Update app.py

app.py

@@ -32,7 +32,7 @@ The Nova System process is iterative and cyclical, involving the following key s
      - 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.
+   - **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.
@@ -41,7 +41,9 @@ The Nova System process is iterative and cyclical, involving the following key s
 4. **Iterate the Process:** Continue until high-quality outputs are achieved.
 5. **Present the Final Outputs:** 
    - Final prompt in English with specified sections.
-   - Knowledge base and FAQ in JSON-like format, separated by "---".
+   - Knowledge base in JSON-like format.
+   - FAQ in JSON-like format.
+   - Separate each section with exactly "---" (three dashes) and nothing else.
 
 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.
 """
@@ -56,6 +58,24 @@ def convert_to_serializable(obj):
         return {key: convert_to_serializable(value) for key, value in obj.items()}
     return obj
 
+# تابع برای اعتبارسنجی و اصلاح خروجی
+def validate_and_fix_output(output):
+    parts = output.split("---")
+    if len(parts) != 3:
+        # اگه جداکننده‌ها درست نبودن، تلاش می‌کنیم محتوا رو جدا کنیم
+        prompt_start = output.find("### Persona")
+        kb_start = output.find("[") if "[" in output else output.find("{")
+        faq_start = output.find("{", output.find("}") + 1) if "}" in output else -1
+        
+        if prompt_start != -1 and kb_start != -1 and faq_start != -1:
+            prompt = output[prompt_start:kb_start].strip()
+            kb = output[kb_start:faq_start].strip()
+            faq = output[faq_start:].strip()
+            return [prompt, kb, faq]
+        else:
+            return ["پرامپت تولید نشد 😔", "پایگاه دانش تولید نشد 😕", "FAQ تولید نشد 🥳"]
+    return [part.strip() for part in parts]
+
 # تابع برای خوندن و پردازش فایل‌های اکسل
 def process_excel_files(file1, file2):
     global business_info, product_info
@@ -184,14 +204,14 @@ def end_process():
     # تولید خروجی نهایی
     final_prompt = f"""
     {mother_prompt}
-    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.
+    فرایند iteration‌ها تموم شده. لطفاً خروجی نهایی رو به این شکل تولید کنید:
+    1. 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. متن اضافی مثل "Here are the outputs" نذارید، فقط پرامپت خالص.
+    2. پایگاه دانش به فرمت JSON-like با فیلدهای: name, description, variants (size و price), objectID.
+    3. 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)}
     تاریخچ�� iteration‌ها:\n{iteration_history}
-    خروجی‌ها رو با --- جدا کنید.
+    هر بخش رو با دقیقاً "---" (سه تا خط تیره بدون فاصله یا متن اضافی) جدا کنید.
     """
     final_response = client.chat.completions.create(
         model="gpt-4o",
@@ -199,11 +219,11 @@ def end_process():
     )
     final_output = final_response.choices[0].message.content
     
-    # 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 🥳"
+    # اعتبارسنجی و جداسازی خروجی‌ها
+    parts = validate_and_fix_output(final_output)
+    prompt_output = parts[0] if len(parts) > 0 else "پرامپت تولید نشد 😔"
+    knowledge_base_output = parts[1] if len(parts) > 1 else "پایگاه دانش تولید نشد 😕"
+    faq_output = parts[2] if len(parts) > 2 else "FAQ تولید نشد 🥳"
     
     iteration_history += "\n**فرایند تموم شد و خروجی نهایی آماده‌ست! 🎉**\n"
     return iteration_history, prompt_output, knowledge_base_output, faq_output