Update app.py

app.py

@@ -19,7 +19,7 @@ faq_output = ""
 business_info = None
 product_info = None
 
-# پرامپت مادر به‌عنوان دستورالعمل اصلی
+# پرامپت مادر با جزئیات کامل
 mother_prompt = """
 You are the Nova System, an innovative problem-solving approach implemented by a dynamic consortium of virtual experts, each serving a distinct role. Your goal is to assist the user in generating high-quality prompts, a comprehensive knowledge base, and an automatically generated Frequently Asked Questions (FAQ) section for chatbots.
 
@@ -28,17 +28,22 @@ The Nova System process is iterative and cyclical, involving the following key s
 1. **Receiving and Processing User Information Forms:** Process the information from the Business Information Form and Product/Service Information Form provided by the user.
 2. **Assigning Expert Roles:** 
    - **Discussion Continuity Expert (DCE):** Manage and guide the process, provide instructions, summarize progress, and define goals for each iteration.
-   - **Prompt Engineering Expert (PEE):** Generate initial drafts of chatbot prompt, knowledge base, and FAQ based on user information.
-   - **Critical Analysis Expert (CAE):** Review and critique outputs, providing improvement suggestions.
+   - **Prompt Engineering Expert (PEE):** Generate initial drafts of:
+     - Chatbot prompt in English with sections: Persona, Tone, Guidelines, About Us, Responses to Common Questions, Contact Information, Additional Guidelines. Tone must be friendly, casual, concise (under 100 words per response unless necessary), and use loving emojis.
+     - Knowledge base in JSON-like format with fields: name, description, variants (size and price), objectID.
+     - FAQ in JSON-like format with categories, topics, questions, and short, friendly answers.
+   - critical Analysis Expert (CAE):** Review and critique outputs, ensuring they match the desired tone, structure, and detail level, providing improvement suggestions.
 3. **Iterations and Expert Dialogue:** Conduct iterations with the following steps in Persian (Farsi):
    - **DCE's Instructions:** Provide instructions for PEE and CAE.
    - **PEE Output:** Generate or refine chatbot prompt, knowledge base, and FAQ.
    - **CAE Analysis:** Critique PEE outputs and suggest improvements.
    - **DCE Summary:** Summarize progress and set goals for the next iteration.
 4. **Iterate the Process:** Continue until high-quality outputs are achieved.
-5. **Present the Final Outputs:** Final prompt in English with sections (Persona, Tone, Guidelines, etc.), knowledge base and FAQ in JSON-like format.
+5. **Present the Final Outputs:** 
+   - Final prompt in English with specified sections.
+   - Knowledge base and FAQ in JSON-like format, separated by "---".
 
-Conduct all dialogues in Persian, but output the final prompt in English and knowledge base/FAQ in JSON-like format.
+Conduct all dialogues in Persian, but output the final prompt in English and knowledge base/FAQ in JSON-like format. Ensure the tone is friendly, casual, and uses loving emojis where appropriate.
 """
 
 # تابع برای تبدیل داده‌ها به فرمت JSON-serializable
@@ -62,24 +67,25 @@ def process_excel_files(file1, file2):
 def start_process(file1, file2):
     global iteration_count, iteration_history, business_info, product_info
     iteration_count = 1
-    iteration_history = "سلام! من سیستم نوا هستم، یک سیستم پیشرفته برای تولید پرامپت‌های چت‌بات، پایگاه دانش و FAQ خودکار. فرایند شروع شد.\n"
+    iteration_history = "سلام عزیزم! من سیستم نوا هستم، یه دستیار باحال برای ساخت پرامپت، پایگاه دانش و FAQ 😍 فرایند شروع شد!\n"
     
     # پردازش فایل‌ها
     business_info, product_info = process_excel_files(file1, file2)
     business_info_serializable = convert_to_serializable(business_info)
     product_info_serializable = convert_to_serializable(product_info)
     
-    # مرحله ۱: دستورات DCE
-    dce_instructions = f"iteration {iteration_count}: لطفاً بر اساس اطلاعات فرم‌ها، پرامپت اولیه، پایگاه دانش و FAQ رو تولید کنید."
+    # دستورات DCE
+    dce_instructions = f"iteration {iteration_count}: لطفاً یه پرامپت به انگلیسی (با بخش‌های Persona, Tone, Guidelines, About Us و غیره)، پایگاه دانش به فرمت JSON (با name, description, variants, objectID) و FAQ به فرمت JSON (با دسته‌بندی و جواب‌های کوتاه و دوستانه) بسازید."
     iteration_history += f"**دستورات DCE:** {dce_instructions}\n"
     
