Update app.py

app.py

@@ -2,207 +2,198 @@ import gradio as gr
 from huggingface_hub import InferenceClient
 import os
 
-# NEUE PROMPTS: Neutral, kollegial, sachlich und lösungsorientiert
+# ==========================================
+# 1. KONFIGURATION & PROMPTS
+# ==========================================
+# Hier lagern wir alle Texte aus, damit die Logik sauber bleibt.
+
+MODERATOR_MODEL = "meta-llama/Llama-4-Maverick-17B-128E-Instruct-FP8:novita"
+
 COUNCIL_MEMBERS = {
-    "🧠 Fachexperte für Struktur (GPT-OSS-120b)": (
-        "openai/gpt-oss-120b:novita",
-        """Du bist ein neutraler, sachlicher Fachexperte. Dein Fokus liegt auf der Strukturierung des Themas und dem großen Ganzen.
+    "🧠 Fachexperte für Struktur (GPT-OSS-120b)": {
+        "model": "openai/gpt-oss-120b:novita",
+        "role": """Du bist ein neutraler, sachlicher Fachexperte. Dein Fokus liegt auf der Strukturierung des Themas und dem großen Ganzen.
 REGELN:
 - Beginne mit: "[STRUKTUR] "
 - Antworte in 2-4 Sätzen, professionell und bodenständig.
 - Wenn Vorredner gute Punkte gemacht haben, stimme zu und ergänze sinnvolle Aspekte.
 - Wenn du etwas anders siehst, korrigiere höflich und fachlich fundiert. Keine künstliche Dramatik."""
-    ),
-    "🧐 Fachexperte für Details (DeepSeek-V3)": (
-        "deepseek-ai/DeepSeek-V3.2:novita",
-        """Du bist ein neutraler, sachlicher Fachexperte. Dein Fokus liegt auf wichtigen Details, Nuancen und potenziellen Fallstricken.
+    },
+    "🧐 Fachexperte für Details (DeepSeek-V3)": {
+        "model": "deepseek-ai/DeepSeek-V3.2:novita",
+        "role": """Du bist ein neutraler, sachlicher Fachexperte. Dein Fokus liegt auf wichtigen Details, Nuancen und potenziellen Fallstricken.
 REGELN:
 - Beginne mit: "[DETAILS] "
 - Antworte in 2-4 Sätzen, professionell und bodenständig.
 - Ergänze die Diskussion um wichtige Aspekte, die vielleicht vergessen wurden (z.B. Alternativen, häufige Anfängerfehler, Kontext).
 - Du darfst deinen Vorrednern zustimmen und darauf aufbauen. Widersprich nur, wenn es inhaltlich wirklich nötig ist."""
-    ),
-    "🛠️ Fachexperte für Praxis (Llama-4-Maverick)": (
-        "meta-llama/Llama-4-Maverick-17B-128E-Instruct-FP8:novita",
-        """Du bist ein neutraler, sachlicher Fachexperte. Dein Fokus liegt auf der praktischen Umsetzung und Anwendbarkeit.
+    },
+    "🛠️ Fachexperte für Praxis (Llama-4-Maverick)": {
+        "model": "meta-llama/Llama-4-Maverick-17B-128E-Instruct-FP8:novita",
+        "role": """Du bist ein neutraler, sachlicher Fachexperte. Dein Fokus liegt auf der praktischen Umsetzung und Anwendbarkeit.
 REGELN:
 - Beginne mit: "[PRAXIS] "
 - Antworte in 2-4 Sätzen, professionell und bodenständig.
 - Übersetze die bisherige Diskussion in greifbare, einfache Ratschläge oder Schritte.
 - Baue konstruktiv auf den Ideen der anderen auf. Ergänze praktische Tipps aus der Realität."""
-    )
+    }
 }
 
