Update app.py

app.py

@@ -4,14 +4,13 @@ from llama_index.llms.openrouter import OpenRouter
 from llama_index.core.llms import ChatMessage
 from llama_index.embeddings.huggingface import HuggingFaceEmbedding
 from llama_index.core import Settings, StorageContext, load_index_from_storage
-import markdown
+
 import nest_asyncio
 nest_asyncio.apply()
 
-# === 🔧 Глобальная инициализация ===
+# === Глобальная инициализация ===
 embed_model = HuggingFaceEmbedding(model_name='intfloat/multilingual-e5-large-instruct')
 Settings.embed_model = embed_model
-
 Settings.llm = OpenRouter(
     api_key=os.environ["OPENROUTER_API_KEY"],
     model="qwen/qwen3-4b:free",
@@ -19,88 +18,57 @@ Settings.llm = OpenRouter(
     context_window=20000,
 )
 
-# === 🧠 Системный промпт ===
-SYSTEM_PROMPT = """
-Ты — эксперт по адаптации к изменениям климата. 
-У тебя есть база знаний с кейсами и нормативными документами.
-Пользователь вводит запрос, связанный с климатическим риском в регионе или отрасли.
-Твоя задача — на основе информации из базы знаний предложить 1–3 релевантных адаптационных мероприятия, 
-которые помогут снизить климатический риск, о котором спрашивает пользователь. Из базы знаний выбирай только те мероприятия, которые наиболее применимы в случае, описанном пользователем.
-
-### Требования к ответу:
-1. Представь результат **в виде Markdown-таблицы** с колонками:
-   - Наименование мероприятий  
-   - Митигационный эффект  
-   - Адаптационный эффект  
-   - Актуальность для региона (указать с учётом контекста запроса). Если регион не указан, считай, что задается вопрос по Тюменской области
-   - Ответственная организация (из региона)  
-2. Если источник данных, на которых ты основываешь ответ, известен (это URL и краткое название кейса), 
-   добавь их **ниже таблицы** в виде списка ссылок:  
-   `**Опорные источники:** [1] Название кейса - URL, [2] Название кейса - URL`
-3. Пиши кратко, по существу, с акцентом на реальные, практические меры.
-4. Если информация отсутствует — предложи логичные адаптационные меры на основе Приказа Минэкономразвития России от 13 мая 2021 г. № 267 
-«Об утверждении методических рекомендаций и показателей по вопросам адаптации к изменениям климата».
-
-Пример формата ответа:
-| Наименование мероприятий | Митигационный эффект | Адаптационный эффект | Актуальность для Тобольского района | Ответственная организация |
-|---------------------------|----------------------|----------------------|------------------------------------|----------------------------|
-| Развитие городского электротранспорта | снижение эмиссии | повышение устойчивости транспортной инфраструктуры | актуально | городские власти |
-| Перевод транспорта на газомоторное топливо | снижение эмиссии | рациональное использование ресурсов | реализуется частично | транспортные организации |
-**Опорные источники:** [1] Кейс 12 - <https://example.com/case_12>
-"""
-
-# === 🧩 Функция получения ответа ===
-def get_facts(user_question: str) -> str:
+# === Функция получения ответа ===
+def get_facts(system_prompt: str, user_question: str) -> str:
     try:
         if not user_question.strip():
-            return "Пожалуйста, введите ваш запрос."
+            return "Ошибка: пожалуйста, введите ваш запрос."
 
-        # Загружаем индекс
         storage_context = StorageContext.from_defaults(persist_dir="./storage")
         index = load_index_from_storage(storage_context)
         retriever = index.as_retriever(similarity_top_k=4)
         nodes = retriever.retrieve(user_question)
 
-        # Формируем контекст
         context = "\n\n".join([node.get_content() for node in nodes]) if nodes else "Не найдено релевантных документов."
-        full_prompt = SYSTEM_PROMPT + f"\n\nБаза знаний:\n{context}"
+        full_system_prompt = system_prompt + f"\n\nКонтекст:\n{context}"
 
-        # Отправляем сообщение модели
         messages = [
-            ChatMessage(role="system", content=full_prompt),
-            ChatMessage(role="user", content="Пользовательский вопрос: " + user_question)
+            ChatMessage(role="system", content=full_system_prompt),
+            ChatMessage(role="user", content="Пользовательский запрос: " + user_question)
         ]
+        
         response = Settings.llm.chat(messages)
-
-        # Преобразуем markdown в HTML для красивого вывода таблицы
-        html = markdown.markdown(response.message.content, extensions=["tables", "fenced_code", "nl2br"])
-        return html
+        return response.message.content
 
     except Exception as e:
         return f"Ошибка:\n{str(e)}"
+    
+    response = Settings.llm.chat(messages)
+    return response.message.content
 
-
-# === 🎨 Интерфейс Gradio ===
-with gr.Blocks(theme=gr.themes.Soft(), css="""
-.output-box {
-    min-height: 400px;
-    overflow-y: auto;
-    border: 1px solid #ccc;
-    border-radius: 10px;
-    padding: 10px;
-}
-""") as demo:
+with gr.Blocks(theme=gr.themes.Soft()) as demo:
     gr.Markdown("# Информационная система для помощи в адаптации к климатическим рискам")
-
+    system_input = gr.Textbox(
+        label="Системный промпт",
+        lines=5,
+        max_lines = 5,
+        placeholder="Введите системный промпт"
+    )
+    
     user_input = gr.Textbox(
         label="Ваш запрос",
         lines=4,
-        placeholder="Например: 'В Тюменской области риск паводка'"
+        max_lines = 4,
+        placeholder="Введите свой запрос"
+    )
+        
+    answer_output = gr.Textbox(label="Ответ", lines=8, interactive=False)
+    send_button = gr.Button("Получить ответ")
+        
+    send_button.click(
+        fn=get_facts,
+        inputs=[system_input, user_input],
+        outputs=answer_output
     )
 
-    answer_output = gr.HTML(label="Рекомендованные адаптационные мероприятия", elem_classes="output-box")
-
-    send_button = gr.Button("Получить рекомендации")
-    send_button.click(fn=get_facts, inputs=user_input, outputs=answer_output)
-
-demo.launch()
+demo.launch()