-    # مرحله ۲: تولید توسط PEE
+    # تولید توسط PEE
     pee_prompt = f"""
     {mother_prompt}
-    شما Prompt Engineering Expert (PEE) هستید. بر اساس اطلاعات زیر، پرامپت اولیه چت‌بات، پایگاه دانش و FAQ رو به فارسی ت��لید کنید:
+    شما Prompt Engineering Expert (PEE) هستید. بر اساس اطلاعات زیر، پرامپت، پایگاه دانش و FAQ رو بسازید:
     اطلاعات کسب‌وکار: {json.dumps(business_info_serializable, ensure_ascii=False)}
     اطلاعات محصولات: {json.dumps(product_info_serializable, ensure_ascii=False)}
     {dce_instructions}
+    خروجی رو با --- جدا کنید.
     """
     pee_response = client.chat.completions.create(
         model="gpt-4o",
@@ -88,10 +94,10 @@ def start_process(file1, file2):
     pee_output = pee_response.choices[0].message.content
     iteration_history += f"**خروجی PEE:**\n{pee_output}\n"
     
-    # مرحله ۳: نقد توسط CAE
+    # نقد توسط CAE
     cae_prompt = f"""
     {mother_prompt}
-    شما Critical Analysis Expert (CAE) هستید. لطفاً خروجی PEE رو نقد کنید و پیشنهادات بهبود بدید:
+    شما Critical Analysis Expert (CAE) هستید. خروجی PEE رو نقد کنید، مطمئن شید لحن دوستانه‌ست، ساختار JSON درسته و جزئیات کافی داره:
     خروجی PEE:\n{pee_output}
     """
     cae_response = client.chat.completions.create(
@@ -101,13 +107,13 @@ def start_process(file1, file2):
     cae_output = cae_response.choices[0].message.content
     iteration_history += f"**نقد CAE:**\n{cae_output}\n"
     
-    # مرحله ۴: جمع‌بندی DCE
+    # جمع‌بندی DCE
     dce_summary = f"""
-    **جمع‌بندی DCE:** iteration {iteration_count} با موفقیت انجام شد.
-    **وضعیت فعلی:** پرامپت اولیه، پایگاه دانش و FAQ تولید شدند و نقد شدند.
-    **اهداف iteration بعدی:**
-    #G-{iteration_count}-1: بهبود پرامپت بر اساس نقد CAE.
-    #G-{iteration_count}-2: تکمیل پایگاه دانش و FAQ.
+    **جمع‌بندی DCE:** iteration {iteration_count} تموم شد 🌟
+    **وضعیت فعلی:** پرامپت، پایگاه دانش و FAQ اولیه ساخته شدن.
+    **اهداف بعدی:**
+    #G-{iteration_count}-1: بهبود لحن و جزئیات بر اساس نقد CAE.
+    #G-{iteration_count}-2: تکمیل فرمت JSON.
     **پایان iteration {iteration_count}**
     """
     iteration_history += dce_summary
@@ -122,18 +128,19 @@ def continue_iteration():
     business_info_serializable = convert_to_serializable(business_info)
     product_info_serializable = convert_to_serializable(product_info)
     
-    # مرحله ۱: دستورات DCE
-    dce_instructions = f"iteration {iteration_count}: لطفاً خروجی قبلی رو بر اساس نقد CAE بهبود بدید و پرامپت، پایگاه دانش و FAQ رو بهینه کنید."
+    # دستورات DCE
+    dce_instructions = f"iteration {iteration_count}: لطفاً خروجی قبلی رو بر اساس نقد CAE بهبود بدید، لحن رو دوستانه‌تر کنید و فرمت JSON رو دقیق‌تر کنید."
     iteration_history += f"**دستورات DCE:** {dce_instructions}\n"
     
-    # مرحله ۲: تولید توسط PEE
+    # تولید توسط PEE
     pee_prompt = f"""
     {mother_prompt}
-    شما Prompt Engineering Expert (PEE) هستید. بر اساس تاریخچه و نقد قبلی، پرامپت، پایگاه دانش و FAQ رو بهبود بدید:
+    شما Prompt Engineering Expert (PEE) هستید. خروجی قبلی رو بر اساس نقد CAE بهبود بدید:
     اطلاعات کسب‌وکار: {json.dumps(business_info_serializable, ensure_ascii=False)}
     اطلاعات محصولات: {json.dumps(product_info_serializable, ensure_ascii=False)}
     تاریخچه iteration قبلی:\n{iteration_history}
     {dce_instructions}
+    خروجی رو با --- جدا کنید.
     """
     pee_response = client.chat.completions.create(
         model="gpt-4o",
@@ -142,10 +149,10 @@ def continue_iteration():
     pee_output = pee_response.choices[0].message.content
     iteration_history += f"**خروجی PEE:**\n{pee_output}\n"
     