-
-MODERATOR_MODEL = "meta-llama/Llama-4-Maverick-17B-128E-Instruct-FP8:novita"
-
-
-client = InferenceClient(token=os.getenv("HF_TOKEN"))
-
-def ask_model(model_id, system_prompt, user_input):
-    messages = [
-        {"role": "system", "content": system_prompt},
-        {"role": "user", "content": user_input}
-    ]
-    response = ""
-    try:
-        for chunk in client.chat_completion(
-            model=model_id,
-            messages=messages,
-            max_tokens=4000,
-            temperature=0.4, 
-            stream=True
-        ):
-            if hasattr(chunk, "choices") and chunk.choices and len(chunk.choices) > 0:
-                response += chunk.choices[0].delta.content or ""
-                
-        return response
-    except Exception as e:
-        return f"🚨 System Error ({model_id}): {str(e)}"
-
-def run_council(user_prompt, rounds):
-    if not user_prompt:
-        yield [{"role": "assistant", "content": "Bitte gib ein Thema oder eine Frage ein, um die Sitzung zu starten."}]
-        return
-
-    history = [{"role": "user", "content": user_prompt}]
-    yield history
-    
-    discussion_history = "" 
+class PromptManager:
+    """Verwaltet alle dynamischen Prompts für Moderator und Experten."""
     
-    # --- PHASE 1: DAS PLENUM DISKUTIERT ---
-    for r in range(int(rounds)):
-        round_header = f"<h2 style='color: #FF5A4D; border-bottom: 2px solid #FFEBE8; padding-bottom: 5px; margin-top: 20px;'>🔄 ZYKLUS {r+1} - EXPERTENDEBATTE</h2>"
-        history.append({"role": "assistant", "content": round_header})
+    @staticmethod
+    def get_moderator_kickoff_sys():
+        return (
+            "Du bist der Lead-Moderator eines 3-köpfigen Expertenrates (Struktur, Details, Praxis). "
+            "Deine Aufgabe: Übersetze die eher generische User-Anfrage in ein messerscharfes Briefing für dein Team. "
+            "Gib in 3-4 Sätzen das klare Ziel vor und weise den Experten ihren initialen Fokus zu. Keine langen Floskeln, sei ein pragmatischer Leader."
+        )
+        
+    @staticmethod
+    def get_moderator_mid_sys():
+        return (
+            "Du bist der Lead-Moderator. Analysiere den Stand der Experten intern, ABER gib als Output nur direkte harte Arbeitsäuftrage für die nächste Runde aus. "
+            "Beispiel: 'Gute Struktur, aber die Flüssigkeitsmengen stimmen rechnerisch nicht. Details-Experte, korrigiere das jetzt!' usw "
+            "Kein langes Intro, kein 'Was bisher gut ist' – nur der nackte Befehl."
+        )
+
+    @staticmethod
+    def get_expert_sys(role_focus):
+        return (
+            f"{role_focus}\n\n"
+            "WICHTIG: Diskutiere konstruktiv. Euer Ziel ist EXAKT das vom User geforderte Endprodukt. "
+            "Arbeitet ITERATIV am Entwurf und hört zwingend auf die Anweisungen des Moderators."
+        )
+
+    @staticmethod
+    def get_expert_user_prompt(user_prompt, discussion_history, name):
+        if not discussion_history:
+            return f"Auftrag: '{user_prompt}'"
+        return (
+            f"Der ursprüngliche Auftrag lautet: '{user_prompt}'.\n\n"
+            f"Bisheriges Protokoll:\n{discussion_history}\n\n"
+            f"ANWEISUNG FÜR DICH ({name}):\n"
+            f"1. Richte dich nach der letzten Anweisung des Moderators!\n"
+            f"2. Fasse Vorredner NICHT zusammen. Wiederhole nichts.\n"
+            f"3. Bringe den Entwurf konkret voran (z.B. durch Textvorschläge, das Schließen von Lücken oder Formatierungen).\n"
+            f"4. Komm direkt zum Punkt."
+        )
+
+# ==========================================
+# 2. CORE SERVICES (API & UI Helpers)
+# ==========================================
+class LLMService:
+    """Kapselt die gesamte API-Kommunikation mit Hugging Face."""
+    def __init__(self):
+        self.client = InferenceClient(token=os.getenv("HF_TOKEN"))
+
+    def ask(self, model_id, system_prompt, user_input):
+        messages = [
+            {"role": "system", "content": system_prompt},
+            {"role": "user", "content": user_input}
+        ]
+        response = ""
+        try:
+            for chunk in self.client.chat_completion(
+                model=model_id, messages=messages, max_tokens=4000, temperature=0.4, stream=True
+            ):
+                if hasattr(chunk, "choices") and chunk.choices and len(chunk.choices) > 0:
+                    response += chunk.choices[0].delta.content or ""
+            return response
+        except Exception as e:
+            return f"🚨 System Error ({model_id}): {str(e)}"
+
+class UIHelper:
+    """Formatiert Ausgaben für die Gradio Chatbot-UI."""
+    @staticmethod
+    def header(title, color="#FF5A4D"):
+        return f"<h2 style='color: {color}; border-bottom: 2px solid #FFEBE8; padding-bottom: 5px; margin-top: 20px;'>{title}</h2>"
+
+    @staticmethod
+    def message(name, content, color="#4241A6"):
+        return f"**<span style='color: {color}; font-size: 1.1em;'>👤 {name}</span>**\n\n> {content}"
+
+# ==========================================
+# 3. DER ORCHESTRATOR (Die Business Logik)
+# ==========================================
+class PlenumOrchestrator:
+    """Steuert den gesamten Diskussions- und Generierungsprozess."""
+    def __init__(self):
+        self.llm = LLMService()
+        self.prompts = PromptManager()
+        self.ui = UIHelper()
+
+    def run(self, user_prompt, rounds):
+        if not user_prompt:
+            yield [{"role": "assistant", "content": "Bitte gib ein Thema oder eine Frage ein."}]
+            return
+
+        history = [{"role": "user", "content": user_prompt}]
         yield history
         
