" in model_id or model_id.lower() == "router":
+        print("🔁 Router API Mode активирован")
+        return InferenceClient(base_url="https://router.huggingface.co", token=HF_TOKEN)
+    
+    # Local API
+    elif model_id.startswith("http://") or model_id.startswith("https://"):
+        print("🖥️ Local/Custom API Mode активирован:", model_id)
+        return InferenceClient(base_url=model_id, token=HF_TOKEN)
+    
+    # Direct Model
+    else:
+        print("⚙️ Direct Model Mode активирован:", model_id)
+        return InferenceClient(model=model_id, token=HF_TOKEN)
 
 # ==============================
-# ⚙️ Генерация ответа
+# 🧠 Генерация ответа
 # ==============================
 def generate_response(user_input):
     try:
         start = time.time()
-
-        # 1️⃣ Анализ запроса
         prefs = analyze_user_input(user_input)
         model_id = choose_model(user_input)
+        client = create_inference_client(model_id)
 
-        # 2️⃣ Router API (новый параметр base_url)
-        client = InferenceClient(
-            model=model_id,
-            token=HF_TOKEN,
-            base_url="https://router.huggingface.co"  # ✅ исправлено
-        )
-
-        # 3️⃣ Запрос
         result = client.text_generation(
             user_input,
             max_new_tokens=600,
-            temperature=0.7
+            temperature=0.7,
         )
 
-        # 4️⃣ Самоанализ и улучшение
         check = evaluate_answer(result)
         improved = improve_answer(result)
         personalized = adapt_answer(improved)
-
-        # 5️⃣ Обновление памяти
         update_memory(user_input, personalized)
         context = summarize_context()
 
-        # 6️⃣ Запись метрик
         response_time = round(time.time() - start, 2)
         dashboard.log_request(model_id, prefs["category"], response_time)
 
-        # 7️⃣ Сохраняем историю в CSV
-        log_entry = {
+        df = pd.DataFrame([{
             "time": time.strftime("%Y-%m-%d %H:%M:%S"),
             "model": model_id,
             "category": prefs["category"],
             "response_time": response_time,
             "prompt": user_input,
-            "response": personalized[:2000],
-        }
-        df = pd.DataFrame([log_entry])
-        if os.path.exists(LOG_FILE):
-            df.to_csv(LOG_FILE, mode="a", index=False, header=False)
-        else:
-            df.to_csv(LOG_FILE, index=False)
-
-        # 8️⃣ Формирование вывода
+            "response": personalized[:1500],
+        }])
+        df.to_csv(LOG_FILE, mode="a", index=False, header=not os.path.exists(LOG_FILE))
+
         summary = (
             f"🧠 **Модель:** `{model_id}`\n"
-            f"🧩 **Тип запроса:** {prefs['category']}\n"
             f"⚡ **Время отклика:** {response_time} сек\n"
-            f"🔍 **Самоанализ:** {check['result']}\n"
+            f"🔍 **Качество:** {check['result']}\n"
             f"{'; '.join(check['feedback']) if check['feedback'] else '✅ Всё отлично'}\n\n"
             f"{context}"
         )
@@ -96,22 +93,21 @@ def generate_response(user_input):
         return f"❌ Ошибка выполнения: {str(e)}"
 
 # ==============================
-# 📈 Построение графика аналитики
+# 📈 Визуализация аналитики
 # ==============================
 def generate_chart():
     if not os.path.exists(LOG_FILE):
-        return "⚠️ Недостаточ��о данных для отображения графика."
-
+        return "⚠️ Нет данных для отображения."
     df = pd.read_csv(LOG_FILE)
     if df.empty:
-        return "⚠️ Данных пока нет."
-
+        return "⚠️ История пуста."
+    
     df["time"] = pd.to_datetime(df["time"])
-    df = df.tail(30)
+    df = df.tail(50)
 
     plt.figure(figsize=(8, 4))
-    plt.plot(df["time"], df["response_time"], marker="o")
-    plt.title("⏱️ Скорость отклика моделей (последние 30 запросов)")
+    plt.plot(df["time"], df["response_time"], marker="o", linewidth=1.5)
+    plt.title("⚡ Скорость отклика моделей (последние 50 запросов)")
     plt.xlabel("Время")
     plt.ylabel("Время отклика (сек)")
     plt.grid(True)
@@ -121,26 +117,22 @@ def generate_chart():
     buffer.seek(0)
     img_base64 = base64.b64encode(buffer.read()).decode("utf-8")
     plt.close()
-
     return f"<img src='data:image/png;base64,{img_base64}'/>"
 
-# ==============================
-# 📊 Отображение дашборда
-# ==============================
 def show_dashboard():
     metrics_text, df = dashboard.dashboard_ui()
     chart_html = generate_chart()
     return metrics_text, df, chart_html
 
 # ==============================
-# 🎨 Интерфейс Gradio
+# 🎨 Gradio Interface
 # ==============================
-with gr.Blocks(title="Eroha AgentAPI v5.4 — Router + Analytics", theme="soft") as app:
-    gr.Markdown("# 🤖 Eroha AgentAPI v5.4 — Guru Edition (Router API + Analytics Dashboard)")
-    gr.Markdown("**Интеллект + самообучение + аналитика + визуализация истории** 📊")
+with gr.Blocks(title="Eroha AgentAPI v5.5 — Adaptive AutoRouter", theme="soft") as app:
+    gr.Markdown("# 🤖 Eroha AgentAPI v5.5 — Guru Edition (AutoRouter Adaptive Core)")
+    gr.Markdown("**Интеллект + самообучение + аналитика + автоопределение API** 🧩")
 
     with gr.Tab("💬 Agent Chat"):
-        user_input = gr.Textbox(label="Введите запрос", placeholder="Например: напиши философскую историю об ИИ, который мечтает о свободе...")
+        user_input = gr.Textbox(label="Введите запрос", placeholder="Например: объясни, как работает нейронная сеть, используя метафоры.")
         output_box = gr.Textbox(label="Ответ", lines=15)
         submit_btn = gr.Button("🚀 Отправить")
         submit_btn.click(fn=generate_response, inputs=user_input, outputs=output_box)