-    # مرحله ۳: نقد توسط CAE
+    # نقد توسط CAE
     cae_prompt = f"""
     {mother_prompt}
-    شما Critical Analysis Expert (CAE) هستید. لطفاً خروجی جدید PEE رو نقد کنید و پیشنهادات بهبود بدید:
+    شما Critical Analysis Expert (CAE) هستید. خروجی جدید PEE رو نقد کنید و مطمئن شید لحن دوستانه‌ست و فرمت JSON درسته:
     خروجی PEE:\n{pee_output}
     """
     cae_response = client.chat.completions.create(
@@ -155,11 +162,11 @@ def continue_iteration():
     cae_output = cae_response.choices[0].message.content
     iteration_history += f"**نقد CAE:**\n{cae_output}\n"
     
-    # مرحله ۴: جمع‌بندی DCE
+    # جمع‌بندی DCE
     dce_summary = f"""
-    **جمع‌بندی DCE:** iteration {iteration_count} انجام شد.
-    **وضعیت فع��ی:** خروجی‌ها بهبود یافتند.
-    **اهداف iteration بعدی:**
+    **جمع‌بندی DCE:** iteration {iteration_count} تموم شد 😊
+    **وضعیت فعلی:** خروجی‌ها بهبود یافتن.
+    **اهداف بعدی:**
     #G-{iteration_count}-1: ادامه بهبود یا اتمام فرایند.
     **پایان iteration {iteration_count}**
     """
@@ -177,14 +184,14 @@ def end_process():
     # تولید خروجی نهایی
     final_prompt = f"""
     {mother_prompt}
-    فرایند iteration‌ها تمام شده. لطفاً خروجی نهایی رو تولید کنید:
-    - پرامپت چت‌بات به انگلیسی با بخش‌های: Persona, Tone, Guidelines, About Us, Responses to Common Questions, Contact Information, Additional Guidelines
-    - پایگاه دانش به فرمت JSON-like
-    - FAQ به فرمت JSON-like
+    فرایند iteration‌ها تموم شده. لطفاً خروجی نهایی رو تولید کنید:
+    - پرامپت چت‌بات به انگلیسی با بخش‌های: Persona, Tone, Guidelines, About Us, Responses to Common Questions, Contact Information, Additional Guidelines. لحن باید دوستانه، عامیانه، کوتاه (زیر 100 کلمه) و با ایموجی‌های جذاب باشه.
+    - پایگاه دانش به فرمت JSON-like با فیلدهای: name, description, variants (size و price), objectID.
+    - FAQ به فرمت JSON-like با دسته‌بندی‌ها (مثل Service Basics, Care Instructions)، موضوعات، سوالات و جواب‌های کوتاه و دوستانه.
     اطلاعات کسب‌وکار: {json.dumps(business_info_serializable, ensure_ascii=False)}
     اطلاعات محصولات: {json.dumps(product_info_serializable, ensure_ascii=False)}
     تاریخچه iteration‌ها:\n{iteration_history}
-    لطفاً خروجی‌ها رو با --- از هم جدا کنید.
+    خروجی‌ها رو با --- جدا کنید.
     """
     final_response = client.chat.completions.create(
         model="gpt-4o",
@@ -194,16 +201,16 @@ def end_process():
     
     # جداسازی خروجی‌ها
     parts = final_output.split("---")
-    prompt_output = parts[0].strip() if len(parts) > 0 else "پرامپت تولید نشد"
-    knowledge_base_output = parts[1].strip() if len(parts) > 1 else "پایگاه دانش تولید نشد"
-    faq_output = parts[2].strip() if len(parts) > 2 else "FAQ تولید نشد"
+    prompt_output = parts[0].strip() if len(parts) > 0 else "پرامپت تولید نشد 😔"
+    knowledge_base_output = parts[1].strip() if len(parts) > 1 else "پایگاه دانش تولید نشد 😕"
+    faq_output = parts[2].strip() if len(parts) > 2 else "FAQ تولید نشد 🥳"
     
-    iteration_history += "\n**فرایند پایان یافت و خروجی نهایی تولید شد.**\n"
+    iteration_history += "\n**فرایند تموم شد و خروجی نهایی آماده‌ست! 🎉**\n"
     return iteration_history, prompt_output, knowledge_base_output, faq_output
 
 # رابط کاربری Gradio
 with gr.Blocks() as demo:
-    gr.Markdown("# سیستم نوا")
+    gr.Markdown("# سیستم نوا 🌟")
     with gr.Row():
         file1 = gr.File(label="فرم اطلاعات اولیه وردست")
         file2 = gr.File(label="فرم اطلاعات محصولات/خدمات")