Update app.py

app.py

@@ -11,11 +11,11 @@ from core.learning import analyze_user_input, adapt_answer
 from core.model_selector import choose_model
 
 # ==============================
-# 🔐 Токен авторизации Hugging Face
+# 🔐 Токен Hugging Face
 # ==============================
 HF_TOKEN = os.getenv("HF_TOKEN")
 if not HF_TOKEN:
-    print("⚠️ Токен Hugging Face не найден. Добавь его в Settings → Secrets → HF_TOKEN")
+    print("⚠️ Токен Hugging Face не найден. Добавь его в Settings → Variables and secrets → HF_TOKEN")
 
 # ==============================
 # 📊 Инициализация панели и логов
@@ -25,18 +25,22 @@ LOG_FILE = "logs/history.csv"
 os.makedirs("logs", exist_ok=True)
 
 # ==============================
-# ⚙️ Основная логика агента
+# ⚙️ Основная функция агента
 # ==============================
 def generate_response(user_input):
     try:
         start = time.time()
 
-        # 1️⃣ Анализируем запрос и выбираем модель
+        # 1️⃣ Анализируем запрос
         prefs = analyze_user_input(user_input)
         model_id = choose_model(user_input)
 
-        # 2️⃣ Подключаем официальный InferenceClient
-        client = InferenceClient(model=model_id, token=HF_TOKEN)
+        # 2️⃣ Подключаем официальный Router API вручную
+        client = InferenceClient(
+            model=model_id,
+            token=HF_TOKEN,
+            api_url="https://router.huggingface.co"  # 🔧 Новый API, без 410 ошибок
+        )
 
         # 3️⃣ Генерация текста
         result = client.text_generation(
@@ -50,7 +54,7 @@ def generate_response(user_input):
         improved = improve_answer(result)
         personalized = adapt_answer(improved)
 
-        # 5️⃣ Обновляем память и контекст
+        # 5️⃣ Обновляем память
         update_memory(user_input, personalized)
         context = summarize_context()
 
@@ -58,14 +62,14 @@ def generate_response(user_input):
         response_time = round(time.time() - start, 2)
         dashboard.log_request(model_id, prefs["category"], response_time)
 
-        # 7️⃣ Сохраняем историю в CSV
+        # 7️⃣ Логирование истории
         log_entry = {
             "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]
+            "response": personalized[:2000],
         }
         df = pd.DataFrame([log_entry])
         if os.path.exists(LOG_FILE):
@@ -73,7 +77,7 @@ def generate_response(user_input):
         else:
             df.to_csv(LOG_FILE, index=False)
 
-        # 8️⃣ Финальный вывод
+        # 8️⃣ Формирование финального ответа
         summary = (
             f"🧠 **Модель:** `{model_id}`\n"
             f"🧩 **Тип запроса:** {prefs['category']}\n"
@@ -90,7 +94,7 @@ def generate_response(user_input):
 
 
 # ==============================
-# 📈 Отображение Dashboard
+# 📈 Dashboard отображение
 # ==============================
 def show_dashboard():
     metrics_text, df = dashboard.dashboard_ui()
@@ -100,8 +104,8 @@ def show_dashboard():
 # ==============================
 # 🎨 Интерфейс Gradio
 # ==============================
-with gr.Blocks(title="Eroha AgentAPI v5.2 — Guru Edition", theme="soft") as app:
-    gr.Markdown("# 🤖 Eroha AgentAPI v5.2 — Guru Edition")
+with gr.Blocks(title="Eroha AgentAPI v5.3 — Router Fixed", theme="soft") as app:
+    gr.Markdown("# 🤖 Eroha AgentAPI v5.3 — Guru Edition (Router API Fixed)")
     gr.Markdown("**Автоматический интеллект + самообучение + аналитика + кэширование истории** 🌱")
 
     with gr.Tab("💬 Agent Chat"):
@@ -120,3 +124,4 @@ with gr.Blocks(title="Eroha AgentAPI v5.2 — Guru Edition", theme="soft") as ap
         refresh.click(show_dashboard, outputs=[metrics, log_table])
 
 app.launch(server_name="0.0.0.0", server_port=7860)
+