שיפורים: רקע תכלת, גרפים גדולים יותר, שיפור ולידציה, הכנה ל-HF Spaces

Dockerfile

@@ -17,9 +17,10 @@ RUN pip install --upgrade pip && \
 # Copy application code
 COPY . .
 
-# Expose port
-EXPOSE 8000
+# Expose port (7860 for HF Spaces, 8000 for local)
+EXPOSE 7860
 
 # Run the application
-CMD ["python", "run.py"]
+# Use app.py for HF Spaces (detects port from env), run.py for local
+CMD ["python", "app.py"]
 

HUGGINGFACE_DEPLOYMENT.md

@@ -0,0 +1,162 @@
+# הדרכה לפריסה ב-Hugging Face Spaces
+
+מדריך זה מסביר איך לפרוס את מערכת ניתוח המשובים ב-Hugging Face Spaces.
+
+## דרישות מקדימות
+
+1. חשבון ב-[Hugging Face](https://huggingface.co/)
+2. API Key מ-Gemini או OpenAI
+3. קובץ `Feedback.csv` עם הנתונים
+
+## שלבים לפריסה
+
+### 1. הכנת הפרויקט
+
+הפרויקט כבר מוכן לפריסה ב-HF Spaces:
+- ✅ `app.py` - נקודת כניסה ל-HF Spaces
+- ✅ `requirements.txt` - תלויות Python
+- ✅ `README.md` - תיעוד עם metadata
+
+### 2. יצירת Space חדש ב-Hugging Face
+
+1. היכנס ל-[Hugging Face Spaces](https://huggingface.co/spaces)
+2. לחץ על **"Create new Space"**
+3. מלא את הפרטים:
+   - **Space name**: `feedback-analysis-agent` (או שם אחר לבחירתך)
+   - **SDK**: בחר **"Docker"** (כי אנחנו משתמשים ב-FastAPI)
+   - **Visibility**: בחר **Public** או **Private** לפי הצורך
+4. לחץ על **"Create Space"**
+
+### 3. העלאת הקוד
+
+יש לך שתי אפשרויות:
+
+#### אפשרות א': דרך Git (מומלץ)
+
+1. ב-HF Space, תמצא את ה-URL של ה-Git repository
+2. הוסף את ה-remote:
+   ```bash
+   git remote add huggingface https://huggingface.co/spaces/YOUR_USERNAME/YOUR_SPACE_NAME
+   ```
+3. דחוף את הקוד:
+   ```bash
+   git push huggingface main
+   ```
+
+#### אפשרות ב': דרך ה-Web UI
+
+1. פתח את ה-Space ב-Hugging Face
+2. לחץ על **"Files and versions"**
+3. העלה את הקבצים הבאים:
+   - `app.py`
+   - `requirements.txt`
+   - `README.md`
+   - כל התיקייה `app/`
+   - `Feedback.csv` (אם אתה רוצה לכלול אותו ב-repo)
+
+### 4. הגדרת Environment Variables
+
+1. ב-Space שלך, לך ל-**"Settings"** → **"Repository secrets"**
+2. הוסף את ה-secrets הבאים:
+   - `GEMINI_API_KEY` - ה-API key שלך מ-Google Gemini
+   - או `OPENAI_API_KEY` - ה-API key שלך מ-OpenAI
+   - **הערה**: לפחות אחד מהם חייב להיות מוגדר
+
+### 5. העלאת קובץ הנתונים
+
+יש לך שתי אפשרויות:
+
+#### אפשרות א': דרך Git (אם הקובץ קטן)
+
