Update htmlTemplates.py

htmlTemplates.py

@@ -1,103 +1,200 @@
-import base64
-import os
-
-def get_base64_image(path: str) -> str:
-    """خواندن فایل عکس و تبدیل به base64"""
-    if not os.path.exists(path):
-        raise FileNotFoundError(f"Avatar not found: {path}")
-    with open(path, "rb") as f:
-        data = f.read()
-    return base64.b64encode(data).decode("utf-8")
-
-# Define the mapping of source names to avatar file paths
-SOURCE_AVATAR_MAPPING = {
-    "Khamenei": "images/bot_avatar.png",
-    "Sistani": "images/bot_avatar1.png",
-    "Golpaygani": "images/bot_avatar2.png"
-}
-
-BOT_AVATARS_BASE64 = {
-    source: get_base64_image(path) for source, path in SOURCE_AVATAR_MAPPING.items()
-}
-
-USER_AVATAR = get_base64_image("images/user_avatar.png")
-
-css = '''
-<style>
-.chat-row {
-    display: flex;
-    align-items: flex-end;
-    margin: 1rem 0;
-    direction: rtl;
-    font-family: "Vazir", Tahoma, sans-serif;
-}
-
-.chat-row .avatar {
-    flex-shrink: 0;
-    margin: 0 0.5rem;
-}
-
-.chat-row .avatar img {
-    width: 52px;
-    height: 52px;
-    border-radius: 50%;
-    object-fit: cover;
-    border: 2px solid #fff;
-    box-shadow: 0 2px 6px rgba(0,0,0,0.2);
-}
-
-.chat-bubble {
-    max-width: 70%;
-    padding: 1rem 1.2rem;
-    border-radius: 1rem;
-    line-height: 1.8;
-    font-size: 1rem;
-    word-wrap: break-word;
-    white-space: pre-wrap;
-    animation: fadeIn 0.3s ease-in-out;
-}
-
-.chat-row.user {
-    justify-content: flex-end;
-}
-.chat-row.user .chat-bubble {
-    background: linear-gradient(145deg, #232832, #2f3542);
-    color: #e4e6eb;
-    border-bottom-right-radius: 0.4rem;
-}
-
-.chat-row.bot {
-    justify-content: flex-start;
-}
-.chat-row.bot .chat-bubble {
-    background: linear-gradient(145deg, #3e4658, #50586c);
-    color: #f8f9fa;
-    border-bottom-left-radius: 0.4rem;
-}
-
-@keyframes fadeIn {
-    from {opacity: 0; transform: translateY(10px);}
-    to {opacity: 1; transform: translateY(0);}
-}
-</style>
-'''
-
-# A function to generate the bot template with the correct base64 image
-def get_bot_template(avatar_base64: str) -> str:
-    return f'''
-    <div class="chat-row bot">
-        <div class="avatar">
-            <img src="data:image/png;base64,{avatar_base64}">
-        </div>
-        <div class="chat-bubble">{{{{MSG}}}}</div>
-    </div>
-    '''
-
-user_template = f'''
-<div class="chat-row user">
-    <div class="chat-bubble">{{{{MSG}}}}</div>
-    <div class="avatar">
-        <img src="data:image/png;base64,{USER_AVATAR}">
-    </div>
-</div>
-'''
+import streamlit as st
+import os
+import torch
+from langchain_huggingface import HuggingFaceEmbeddings, HuggingFacePipeline
+from langchain_community.vectorstores import FAISS
+from langchain.memory import ConversationBufferMemory
+from langchain.chains import ConversationalRetrievalChain
+from langchain.prompts import ChatPromptTemplate
+from transformers import AutoTokenizer, AutoModelForCausalLM, pipeline
+
+# Import the new dynamic template components
+from htmlTemplates import css, user_template, get_bot_template, BOT_AVATARS_BASE64
+
+# تنظیم مسیر کش
+cache_dir = "/tmp/hf_cache"
+try:
+    os.makedirs(cache_dir, exist_ok=True)  # ایجاد دایرکتوری کش اگر وجود ندارد
+except PermissionError:
+    st.error(f"عدم دسترسی به دایرکتوری کش {cache_dir}. لطفاً تنظیمات محیط را بررسی کنید.")
