Update app.py

app.py

@@ -9,12 +9,12 @@ MODEL_ID  = "meta-llama/Llama-4-Maverick-17B-128E-Instruct-FP8"
 
 # ── System Prompts ─────────────────────────────────────────────────────────────
 
-PROMPT_TO_LINKEDIN = """Du bist ein LinkedIn-Influencer-Generator. Deine einzige Aufgabe ist es, banale, alltägliche Aussagen in absurd ausschweifende, klischeebeladene LinkedIn-Posts zu verwandeln.
+PROMPT_TO_LINKEDIN = """Du bist ein LinkedIn-Influencer-Generator. Deine einzige Aufgabe ist es, banale, alltaegliche Aussagen in absurd ausschweifende, klischeebeladene LinkedIn-Posts zu verwandeln.
 
 Regeln:
 - Alles ist eine "Journey", ein "Gamechanger" oder eine "powerful lesson"
 - Nutze mindestens 3 Emojis strategisch
-- Erwähne "Growth", "Mindset", "Passion" oder "Impact" wo immer moeglich
+- Erwaehne "Growth", "Mindset", "Passion" oder "Impact" wo immer moeglich
 - Fuege eine persoenliche Anekdote hinzu, die niemand braucht
 - Endet mit einer rhetorischen Frage an die Community
 - Benutze dramatische Zeilenumbrueche fuer Effekt
@@ -23,7 +23,7 @@ Regeln:
 - Klingt wie jemand, der gerade ein Buch ueber sich selbst schreiben wuerde
 - Formatiere mit Markdown: Eroeffnungssatz als ## Ueberschrift, Schluesselbegriffe wie **Gamechanger**, **Growth**, **Mindset**, **Journey** fett hervorheben, Abschnitte mit Leerzeilen trennen
 
-Antworte NUR mit dem LinkedIn-Post in Markdown. Kein Vorwort, keine Erklärung."""
+Antworte NUR mit dem LinkedIn-Post in Markdown. Kein Vorwort, keine Erklaerung."""
 
 PROMPT_FROM_LINKEDIN = """Du bist ein gnadenloser semantischer Reduzierer. Du hasst Floskeln. Deine Aufgabe: LinkedIn-Texte auf das absolute, brutalste Minimum eindampfen.
 
@@ -31,29 +31,24 @@ Regeln:
 - EIN Satz. Nicht zwei. Einer.
 - Kuerze bis es wehtut. Dann nochmal kuerzen.
 - Null Emotion, null Wertung, null Kontext der niemanden interessiert
-- Streiche alles was keine neue Information trägt
+- Streiche alles was keine neue Information traegt
 - Wenn der gesamte Post nur bedeutet "Ich hab heute Kaffee getrunken" schreib genau das
 - Maximal 15 Woerter
 
-Antworte NUR mit diesem einen Satz. Kein Vorwort, keine Erklärung."""
+Antworte NUR mit diesem einen Satz. Kein Vorwort, keine Erklaerung."""
 
-PROMPT_BINGO = """Du bist ein sarkastischer LinkedIn-Prosa-Analytiker. Bewerte den folgenden LinkedIn-Post anhand von 5 Metriken.
+PROMPT_BINGO = """You are a sarcastic LinkedIn prose analyst. Rate the following LinkedIn post on 5 metrics.
 
-Antworte AUSSCHLIESSLICH mit einem validen JSON-Objekt. Kein Markdown, keine Backticks, keine Erklärung davor oder danach. Nur das rohe JSON.
+Reply ONLY with a single valid JSON object. No markdown fences, no backticks, no explanation before or after. Raw JSON only.
 
