Update app.py

app.py

@@ -29,22 +29,23 @@ def extract_text_from_pdf(pdf_path):
 def generate_response(subject, history, lang, pdf_path, max_tokens, temperature, top_p):
     system_message = SYSTEM_PROMPT.get(lang, SYSTEM_PROMPT["en"])  # Sélection de la langue
 
+    # Initialize messages with the system message
     messages = [{"role": "system", "content": system_message}]
     
-    # 🔄 Correction du format de l'historique
+    # 🔄 Correct format for history messages
     for message in history:
         if isinstance(message, dict) and "role" in message and "content" in message:
             messages.append(message)
 
-    # 📄 Ajouter le contenu du PDF s'il y en a un
+    # 📄 Add PDF content if available
     if pdf_path:
         pdf_text = extract_text_from_pdf(pdf_path)
-        messages.append({"role": "user", "content": f"Voici un document PDF pertinent : {pdf_text[:1000]}..."})  # On limite à 1000 caractères pour éviter la surcharge
+        messages.append({"role": "user", "content": f"Voici un document PDF pertinent : {pdf_text[:1000]}..."})  # Limit to first 1000 characters
 
-    # Ajouter la demande de l'utilisateur
+    # Add user's request to create a course
     messages.append({"role": "user", "content": f"Crée un cours sur : {subject}"})
 
-    # 🔥 Génération de la réponse en streaming
+    # 🔥 Stream response from HuggingFace model
     response = ""
     for message in client.chat_completion(
         messages, max_tokens=max_tokens, stream=True, temperature=temperature, top_p=top_p
@@ -53,6 +54,7 @@ def generate_response(subject, history, lang, pdf_path, max_tokens, temperature,
         response += token
         yield response
 
+
 # 🎨 Interface utilisateur Gradio
 with gr.Blocks(theme=gr.themes.Soft()) as demo:
     gr.Markdown("# 🎓 Teacher Assistant Chatbot avec PDF RAG")