+1. הוסף את `Feedback.csv` ל-repository
+2. דחוף את השינויים
+
+#### אפשרות ב': דרך ה-Web UI
+
+1. פתח את ה-Space
+2. לחץ על **"Files and versions"**
+3. העלה את `Feedback.csv` לתיקייה הראשית
+
+**הערה**: אם הקובץ גדול (>10MB), ייתכן שתצטרך להשתמש ב-Git LFS או להעלות אותו דרך API.
+
+### 6. הגדרת Dockerfile (אופציונלי)
+
+אם אתה רוצה להתאים אישית את ה-Docker image:
+
+1. צור `Dockerfile` בשורש הפרויקט
+2. HF Spaces ישתמש בו אוטומטית
+
+דוגמה ל-Dockerfile:
+```dockerfile
+FROM python:3.10-slim
+
+WORKDIR /app
+
+COPY requirements.txt .
+RUN pip install --no-cache-dir -r requirements.txt
+
+COPY . .
+
+EXPOSE 7860
+
+CMD ["python", "app.py"]
+```
+
+### 7. בדיקה
+
+1. HF Spaces יבנה את ה-Space אוטומטית
+2. תוכל לראות את הלוגים ב-**"Logs"** tab
+3. לאחר שהבנייה תסתיים, ה-Space יהיה זמין ב-URL:
+   `https://huggingface.co/spaces/YOUR_USERNAME/YOUR_SPACE_NAME`
+
+## פתרון בעיות
+
+### Space לא עולה
+
+1. בדוק את ה-**Logs** tab - שם תראה שגיאות
+2. ודא ש-`app.py` קיים ופועל
+3. ודא ש-`requirements.txt` מעודכן
+
+### שגיאת API Key
+
+1. ודא שה-API key מוגדר ב-**Repository secrets**
+2. ודא שהשם של ה-secret תואם (GEMINI_API_KEY או OPENAI_API_KEY)
+
+### שגיאת "No feedback data available"
+
+1. ודא ש-`Feedback.csv` קיים ב-repository
+2. ודא שהקובץ נמצא בתיקייה הראשית
+3. בדוק את ה-Logs לפרטים נוספים
+
+### Port issues
+
+- HF Spaces משתמש ב-port 7860 כברירת מחדל
+- `app.py` כבר מוגדר להשתמש ב-port 7860
+- אם יש בעיה, בדוק את ה-Logs
+
+## עדכונים
+
+כדי לעדכן את ה-Space:
+
+1. בצע שינויים בקוד המקומי
+2. commit ו-push ל-HF Space:
+   ```bash
+   git add .
+   git commit -m "Update code"
+   git push huggingface main
+   ```
+3. HF Spaces יבנה מחדש אוטומטית
+
+## הערות חשובות
+
+1. **API Keys**: לעולם אל תכלול API keys בקוד! השתמש ב-Repository secrets
+2. **נתונים**: אם `Feedback.csv` מכיל מידע רגיש, שקול להשתמש ב-Private Space
+3. **גודל**: HF Spaces מגביל את גודל ה-repository (10GB ל-Free tier)
+4. **זמן ריצה**: HF Spaces יכול לעצור Spaces לא פעילים אחרי זמן מסוים
+
+## קישורים שימושיים
+
+- [Hugging Face Spaces Documentation](https://huggingface.co/docs/hub/spaces)
+- [Docker Spaces Guide](https://huggingface.co/docs/hub/spaces-sdks-docker)
+- [Environment Variables in Spaces](https://huggingface.co/docs/hub/spaces-sdks-docker#environment-variables)
+

