Update app.py

app.py

@@ -3,21 +3,39 @@ import gradio as gr
 from transformers import AutoTokenizer, AutoModel
 from sklearn.metrics.pairwise import cosine_similarity
 import numpy as np
+import json
+import os
 
 # بارگذاری مدل
 model_name = "HooshvareLab/bert-fa-base-uncased"
 tokenizer = AutoTokenizer.from_pretrained(model_name)
 model = AutoModel.from_pretrained(model_name)
 
-# پایگاه دانش اولیه
-faq_dict = {
-    "زمان انتخاب واحد چه موقع است؟": "معمولاً پایان شهریور و بهمن است.",
-    "چه زمانی می‌توان حذف و اضافه انجام داد؟": "حدود یک هفته پس از شروع ترم تحصیلی است.",
-    "چه معدلی برای انتخاب ۲۴ واحد لازم است؟": "حداقل معدل 17 نیاز است.",
-    "تا چه زمانی امکان حذف اضطراری وجود دارد؟": "تا هفته هشتم ترم مجاز است.",
-    "چگونه می‌توان مهمان شد؟": "با موافقت دانشگاه مبدا و مقصد انجام می‌شود.",
-}
+# مسیر فایل ذخیره‌سازی دائمی
+DATA_FILE = "faq_data.json"
+ADMIN_PASSWORD = "admin123"  # رمز عبور ادمین
 
+# بارگذاری سوالات از فایل یا مقدار پیش‌فرض
+def load_faq_data():
+    if os.path.exists(DATA_FILE):
+        with open(DATA_FILE, "r", encoding="utf-8") as f:
+            return json.load(f)
+    else:
+        return {
+            "زمان انتخاب واحد چه موقع است؟": "معمولاً پایان شهریور و بهمن است.",
+            "چه زمانی می‌توان حذف و اضافه انجام داد؟": "حدود یک هفته پس از شروع ترم تحصیلی است.",
+            "چه معدلی برای انتخاب ۲۴ واحد لازم است؟": "حداقل معدل 17 نیاز است.",
+            "تا چه زمانی امکان حذف اضطراری وجود دارد؟": "تا هفته هشتم ترم مجاز است.",
+            "چگونه می‌توان مهمان شد؟": "با موافقت دانشگاه مبدا و مقصد انجام می‌شود.",
+        }
+
+# ذخیره‌سازی در فایل
+def save_faq_data():
+    with open(DATA_FILE, "w", encoding="utf-8") as f:
+        json.dump(faq_dict, f, ensure_ascii=False, indent=2)
+
+# پایگاه دانش و embedding‌ها
+faq_dict = load_faq_data()
 faq_questions = list(faq_dict.keys())
 faq_embeddings = []
 
@@ -31,7 +49,7 @@ def get_embedding(text):
 # ساخت embedding اولیه
 faq_embeddings = [get_embedding(q) for q in faq_questions]
 
-# تابع پاسخ‌دهی
+# پاسخ‌دهی
 def student_bot(user_question):
     try:
         user_emb = get_embedding(user_question)
@@ -46,34 +64,39 @@ def student_bot(user_question):
     except Exception as e:
         return f"❗️خطا: {str(e)}"
 
-# تابع افزودن سؤال و جواب جدید
-def add_faq(new_q, new_a):
+# افزودن سؤال جدید با رمز ادمین
+def add_faq(new_q, new_a, password):
+    if password != ADMIN_PASSWORD:
+        return "⛔️ دسترسی فقط برای ادمین مجاز است."
+
     if new_q.strip() == "" or new_a.strip() == "":
-        return "سؤال و پاسخ نمی‌توانند خالی باشند."
-    
+        return "⚠️ لطفاً سؤال و پاسخ را وارد کنید."
+
     if new_q in faq_dict:
-        return "⚠️ این سؤال از قبل موجود است."
-    
+        return "⚠️ این سؤال قبلاً ثبت شده است."
+
     faq_dict[new_q] = new_a
     faq_questions.append(new_q)
     faq_embeddings.append(get_embedding(new_q))
-    return "✅ سؤال جدید با موفقیت افزوده شد."
+    save_faq_data()
+    return "✅ سؤال جدید با موفقیت افزوده شد و ذخیره شد."
 
-# رابط Gradio با دو تب:
+# رابط گرافیکی Gradio
 with gr.Blocks() as demo:
     gr.Markdown("## 🤖 ایجنت راهنمای دانشجویان")
 
-    with gr.Tab("🟢 پرسش سؤال"):
+    with gr.Tab("🟢 پرسیدن سؤال"):
         user_input = gr.Textbox(label="سؤال شما")
         response = gr.Textbox(label="پاسخ")
-        ask_btn = gr.Button("دریافت پاسخ")
+        ask_btn = gr.Button("پاسخ را دریافت کن")
         ask_btn.click(fn=student_bot, inputs=user_input, outputs=response)
 
-    with gr.Tab("📝 افزودن سؤال جدید"):
+    with gr.Tab("🔐 افزودن سؤال (فقط ادمین)"):
         new_q = gr.Textbox(label="سؤال جدید")
-        new_a = gr.Textbox(label="پاسخ مربوط به سؤال")
-        result = gr.Textbox(label="وضعیت ثبت")
-        add_btn = gr.Button("افزودن به پایگاه دانش")
-        add_btn.click(fn=add_faq, inputs=[new_q, new_a], outputs=result)
+        new_a = gr.Textbox(label="پاسخ مربوط")
+        password = gr.Textbox(label="رمز عبور", type="password")
+        result = gr.Textbox(label="��ضعیت")
+        add_btn = gr.Button("افزودن سؤال")
+        add_btn.click(fn=add_faq, inputs=[new_q, new_a, password], outputs=result)
 
 demo.launch()