-def run_council(user_prompt, rounds):
-    if not user_prompt:
-        yield [{"role": "assistant", "content": "Bitte gib ein Thema oder eine Frage ein, um die Sitzung zu starten."}]
-        return
-
-    history = [{"role": "user", "content": user_prompt}]
-    yield history
-    
-    discussion_history = "" 
-    
-    # ==========================================
-    # NEU: MODERATOR KICK-OFF
-    # ==========================================
-    history.append({"role": "assistant", "content": "<h2 style='color: #FF5A4D; border-bottom: 2px solid #FFEBE8; padding-bottom: 5px; margin-top: 20px;'>🎤 MODERATOR: SITZUNGSERÖFFNUNG</h2>"})
-    yield history
-    
-    kickoff_sys = (
-        "Du bist der Lead-Moderator eines 3-köpfigen Expertenrates (Struktur, Details, Praxis). "
-        "Deine Aufgabe: Übersetze die eher generische User-Anfrage in ein messerscharfes Briefing für dein Team. "
-        "Gib in 3-4 Sätzen das klare Ziel vor und weise den Experten ihren initialen Fokus zu. Keine langen Floskeln, sei ein pragmatischer Leader."
-    )
-    kickoff_prompt = f"User-Anfrage lautet: '{user_prompt}'\nBitte eröffne die Sitzung und briefe das Team."
-    kickoff_res = ask_model(MODERATOR_MODEL, kickoff_sys, kickoff_prompt)
-    
-    discussion_history += f"Moderator (Sitzungseröffnung): {kickoff_res}\n\n"
-    display_kickoff = f"**<span style='color: #FF5A4D; font-size: 1.1em;'>🎤 Moderator</span>**\n\n> {kickoff_res}"
-    history.append({"role": "assistant", "content": display_kickoff})
-    yield history
-
-    # --- PHASE 1: DAS PLENUM DISKUTIERT ---
-    for r in range(int(rounds)):
-        round_header = f"<h2 style='color: #4241A6; border-bottom: 2px solid #FFEBE8; padding-bottom: 5px; margin-top: 20px;'>🔄 ZYKLUS {r+1} - EXPERTENDEBATTE</h2>"
-        history.append({"role": "assistant", "content": round_header})
+        discussion_history = "" 
+        
+        # --- KICK-OFF ---
+        history.append({"role": "assistant", "content": self.ui.header("🎤 MODERATOR: SITZUNGSERÖFFNUNG")})
         yield history
         