README.md

@@ -1,3 +1,13 @@
+---
+title: Feedback Analysis Agent
+emoji: 📊
+colorFrom: blue
+colorTo: cyan
+sdk: docker
+pinned: false
+license: mit
+---
+
 # Feedback Analysis Agent
 
 מערכת ניתוח משובי משתמשים מבוססת SQL ו-LLM.
@@ -179,8 +189,8 @@ schema_info = f"""
 
 ## קישורים
 
-- GitHub: [לעדכן]
-- קורות חיים: [לעדכן]
+- **GitHub**: [https://github.com/galbendavids/Feedback_Analysis_RAG_Agent_runpod](https://github.com/galbendavids/Feedback_Analysis_RAG_Agent_runpod)
+- **קורות חיים**: [https://github.com/galbendavids/Feedback_Analysis_RAG_Agent_runpod/blob/main/Gal%20Shlomo%20Ben%20David%20Ohayone_e-1.pdf](https://github.com/galbendavids/Feedback_Analysis_RAG_Agent_runpod/blob/main/Gal%20Shlomo%20Ben%20David%20Ohayone_e-1.pdf)
 
 ## רישיון
 

app.py

@@ -0,0 +1,26 @@
+"""
+Entry point for Hugging Face Spaces deployment.
+
+This file is required by Hugging Face Spaces to run the FastAPI application.
+It's a simple wrapper that imports and runs the FastAPI app from app.api.
+
+Hugging Face Spaces will automatically detect this file and run it.
+The app will be available on port 7860 (HF Spaces default).
+"""
+
+from __future__ import annotations
+
+import os
+import uvicorn
+
+# Import the FastAPI app from the app package
+from app.api import app
+
+# Hugging Face Spaces will call this file directly
+# The app is already defined in app.api, so we just need to run it
+if __name__ == "__main__":
+    # Get port from environment variable (HF Spaces sets this) or default to 7860
+    port = int(os.environ.get("PORT", 7860))
+    # Run on all interfaces (0.0.0.0) - required for HF Spaces
+    uvicorn.run(app, host="0.0.0.0", port=port)
+

app/sql_service.py

@@ -382,6 +382,9 @@ class SQLFeedbackService:
 
 הערך את התשובה לפי הקריטריונים הבאים (0-100):
 1. האם התשובה עונה ישירות על השאלה? (0-30 נקודות)
+   - אם השאלה מבקשת סיווג/חלוקה לפי שירותים (ServiceName) - האם התשובה כוללת ניתוח נפרד לכל שירות?
+   - אם השאלה מבקשת סיווג/חלוקה לפי דירוגים (Level) - האם התשובה כוללת ניתוח נפרד לכל דירוג?
+   - אם השאלה מבקשת סיווג/חלוקה לפי תאריכים - האם התשובה כוללת ניתוח נפרד לפי תקופות?
 2. האם התשובה מבוססת על הנתונים? (0-25 נקודות)
 3. האם התשובה מפורטת ומקיפה? (0-20 נקודות)
 4. האם התשובה ברורה ומובנת? (0-15 נקודות)
@@ -492,6 +495,12 @@ class SQLFeedbackService:
 
 המשימה שלך: כתוב תשובה מסכמת, ברורה ובשפה חופשית שמבוססת על התוצאות.
 
+חשוב מאוד - קריטי:
+- אם השאלה מבקשת סיווג/חלוקה לפי שירותים (ServiceName) - חובה לכלול ניתוח נפרד ומפורט לכל שירות!
+- אם השאלה מבקשת סיווג/חלוקה לפי דירוגים (Level) - חובה לכלול ניתוח נפרד ומפורט לכל דירוג!
+- אם השאלה מבקשת סיווג/חלוקה לפי תאריכים - חובה לכלול ניתוח נפרד לפי תקופות!
+- תמיד תן תשובה מפורטת ומשמעותית - לא רק הודעה ששאילתות בוצעו!
+
 דרישות:
 1. תשובה מפורטת ומקיפה (5-7 פסקאות, 400-600 מילים)
 2. תשובה ברורה ומסודרת - לא גיבוב של מילים
@@ -504,10 +513,11 @@ class SQLFeedbackService:
 מבנה התשובה:
 1. פתיחה - סיכום מנהלים קצר (2-3 משפטים)
 2. ניתוח מפורט של הממצאים (3-4 פסקאות)
+   - אם נדרש סיווג לפי שירותים/דירוגים/תאריכים - כלול כאן ניתוח נפרד לכל קטגוריה
 3. תובנות עסקיות והמלצות (2-3 פסקאות)
 4. סיכום (1-2 משפטים)
 
-אם יש שגיאות בשאילתות, ציין זאת בתשובה."""
+אם יש שגיאות בשאילתות, ציין זאת בתשובה, אבל עדיין תן תשובה מפורטת על בסיס התוצאות שהתקבלו."""
 
         # Try Gemini first
         if settings.gemini_api_key and genai is not None:
@@ -545,6 +555,12 @@ class SQLFeedbackService:
 כתוב תשובה משופרת שמתמקדת יותר בשאלה המקורית, מבוססת יותר על הנתונים, ומפורטת יותר.
 התשובה חייבת לענות ישירות על השאלה: {query}
 
