Update app.py

app.py

@@ -8,10 +8,10 @@ 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",
@@ -19,24 +19,11 @@ Settings.llm = OpenRouter(
     context_window=20000,
 )
 
-# === Функция получения ответа ===
-def get_facts(user_question: str) -> str: 
-
-    try:
-        if not user_question.strip():
-            return "Ошибка: пожалуйста, введите ваш запрос."
-
-        storage_context = StorageContext.from_defaults(persist_dir="./storage")
-        index = load_index_from_storage(storage_context)
-        retriever = index.as_retriever(similarity_top_k=6)
-        nodes = retriever.retrieve(user_question)
-
-        context = "\n\n".join([node.get_content() for node in nodes]) if nodes else "Не найдено релевантных документов."
-        syst_prompt = f"""
+# === 🧠 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.
 
@@ -47,55 +34,70 @@ def get_facts(user_question: str) -> str:
    - 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».
+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>
-База знан��й:
-{context}
-Пользовательский вопрос: {user_question}
 """
-        messages = [
-            ChatMessage(role="user", content=syst_prompt)
-        ]
-        
+
+# === 🧩 Функция получения ответа ===
+def get_facts(user_question: str) -> str:
+    try:
+        if not user_question.strip():
+            return "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\nКонтекст:\n{context}\n\nПользовательский запрос: {user_question}"
+
+        # Отправляем сообщение модели
+        messages = [ChatMessage(role="system", content=full_prompt)]
         response = Settings.llm.chat(messages)
-        html = markdown.markdown(response.message.content, extensions=["tables"])
+
+        # Преобразуем markdown в HTML для красивого вывода таблицы
+        html = markdown.markdown(response.message.content, extensions=["tables", "fenced_code", "nl2br"])
         return html
 
     except Exception as e:
         return f"Ошибка:\n{str(e)}"
-    
-    response = Settings.llm.chat(messages)
-    return response.message.content
 
-with gr.Blocks(theme=gr.themes.Soft()) as demo:
-    gr.Markdown("# Информационная система для помощи в адаптации к климатическим рискам")    
+
+# === 🎨 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:
+    gr.Markdown("# Информационная система для помощи в адаптации к климатическим рискам")
 
     user_input = gr.Textbox(
         label="Ваш запрос",
-        lines=5,
-        placeholder="Введите свой запрос, например: 'В Тюменской области риск паводка'"
+        lines=4,
+        placeholder="Например: 'В Тюменской области риск паводка'"
     )
-    
-    answer_output = gr.Markdown(label="Рекомендованные адаптационные мероприятия", height=300)
 
-    send_button = gr.Button("Получить ответ")
+    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()