Update app.py

app.py

@@ -20,6 +20,7 @@ LLM_MODEL_NAME = "mrm8488/bert2bert_shared-turkish-summarization"
 MAX_NEW_TOKENS = 256
 DEVICE = "cuda" if torch.cuda.is_available() else "cpu"
 
+
 # --- 1. PDF'ten Vektör Veritabanı Oluştur ---
 def create_vector_db_from_pdf(pdf_path):
     print(f"📄 PDF okunuyor: {pdf_path}")
@@ -34,21 +35,17 @@ def create_vector_db_from_pdf(pdf_path):
     except Exception as e:
         print(f"⚠️ PDF okunurken hata oluştu: {e}")
         return None
-
     if not text:
         print("⚠️ PDF'ten metin çıkarılamadı.")
         return None
-
     print(f"📏 Toplam {len(text)} karakter okundu.")
     text_splitter = RecursiveCharacterTextSplitter(
         chunk_size=CHUNK_SIZE, chunk_overlap=CHUNK_OVERLAP, length_function=len
     )
     chunks = text_splitter.split_text(text)
     print(f"📚 Metin {len(chunks)} parçaya ayrıldı.")
-
     print(f"🔢 Embedding modeli yükleniyor: {EMBEDDING_MODEL_NAME}")
     embeddings = HuggingFaceEmbeddings(model_name=EMBEDDING_MODEL_NAME, model_kwargs={'device': DEVICE})
-
     print("🧠 FAISS vektör veritabanı oluşturuluyor...")
     db = FAISS.from_texts(chunks, embeddings)
     print("✅ Vektör veritabanı başarıyla oluşturuldu.")
@@ -91,21 +88,16 @@ except Exception as e:
 def get_answer_from_llm(question):
     if vector_db is None or text_generation_pipeline is None:
         return "⚠️ Model veya PDF yüklenemedi. Lütfen logları kontrol edin."
-
     print(f"💬 Gelen soru: {question}")
     try:
         retrieved_docs = vector_db.similarity_search(question, k=3)
     except Exception as e:
         return f"🔎 Vektör arama hatası: {e}"
-
     if not retrieved_docs:
         return "⚠️ Bu soruyla ilgili belgede bilgi bulunamadı."
-
     context = "\n\n".join([doc.page_content for doc in retrieved_docs])
     prompt = f"Answer the question based on the following context:\n{context}\n\nQuestion: {question}\nAnswer:"
-
     print("📤 LLM'e gönderilen prompt'un başlangıcı:\n", prompt[:400])
-
     try:
         outputs = text_generation_pipeline(prompt)
         final_answer = outputs[0]["generated_text"].strip()
@@ -115,19 +107,20 @@ def get_answer_from_llm(question):
         return f"Cevap üretilemedi: {e}"
 
 
-# --- 4. Gradio Arayüzü ---
+# --- 4. Gradio Arayüzü (Yeni mesaj formatıyla uyumlu) ---
 with gr.Blocks(theme=gr.themes.Soft()) as demo:
     gr.Markdown("# 📘 Fırat Üniversitesi Mevzuat Asistanı")
     chatbot = gr.Chatbot(label="Sohbet Geçmişi", height=500, type="messages")
     msg = gr.Textbox(label="Sorunuzu yazın:", placeholder="Örn: MADDE 1’i özetle")
 
     def user(user_message, history):
-        return gr.update(value="", interactive=False), history + [[user_message, None]]
+        history = history + [{"role": "user", "content": user_message}]
+        return gr.update(value="", interactive=False), history
 
     def bot(history):
-        question = history[-1][0]
+        question = history[-1]["content"]
         answer = get_answer_from_llm(question)
-        history[-1][1] = answer
+        history.append({"role": "assistant", "content": answer})
         return history, gr.update(interactive=True)
 
     msg.submit(user, [msg, chatbot], [msg, chatbot], queue=False).then(