+חשוב מאוד - קריטי:
+- אם השאלה מבקשת סיווג/חלוקה לפי שירותים (ServiceName) - חובה לכלול ניתוח נפרד ומפורט לכל שירות!
+- אם השאלה מבקשת סיווג/חלוקה לפי דירוגים (Level) - חובה לכלול ניתוח נפרד ומפורט לכל דירוג!
+- אם השאלה מבקשת סיווג/חלוקה לפי תאריכים - חובה לכלול ניתוח נפרד לפי תקופות!
+- תמיד תן תשובה מפורטת ומשמעותית - לא רק הודעה ששאילתות בוצעו!
+
 דרישות:
 1. תשובה מפורטת ומקיפה (5-7 פסקאות, 400-600 מילים)
 2. תשובה שמתמקדת ישירות בשאלה שנשאלה
@@ -601,7 +617,13 @@ class SQLFeedbackService:
 {results_text}
 
 כתוב תשובה משופרת שמתמקדת יותר בשאלה המקורית, מבוססת יותר על הנתונים, ומפורטת יותר.
-התשובה חייבת לענות ישירות על השאלה: {query}"""
+התשובה חייבת לענות ישירות על השאלה: {query}
+
+חשוב מאוד - קריטי:
+- אם השאלה מבקשת סיווג/חלוקה לפי שירותים (ServiceName) - חובה לכלול ניתוח נפרד ומפורט לכל שירות!
+- אם השאלה מבקשת סיווג/חלוקה לפי דירוגים (Level) - חובה לכלול ניתוח נפרד ומפורט לכל דירוג!
+- אם השאלה מבקשת סיווג/חלוקה לפי תאריכים - חובה לכלול ניתוח נפרד לפי תקופות!
+- תמיד תן תשובה מפורטת ומשמעותית - לא רק הודעה ששאילתות בוצעו!"""
                         
                         try:
                             response = client.chat.completions.create(
@@ -624,8 +646,24 @@ class SQLFeedbackService:
             except Exception as e:
                 print(f"OpenAI error in synthesis: {e}", flush=True)
         
-        # Fallback: return basic summary
-        return f"בוצעו {len(sql_queries)} שאילתות. {len([r for r in query_results if not r.error])} הצליחו."
+        # Fallback: generate a detailed answer from query results even if LLM failed
+        # This ensures we always return a meaningful answer, not just a status message
+        successful_results = [r for r in query_results if not r.error and len(r.result) > 0]
+        if successful_results:
+            fallback_text = f"בוצעו {len(sql_queries)} שאילתות, {len(successful_results)} הצליחו.\n\n"
+            fallback_text += "סיכום התוצאות:\n\n"
+            for i, qr in enumerate(successful_results, 1):
+                fallback_text += f"שאילתה {i}: {qr.query}\n"
+                fallback_text += f"מספר שורות: {len(qr.result)}\n"
+                # Include first few rows as summary
+                if len(qr.result) > 0:
+                    fallback_text += "תוצאות (דוגמאות):\n"
+                    fallback_text += qr.result.head(5).to_string(index=False)
+                    fallback_text += "\n\n"
+            return fallback_text
+        else:
+            # If no successful results, still provide a helpful message
+            return f"בוצעו {len(sql_queries)} שאילתות, אך לא התקבלו תוצאות. ייתכן שהנתונים לא מכילים מידע התואם לשאלה."
     
     def _generate_visualizations(self, query_results: List[SQLQueryResult]) -> Optional[List[Dict[str, Any]]]:
         """

app/static/app.js

@@ -236,7 +236,7 @@ function showVisualizations(visualizations) {
     
     const canvasDiv = document.createElement('div');
     canvasDiv.style.position = 'relative';
-    canvasDiv.style.height = '350px';
+      canvasDiv.style.height = '450px';
     canvasDiv.style.background = '#ffffff';
     canvasDiv.style.borderRadius = '12px';
     canvasDiv.style.padding = '16px';

app/static/index.html

@@ -11,7 +11,7 @@
       font-family: -apple-system, BlinkMacSystemFont, 'Segoe UI', Roboto, 'Noto Sans Hebrew', 'Arial Hebrew', sans-serif; 
       margin: 0; 
       direction: rtl; 
-      background: linear-gradient(135deg, #1976d2 0%, #1565c0 50%, #0d47a1 100%); 
+      background: linear-gradient(135deg, #03a9f4 0%, #0288d1 50%, #0277bd 100%); 
       min-height: 100vh; 
       color: #0b2545; 
       padding-bottom: 40px;