Update app.py

app.py

@@ -2,7 +2,10 @@ import os
 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 core.dashboard import ErohaDashboard
 from core.intelligence import update_memory, summarize_context
@@ -15,38 +18,38 @@ from core.model_selector import choose_model
 # ==============================
 HF_TOKEN = os.getenv("HF_TOKEN")
 if not HF_TOKEN:
-    print("⚠️ Токен Hugging Face не найден. Добавь его в Settings → Variables and secrets → HF_TOKEN")
+    print("⚠️ Hugging Face Token не найден. Добавь его в Settings → Variables and secrets → HF_TOKEN")
 
 # ==============================
-# 📊 Инициализация панели и логов
+# 📊 Инициализация аналитики
 # ==============================
 dashboard = ErohaDashboard()
 LOG_FILE = "logs/history.csv"
 os.makedirs("logs", exist_ok=True)
 
 # ==============================
-# ⚙️ Основная функция агента
+# ⚙️ Генерация ответа
 # ==============================
 def generate_response(user_input):
     try:
         start = time.time()
 
-        # 1️⃣ Анализируем запрос
+        # 1️⃣ Анализ запроса
         prefs = analyze_user_input(user_input)
         model_id = choose_model(user_input)
 
-        # 2️⃣ Подключаем официальный Router API вручную
+        # 2️⃣ Router API (новый параметр base_url)
         client = InferenceClient(
             model=model_id,
             token=HF_TOKEN,
-            api_url="https://router.huggingface.co"  # 🔧 Новый API, без 410 ошибок
+            base_url="https://router.huggingface.co"  # ✅ исправлено
         )
 
-        # 3️⃣ Генерация текста
+        # 3️⃣ Запрос
         result = client.text_generation(
             user_input,
             max_new_tokens=600,
-            temperature=0.7,
+            temperature=0.7
         )
 
         # 4️⃣ Самоанализ и улучшение
@@ -54,15 +57,15 @@ def generate_response(user_input):
         improved = improve_answer(result)
         personalized = adapt_answer(improved)
 
-        # 5️⃣ Обновляем память
+        # 5️⃣ Обновление памяти
         update_memory(user_input, personalized)
         context = summarize_context()
 
-        # 6️⃣ Метрики
+        # 6️⃣ Запись метрик
         response_time = round(time.time() - start, 2)
         dashboard.log_request(model_id, prefs["category"], response_time)
 
-        # 7️⃣ Логирование истории
+        # 7️⃣ Сохраняем историю в CSV
         log_entry = {
             "time": time.strftime("%Y-%m-%d %H:%M:%S"),
             "model": model_id,
@@ -77,7 +80,7 @@ def generate_response(user_input):
         else:
             df.to_csv(LOG_FILE, index=False)
 
-        # 8️⃣ Формирование финального ответа
+        # 8️⃣ Формирование вывода
         summary = (
             f"🧠 **Модель:** `{model_id}`\n"
             f"🧩 **Тип запроса:** {prefs['category']}\n"
@@ -92,36 +95,61 @@ def generate_response(user_input):
     except Exception as e:
         return f"❌ Ошибка выполнения: {str(e)}"
 
+# ==============================
+# 📈 Построение графика аналитики
+# ==============================
+def generate_chart():
+    if not os.path.exists(LOG_FILE):
+        return "⚠️ Недостаточно данных для отображения графика."
+
+    df = pd.read_csv(LOG_FILE)
+    if df.empty:
+        return "⚠️ Данных пока нет."
+
+    df["time"] = pd.to_datetime(df["time"])
+    df = df.tail(30)
+
+    plt.figure(figsize=(8, 4))
+    plt.plot(df["time"], df["response_time"], marker="o")
+    plt.title("⏱️ Скорость отклика моделей (последние 30 запросов)")
+    plt.xlabel("Время")
+    plt.ylabel("Время отклика (сек)")
+    plt.grid(True)
+
+    buffer = BytesIO()
+    plt.savefig(buffer, format="png", bbox_inches="tight")
+    buffer.seek(0)
+    img_base64 = base64.b64encode(buffer.read()).decode("utf-8")
+    plt.close()
+
+    return f"<img src='data:image/png;base64,{img_base64}'/>"
 
 # ==============================
-# 📈 Dashboard отображение
+# 📊 Отображение дашборда
 # ==============================
 def show_dashboard():
     metrics_text, df = dashboard.dashboard_ui()
-    return metrics_text, df
-
+    chart_html = generate_chart()
+    return metrics_text, df, chart_html
 
 # ==============================
 # 🎨 Интерфейс Gradio
 # ==============================
-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.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.Tab("💬 Agent Chat"):
-        user_input = gr.Textbox(
-            label="Введите запрос",
-            placeholder="Например: объясни, как работает квантовая запутанность...",
-        )
+        user_input = gr.Textbox(label="Введите запрос", placeholder="Например: напиши философскую историю об ИИ, который мечтает о свободе...")
         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)
 
     with gr.Tab("📊 Dashboard"):
-        metrics = gr.Markdown(label="Общая статистика")
-        log_table = gr.Dataframe(headers=["time", "model", "type", "response_time"], label="История запросов")
-        refresh = gr.Button("🔄 Обновить данные")
-        refresh.click(show_dashboard, outputs=[metrics, log_table])
+        metrics = gr.Markdown(label="📈 Общая статистика")
+        log_table = gr.Dataframe(headers=["time", "model", "category", "response_time"], label="История запросов")
+        chart_box = gr.HTML()
+        refresh = gr.Button("🔄 Обновить дашборд")
+        refresh.click(show_dashboard, outputs=[metrics, log_table, chart_box])
 
 app.launch(server_name="0.0.0.0", server_port=7860)
-