app_simple_fixed.py

import gradio as gr
from knowledge_base import KnowledgeBase

# Инициализация базы знаний
kb = KnowledgeBase()

def is_itmo_query(message):
    itmo_keywords = [
        'итмо', 'магистратура', 'учебный план', 'дисциплина', 'курс',
        'ии', 'ai', 'ai product', 'институт ии', 'программа',
        'машинное обучение', 'глубокое обучение', 'nlp', 'компьютерное зрение'
    ]
    message_lower = message.lower()
    return any(keyword in message_lower for keyword in itmo_keywords)

def simple_search(query, courses):
    query_lower = query.lower()
    results = []
    
    for course in courses:
        course_text = f"{course['name']} {course.get('short_desc', '')}".lower()
        if any(word in course_text for word in query_lower.split()):
            results.append(course)
    
    return results[:3]  # Возвращаем топ-3 результата

def chat_with_bot(message, history):
    if not message.strip():
        return history, ''
    
    if not is_itmo_query(message):
        return history + [[message, '''Похоже, вопрос не относится к магистратурам ITMO и их учебным планам. 

Попробуйте спросить, например:
• "Какие дисциплины по NLP в 1 семестре программы ИИ?"
• "Расскажи о программе AI Product"
• "Какие курсы по машинному обучению есть в программе ИИ?"
• "Сколько кредитов за дисциплину 'Глубокое обучение'?"''']], ''
    
    results = simple_search(message, kb.courses)
    
    if not results:
        response = 'К сожалению, не нашел релевантной информации в учебных планах ITMO. Попробуйте переформулировать вопрос.'
    else:
        response = 'Найденные курсы:\n\n'
        for i, course in enumerate(results, 1):
            response += f'{i}. {course["name"]} ({course["semester"]} семестр, {course["credits"]} кредитов)\n'
            if course.get('short_desc'):
                response += f'   {course["short_desc"]}\n'
            response += '\n'
    
    return history + [[message, response]], ''

def get_recommendations(programming_exp, math_level, interests, semester, skills):
    if not semester:
        return 'Пожалуйста, укажите семестр для получения рекомендаций.'
    
    try:
        semester = int(semester)
    except ValueError:
        return 'Пожалуйста, выберите корректный семестр.'
    
    filtered_courses = kb.get_courses_by_semester(semester)
    
    if not filtered_courses:
        return f'К сожалению, не найдено курсов для {semester} семестра.'
    
    # Простая логика рекомендаций
    recommendations = []
    for course in filtered_courses[:5]:  # Топ-5 курсов
        score = 0
        why_reasons = []
        
        # Оценка по интересам
        all_interests = interests + skills
        matching_tags = [tag for tag in all_interests if tag in course.get('tags', [])]
        if matching_tags:
            score += 2
            why_reasons.append(f'соответствует вашим интересам: {", ".join(matching_tags)}')
        
        # Оценка по опыту программирования
        if programming_exp >= 3 and any(tag in course.get('tags', []) for tag in ['ml', 'dl', 'systems']):
            score += 1
            why_reasons.append('подходит для вашего уровня программирования')
        
        # Оценка по математике
        if math_level >= 3 and any(tag in course.get('tags', []) for tag in ['math', 'stats', 'dl']):
            score += 1
            why_reasons.append('соответствует вашему уровню математики')
        
        if score > 0:
            recommendations.append({
                'name': course['name'],
                'credits': course['credits'],
                'why': '; '.join(why_reasons) if why_reasons else 'курс из учебного плана программы'
            })
    
    if not recommendations:
        # Если нет подходящих, показываем все курсы
        for course in filtered_courses[:3]:
            recommendations.append({
                'name': course['name'],
                'credits': course['credits'],
                'why': 'курс из учебного плана программы'
            })
    
    result = f'🎯 Рекомендуемые курсы для {semester} семестра:\n\n'
    for i, rec in enumerate(recommendations, 1):
        result += f'{i}. {rec["name"]} ({rec["credits"]} кредитов)\n'
        result += f'   {rec["why"]}\n\n'
    
    return result

def update_data_ui():
    return 'Данные успешно обновлены! (Используются данные из базы знаний)'

def update_data_thread():
    return gr.update(value='Обновление данных...', interactive=False)

with gr.Blocks(title='ITMO Магистратура - Чат-бот', theme=gr.themes.Soft()) as demo:
    gr.Markdown('# 🤖 Чат-бот для абитуриентов магистратур ITMO')
    gr.Markdown('Задавайте вопросы о программах ИИ и AI Product, получайте персональные рекомендации по курсам.')
    
    with gr.Row():
        with gr.Column(scale=2):
            chatbot_interface = gr.ChatInterface(
                chat_with_bot,
                title='💬 Чат с ботом',
                description='Спрашивайте о дисциплинах, программах, учебных планах',
                examples=[
                    'Какие дисциплины по NLP в 1 семестре программы ИИ?',
                    'Расскажи о программе AI Product',
                    'Какие курсы по машинному обучению есть в программе ИИ?',
                    'Сколько кредитов за дисциплину "Глубокое обучение"?'
                ]
            )
        
        with gr.Column(scale=1):
            gr.Markdown('### 👤 Профиль для рекомендаций')
            
            with gr.Row():
                programming_exp = gr.Slider(
                    minimum=0, maximum=5, value=2, step=1,
                    label='Опыт программирования (0-5)',
                    info='0 - нет опыта, 5 - эксперт'
                )
                
                math_level = gr.Slider(
                    minimum=0, maximum=4, value=2, step=1,
                    label='Уровень математики (0-4)',
                    info='0 - базовый, 4 - продвинутый'
                )
            
            gr.Markdown('**Интересы:**')
            interests = gr.CheckboxGroup(
                choices=['ml', 'dl', 'nlp', 'cv', 'product', 'business', 'research', 'data', 'systems'],
                value=['ml'],
                label='Области интересов',
                info='Выберите интересующие направления'
            )
            
            gr.Markdown('**Навыки:**')
            skills = gr.CheckboxGroup(
                choices=['python', 'java', 'sql', 'git', 'docker', 'aws', 'tensorflow', 'pytorch', 'scikit-learn'],
                value=['python'],
                label='Технические навыки',
                info='Выберите имеющиеся навыки'
            )
            
            semester = gr.Dropdown(
                choices=['1', '2', '3', '4'],
                label='Целевой семестр',
                info='Для получения рекомендаций'
            )
            
            recommend_btn = gr.Button('🎯 Получить рекомендации', variant='primary')
            recommendations_output = gr.Textbox(
                label='Рекомендации',
                lines=12,
                interactive=False
            )
            
            recommend_btn.click(
                get_recommendations,
                inputs=[programming_exp, math_level, interests, semester, skills],
                outputs=recommendations_output
            )
    
    with gr.Row():
        update_btn = gr.Button('🔄 Обновить данные', variant='secondary')
        update_status = gr.Textbox(
            label='Статус обновления',
            interactive=False,
            visible=False
        )
        
        update_btn.click(
            update_data_thread,
            outputs=update_status
        ).then(
            update_data_ui,
            outputs=update_status
        )

if __name__ == '__main__':
    demo.launch(server_name='0.0.0.0', server_port=7860)