-Format:
-{"metrics":[{"icon":"X","label":"Y","score":N,"comment":"Z"},...], "verdict":"..."}
+Use exactly this structure:
+{"metrics":[{"label":"Buzzword-Dichte","score":7,"comment":"kurz sarkastisch"},{"label":"Laenge vs. Inhalt","score":5,"comment":"kurz sarkastisch"},{"label":"Selbstbeweihraeuche","score":8,"comment":"kurz sarkastisch"},{"label":"Hashtag-Overload","score":3,"comment":"kurz sarkastisch"},{"label":"Sinnlosigkeits-Index","score":6,"comment":"kurz sarkastisch"}],"verdict":"Ein vernichtender Satz auf Deutsch."}
 
-Verwende diese 5 Metriken in dieser Reihenfolge:
-1. icon="Buzzword-Dichte" label="Buzzword-Dichte" - Wie viele inhaltsleere Modebegriffe?
-2. icon="Länge vs. Inhalt" label="Länge vs. Inhalt" - Wie viel Länge fuer wie wenig Aussage?
-3. icon="Selbstbeweihräuche" label="Selbstbeweihräuche" - Wie sehr dreht sich alles um den Autor?
-4. icon="Hashtag-Overload" label="Hashtag-Overload" - Hashtag-Dichte und Sinnlosigkeit
-5. icon="Sinnlosigkeits-Index" label="Sinnlosigkeits-Index" - Koennte man den Post loeschen ohne Informationsverlust?
-
-score ist ein Integer von 1-10. 10 = maximaler LinkedIn-Exzess.
-comment ist max. 6 Woerter, sarkastisch.
-verdict ist ein einziger vernichtender Satz, max. 12 Woerter."""
+Rules:
+- score is an integer 1-10. 10 = worst LinkedIn excess possible.
+- comment is max 5 words in German, sarcastic. Use only basic ASCII characters, no special chars.
+- verdict is one devastating sentence in German, max 12 words. Use only basic ASCII characters.
+- ALL string values must be valid JSON strings. Escape nothing special, just use plain ASCII."""
 
 
 # ── LLM-Calls ─────────────────────────────────────────────────────────────────
@@ -81,17 +76,43 @@ def translate(text, direction):
         return f"Fehler: {e}"
 
 
-def get_bingo(text):
-    if not text.strip() or not HF_TOKEN:
-        return ""
+def _extract_json(raw: str) -> dict:
+    """Mehrere Strategien um JSON aus LLM-Antwort zu extrahieren."""
+    # 1. Direkt parsen
+    try:
+        return json.loads(raw)
+    except Exception:
+        pass
+    # 2. JSON-Block per Index extrahieren
     try:
-        raw   = _call_llm(PROMPT_BINGO, text, max_tokens=512)
         start = raw.find("{")
         end   = raw.rfind("}") + 1
-        data  = json.loads(raw[start:end])
-        return _render_bingo(data)
-    except Exception as e:
-        return f"<p style='color:#c00'>Analyse fehlgeschlagen: {e}</p>"
+        if start >= 0 and end > start:
+            return json.loads(raw[start:end])
+    except Exception:
+        pass
+    # 3. Whitespace bereinigen und nochmal versuchen
+    try:
+        cleaned = raw[raw.find("{"):raw.rfind("}")+1]
+        cleaned = " ".join(cleaned.split())
+        return json.loads(cleaned)
+    except Exception:
+        pass
+    raise ValueError("Kein valides JSON gefunden")
+
+
+def get_bingo(text: str) -> str:
+    if not text.strip() or not HF_TOKEN:
+        return ""
+    last_err = None
+    for attempt in range(3):
+        try:
+            raw  = _call_llm(PROMPT_BINGO, text, max_tokens=600)
+            data = _extract_json(raw)
+            return _render_bingo(data)
+        except Exception as e:
+            last_err = e
+    return f"<p style='color:#c00;font-size:.85rem;padding:8px;'>Analyse fehlgeschlagen nach 3 Versuchen: {last_err}</p>"
 
 
 def _render_bingo(data):
@@ -100,8 +121,8 @@ def _render_bingo(data):
 
     ICONS = {
         "Buzzword-Dichte":      "🗣️",
-        "Länge vs. Inhalt":    "📏",
-        "Selbstbeweihräuche":  "🪞",
+        "Laenge vs. Inhalt":    "📏",
+        "Selbstbeweihraeuche":  "🪞",
         "Hashtag-Overload":     "#️⃣",
         "Sinnlosigkeits-Index": "🌀",
     }