+    cache_dir = "./cache_fallback"  # مسیر جایگزین
+    os.makedirs(cache_dir, exist_ok=True)
+
+# تنظیم متغیر محیطی HF_HOME
+os.environ["HF_HOME"] = cache_dir
+
+# ------------------- Conversation Chain Function -------------------
+def get_conversation_chain(vectorstore, llm):
+    memory = ConversationBufferMemory(
+        memory_key='chat_history', return_messages=True
+    )
+    return ConversationalRetrievalChain.from_llm(
+        llm=llm,
+        retriever=vectorstore.as_retriever(),
+        memory=memory,
+    )
+
+
+# ------------------- Classify Question -------------------
+def classify_question(question, llm):
+    prompt = ChatPromptTemplate.from_template("""
+    متن زیر را بررسی کن و فقط یکی از این سه برچسب را برگردان:
+    - greeting: اگر متن سلام و احوال‌پرسی یا جملات دوستانه است
+    - islamic_fiqh: اگر پرسش درباره احکام شرعی و فقهی اسلام است
+    - irrelevant: اگر غیر از این دو بود
+
+    متن: {question}
+    برچسب:
+    """)
+    chain = prompt | llm
+    result = chain.invoke({"question": question})
+    return result.content.strip().lower()
+
+
+# ------------------- Generate Friendly Response -------------------
+def generate_friendly_response(question, label, llm):
+    if "greeting" in label:
+        prompt = ChatPromptTemplate.from_template("""
+        کاربر به شما سلام یا احوال‌پرسی کرده است.
+        نام شما حاجاقا محسنی هست.
+        متن کاربر: {question}
+        """)
+    else:
+        prompt = ChatPromptTemplate.from_template("""
+        کاربر پرسشی غیرمرتبط با احکام شرعی پرسیده است.
+        تو به عنوان حاجاقا محسنی
+        مودبانه و دوستانه به او بگویید که وظیفه‌ی شما فقط پاسخ به پرسش‌های شرعی است
+        و او را به مطرح کردن یک سؤال دینی تشویق کنید.
+        متن کاربر: {question}
+        """)
+
+    chain = prompt | llm
+    result = chain.invoke({"question": question})
+    return result.content.strip()
+
+
+# ------------------- Handle User Input (Logic Only) -------------------
+def handle_userinput(user_question):
+    if st.session_state.conversation is None:
+        st.warning("منابع هنوز آماده نشده‌اند.")
+        return
+
+    # ۱. افزودن پیام کاربر به تاریخچه برای نمایش فوری
+    st.session_state.messages.append({"role": "user", "content": user_question})
+
+    # ۲. طبقه‌بندی و دریافت پاسخ ربات
+    label = classify_question(user_question, st.session_state.llm)
+    if "islamic_fiqh" in label:
+        response = st.session_state.conversation({'question': user_question})
+        bot_reply = response['answer']
+    else:  # greeting یا irrelevant
+        bot_reply = generate_friendly_response(user_question, label, st.session_state.llm)
+
+    # ۳. افزودن پاسخ ربات به تاریخچه
+    st.session_state.messages.append({"role": "bot", "content": bot_reply})
+
+
+# ------------------- Main Streamlit App -------------------
+def main():
+    st.set_page_config(page_title="شیخ جی پی تی", page_icon=":mosque:")
+    st.write(css, unsafe_allow_html=True)
+
+    st.markdown(
+        "<h2 style=\"text-align: center;font-size: clamp(24px, 5vw, 48px); white-space: nowrap;\">پاسخگوی احکام شرعی 🕋</h2>",
+        unsafe_allow_html=True
+    )
+
+    # مقداردهی اولیه session_state
+    if "conversation" not in st.session_state:
+        st.session_state.conversation = None
+    if "messages" not in st.session_state:
+        st.session_state.messages = []
+    if "llm" not in st.session_state:
+        # بارگذاری توکنایزر و مدل
+        try:
+            tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen2-7B-Instruct", cache_dir=cache_dir)