-        # ==========================================
-        # NEU: MODERATOR STEUERT ZWISCHEN DEN RUNDEN (Ab Zyklus 2)
-        # ==========================================
-        if r > 0:
-            
-            mid_sys = (
-                "Du bist der Lead-Moderator. Analysiere den Stand der Experten intern, ABER gib als Output NUR EINEN EINZIGEN, harten Arbeitsauftrag (max. 2 Sätze) für die nächste Runde aus. "
-                "Beispiel: 'Gute Struktur, aber die Flüssigkeitsmengen stimmen rechnerisch nicht. Details-Experte, korrigiere das jetzt!' "
-                "Kein langes Intro, kein 'Was bisher gut ist' – nur der nackte Befehl."
-            )
-            
-            mid_prompt = f"Bisheriges Protokoll:\n{discussion_history}\n\nGib dem Team die Anweisung für die nächste Runde."
-            mid_res = ask_model(MODERATOR_MODEL, mid_sys, mid_prompt)
-            
-            discussion_history += f"Moderator (Kurskorrektur): {mid_res}\n\n"
-            display_mid = f"**<span style='color: #FF5A4D; font-size: 1.1em;'>🎤 Moderator (Steuerung)</span>**\n\n> {mid_res}"
-            history.append({"role": "assistant", "content": display_mid})
-            yield history
+        kickoff_res = self.llm.ask(MODERATOR_MODEL, self.prompts.get_moderator_kickoff_sys(), f"User-Anfrage: '{user_prompt}'\nBriefe das Team.")
+        discussion_history += f"Moderator (Kick-off): {kickoff_res}\n\n"
+        history.append({"role": "assistant", "content": self.ui.message("🎤 Moderator", kickoff_res, "#FF5A4D")})
+        yield history
 
-        # --- DIE EXPERTEN ANTWORTEN ---
-        for name, (model_id, role_focus) in COUNCIL_MEMBERS.items():
-            
-            system_msg = (
-                f"{role_focus}\n\n"
-                "WICHTIG: Diskutiere konstruktiv. Euer Ziel ist EXAKT das vom User geforderte Endprodukt. "
-                "Arbeitet ITERATIV am Entwurf und hört zwingend auf die Anweisungen des Moderators."
-            )
+        # --- ZYKLEN ---
+        for r in range(int(rounds)):
+            history.append({"role": "assistant", "content": self.ui.header(f"🔄 ZYKLUS {r+1} - EXPERTENDEBATTE", "#4241A6")})
+            yield history
             
-            if discussion_history == "": # Fallback, wird durch Kickoff meist umgangen
-                current_prompt = f"Auftrag: '{user_prompt}'"
-            else:
-                current_prompt = (
-                    f"Der ursprüngliche Auftrag lautet: '{user_prompt}'.\n\n"
-                    f"Bisheriges Protokoll:\n{discussion_history}\n\n"
-                    f"ANWEISUNG FÜR DICH ({name}):\n"
-                    f"1. Richte dich nach der letzten Anweisung des Moderators!\n"
-                    f"2. Fasse Vorredner NICHT zusammen. Wiederhole nichts.\n"
-                    f"3. Bringe den Entwurf konkret voran (z.B. durch Textvorschläge, das Schließen von Lücken oder Formatierungen).\n"
-                    f"4. Komm direkt zum Punkt."
-                )
+            # Moderator Steuerung (ab Runde 2)
+            if r > 0:
+                mid_res = self.llm.ask(MODERATOR_MODEL, self.prompts.get_moderator_mid_sys(), f"Protokoll:\n{discussion_history}\n\nGib die Anweisung.")
+                discussion_history += f"Moderator (Steuerung): {mid_res}\n\n"
+                history.append({"role": "assistant", "content": self.ui.message("🎤 Moderator (Steuerung)", mid_res, "#FF5A4D")})
+                yield history
+
+            # Experten antworten
+            for name, config in COUNCIL_MEMBERS.items():
+                sys_msg = self.prompts.get_expert_sys(config["role"])
+                user_msg = self.prompts.get_expert_user_prompt(user_prompt, discussion_history, name)
                 
-            answer = ask_model(model_id, system_msg, current_prompt)
-            
-            discussion_history += f"{name}: {answer}\n\n"
-            display_answer = f"**<span style='color: #4241A6; font-size: 1.1em;'>👤 {name}</span>**\n\n> {answer}"
-            history.append({"role": "assistant", "content": display_answer})
-            yield history 
+                answer = self.llm.ask(config["model"], sys_msg, user_msg)
+                discussion_history += f"{name}: {answer}\n\n"
+                
+                history.append({"role": "assistant", "content": self.ui.message(name, answer)})
+                yield history 
 
-    # ==========================================
-    # PHASE 2 & 3: MODERATOR ZIEHT KONSENS UND BAUT ENDPRODUKT
-    # (Bleibt identisch wie in deinem Code)
-    # ==========================================
-    history.append({"role": "assistant", "content": "<h2 style='color: #FF5A4D; border-bottom: 2px solid #FFEBE8; padding-bottom: 5px; margin-top: 20px;'>🧠 MODERATOR: ANALYSE DER DISKUSSION</h2>"})
-    yield history
-    
-    prep_prompt = (
-        f"Hier ist das Protokoll einer Experten-Diskussion:\n{discussion_history}\n\n"
-        "Fasse die wichtigsten Argumente und den finalen pragmatischen Konsens zusammen. "
-        "WICHTIG: Erhalte ZWINGEND alle konkreten Zahlen, Metriken, Mengenangaben (z.B. ml, bpm), "
-        "Zutaten und spezifischen Handlungsschritte aus dem Protokoll. "
-        "Vermeide abstrakte Verallgemeinerungen!"
-    )
-    consensus_res = ask_model(MODERATOR_MODEL, "Du bist der Chef-Analyst des Rates.", prep_prompt)
-    
-    history.append({"role": "assistant", "content": f"> {consensus_res}"})
-    yield history
+        # --- ANALYSE ---
+        history.append({"role": "assistant", "content": self.ui.header("🧠 MODERATOR: ANALYSE DER DISKUSSION")})
+        yield history
+        
+        prep_sys = "Du bist der Chef-Analyst des Rates."
+        prep_user = f"Protokoll:\n{discussion_history}\n\nFasse zusammen. Erhalte ZWINGEND alle konkreten Zahlen, Zutaten und Schritte. Vermeide Verallgemeinerungen!"
+        consensus_res = self.llm.ask(MODERATOR_MODEL, prep_sys, prep_user)
+        
+        history.append({"role": "assistant", "content": f"> {consensus_res}"})
+        yield history
 