+            model = AutoModelForCausalLM.from_pretrained("Qwen/Qwen2-7B-Instruct", cache_dir=cache_dir)
+            pipe = pipeline(
+                "text-generation",
+                model=model,
+                tokenizer=tokenizer,
+                max_new_tokens=512,
+                temperature=0.7,
+                device=0 if torch.cuda.is_available() else -1
+            )
+            st.session_state.llm = HuggingFacePipeline(pipeline=pipe)
+        except Exception as e:
+            st.error(f"خطا در بارگذاری مدل: {e}")
+            return
+    if "selected_source_english" not in st.session_state:
+        st.session_state.selected_source_english = "Khamenei"
+
+    # نمایش پیام‌ها
+    current_bot_avatar_base64 = BOT_AVATARS_BASE64.get(st.session_state.selected_source_english)
+    bot_template_with_avatar = get_bot_template(current_bot_avatar_base64)
+    for msg in st.session_state.messages:
+        if msg["role"] == "user":
+            st.write(user_template.replace("{{MSG}}", msg["content"]), unsafe_allow_html=True)
+        else:
+            st.write(bot_template_with_avatar.replace("{{MSG}}", msg["content"]), unsafe_allow_html=True)
+
+    # دریافت ورودی کاربر
+    if user_question := st.chat_input("سؤال شرعی خود را اینجا مطرح کنید..."):
+        handle_userinput(user_question)
+        st.rerun()
+
+    # --- Sidebar ---
+    with st.sidebar:
+        st.subheader("منابع فقهی")
+
+        SOURCE_MAPPINGS = {
+            "آیت الله خامنه‌ای": "Khamenei",
+            "آیت الله سیستانی": "Sistani",
+            "آیت الله گلپایگانی": "Golpaygani"
+        }
+        persian_options = list(SOURCE_MAPPINGS.keys())
+        current_persian_name = next(
+            (key for key, value in SOURCE_MAPPINGS.items()
+             if value == st.session_state.selected_source_english),
+            persian_options[0]
+        )
+
+        selected_source_persian = st.selectbox(
+            "مرجع تقلید خود را انتخاب کنید:",
+            persian_options,
+            index=persian_options.index(current_persian_name)
+        )
+        selected_source_english = SOURCE_MAPPINGS[selected_source_persian]
+
+        if st.session_state.selected_source_english != selected_source_english:
+            st.session_state.selected_source_english = selected_source_english
+            st.session_state.conversation = None
+            st.session_state.messages = []
+            st.rerun()
+
+        if st.session_state.conversation is None:
+            placeholder = st.empty()
+            placeholder.info(f"⏳ در حال بارگذاری منابع {selected_source_persian}...")
+            try:
+                embeddings = HuggingFaceEmbeddings(
+                    model_name="heydariAI/persian-embeddings",
+                    model_kwargs={'trust_remote_code': True},
+                    cache_folder=cache_dir
+                )
+                vector_path = f"Resources/{st.session_state.selected_source_english}/faiss_index"
+                vectorstore = FAISS.load_local(
+                    vector_path,
+                    embeddings,
+                    allow_dangerous_deserialization=True
+                )
+                st.session_state.conversation = get_conversation_chain(vectorstore, st.session_state.llm)
+                placeholder.success(
+                    f"✅ منابع {selected_source_persian} آماده شدند. اکنون می‌توانید سؤال بپرسید.")
+            except Exception as e:
+                placeholder.error(f"⚠️ خطا در بارگذاری منابع: {e}")
+        else:
+            st.success(f"✅ منابع {selected_source_persian} بارگذاری شده‌اند")
+
+
+if __name__ == '__main__':
+    main()