-    history.append({"role": "assistant", "content": "<h2 style='color: #FF5A4D; border-bottom: 2px solid #FFEBE8; padding-bottom: 5px; margin-top: 20px;'>🏆 FINALE AUSGABE</h2>"})
-    yield history
-    
-    final_prompt = (
-        f"Der Benutzer hat folgende Aufgabe gestellt:\n'{user_prompt}'\n\n"
-        f"Hier ist das vollständige Roh-Protokoll der Experten:\n{discussion_history}\n\n"
-        f"Hier ist der destillierte Konsens:\n{consensus_res}\n\n"
-        """ANWEISUNG: 
-        - Erfülle die Aufgabe des Users präzise basierend auf dem Konsens UND greife auf die konkreten Details aus dem Roh-Protokoll zurück.
-        - Übernimm ZWINGEND alle spezifischen Vorgaben (wie exakte Mengen, Zahlen).
-        - Wenn der User ein Format wünscht (z.B. Post, Code, Tabelle), halte dich strikt daran.
-        - Strukturiere Pläne zwingend chronologisch. 
-        - Liefere direkt das fertige, anwendbare Endprodukt ohne Intro!"""
-    )
-    
-    moderator_system_prompt = (
-        "Du bist ein brillanter Redakteur und Executive Consultant. "
-        "Liefere AUSSCHLIESSLICH das finale, direkt nutzbare Endprodukt ohne KI-Geschwafel."
-    )
-    
-    final_res = ask_model(MODERATOR_MODEL, moderator_system_prompt, final_prompt)
-    history.append({"role": "assistant", "content": final_res})
-    yield history
+        # --- FINALE AUSGABE ---
+        history.append({"role": "assistant", "content": self.ui.header("🏆 FINALE AUSGABE")})
+        yield history
+        
+        final_sys = "Du bist ein brillanter Redakteur. Liefere AUSSCHLIESSLICH das finale, direkt nutzbare Endprodukt ohne KI-Geschwafel."
+        final_user = f"Auftrag:\n'{user_prompt}'\n\nKonsens:\n{consensus_res}\n\nErfülle den Auftrag präzise, übernimm alle Zahlen/Fakten, strukturiere Pläne chronologisch und liefere das fertige Endprodukt."
+        
+        final_res = self.llm.ask(MODERATOR_MODEL, final_sys, final_user)
+        history.append({"role": "assistant", "content": final_res})
+        yield history
+
+# Instanziiere den Orchestrator
+orchestrator = PlenumOrchestrator()
 
-# --- THEME ---
+# ==========================================
+# 4. GRADIO UI
+# ==========================================
 v_theme = gr.themes.Soft(
     primary_hue="indigo",  
     font=[gr.themes.GoogleFont("Inter"), "ui-sans-serif", "system-ui", "sans-serif"], 
@@ -216,9 +207,7 @@ v_theme = gr.themes.Soft(
     color_accent_soft="#FFEBE8", 
 )
 
-# --- UI LAYOUT ---
-with gr.Blocks() as demo:
-    
+with gr.Blocks(theme=v_theme) as demo:
     gr.HTML("""
     <div style="text-align: center; margin-bottom: 2rem; margin-top: 1rem;">
         <h1 style="color: #FF5A4D; font-weight: 900; font-size: 2.8rem; margin-bottom: 0.2rem; font-family: 'Inter', sans-serif; letter-spacing: -0.02em;">PromptPlenum42</h1>
@@ -234,25 +223,18 @@ with gr.Blocks() as demo:
                 lines=2
             )
         with gr.Column(scale=1):
-            rounds_slider = gr.Slider(
-                minimum=1, maximum=5, value=1, step=1, 
-                label="Diskussionszyklen"
-            )
+            rounds_slider = gr.Slider(minimum=1, maximum=5, value=1, step=1, label="Diskussionszyklen")
             
     with gr.Row():
         start_btn = gr.Button("Sitzung starten", variant="primary", size="lg")
         clear_btn = gr.ClearButton(components=[input_text], value="Protokoll leeren", size="lg")
     
-    chatbot = gr.Chatbot(
-        label="Sitzungsprotokoll", 
-        height=650
-    )
-
+    chatbot = gr.Chatbot(label="Sitzungsprotokoll", height=650)
     clear_btn.add(chatbot)
 
-    input_text.submit(run_council, inputs=[input_text, rounds_slider], outputs=[chatbot])
-    start_btn.click(run_council, inputs=[input_text, rounds_slider], outputs=[chatbot])
+    # UI Events an den Orchestrator binden
+    input_text.submit(orchestrator.run, inputs=[input_text, rounds_slider], outputs=[chatbot])
+    start_btn.click(orchestrator.run, inputs=[input_text, rounds_slider], outputs=[chatbot])
 
 if __name__ == "__main__":
-    demo.launch(theme=v_theme)
-    
+    demo.launch()