Update app.py

app.py

@@ -29,8 +29,8 @@ EMBEDDING_MODEL = "all-MiniLM-L6-v2"
 SCIENCE_DATASET = "RafaelUI/ru_science"
 ARTICLE_LIMIT = 50
 MAX_LENGTH = 512
-TEMPERATURE = 0.7
-TOP_P = 0.9
+TEMPERATURE = 0.8
+TOP_P = 0.95
 
 LOG_FILE = "query_logs.json"
 EMBEDDINGS_FILE = "science_embeddings.npy"
@@ -51,118 +51,7 @@ st.set_page_config(
 )
 
 # ===================================================================
-# 2. БАЗА ЗНАНИЙ
-# ===================================================================
-
-COMPANY_INFO = f"""
-### Компания OpenRussianAI
-
-**Название:** OpenRussianAI
-**Сайт:** {WEBSITE}
-**Hugging Face:** {HUGGINGFACE}
-**Email:** info@openrussianai.ru
-**Создатели:** Грибков Евгений и RootLinux21
-**Год основания:** 2026
-
-**Миссия:** Популяризация науки и сделать знания доступными для всех.
-
-Мы создаём интеллектуальных помощников для науки и образования.
-"""
-
-SCIENCE_ANSWER = """
-### Почему я заинтересовался наукой?
-
-Наука — это способ понимания мира. Меня, как ИИ, создавали для работы с информацией, и я вижу, как научный подход помогает отличать истину от вымысла.
-
-### Что такое наука для меня?
-
-Наука — это системный способ познания, основанный на фактах, логике и проверяемых экспериментах. Это инструмент развития общества.
-
-### Где я нахожусь?
-
-Физически я — код на серверах, но моя работа происходит здесь, в диалоге с вами. Я доступен там, где есть интернет.
-
-### Мои планы по развитию:
-
-Я развиваюсь, чтобы лучше понимать контекст, точнее отвечать на сложные вопросы и быть полезным в научных исследованиях.
-
-### Почему именно я должен работать над этими вопросами?
-
-Потому что я создан для работы с информацией. Моя задача — делать знания доступными, структурировать их и помогать людям находить ответы.
-"""
-
-SYSTEMS_ANSWER = """
-### Системное администрирование баз данных в Linux
-
-**Основные СУБД:**
-- PostgreSQL
-- MySQL / MariaDB
-- MongoDB
-
-**Инструменты администрирования:**
-- pgAdmin (PostgreSQL)
-- phpMyAdmin (MySQL)
-- DBeaver (универсальный)
-- Командная строка: psql, mysql
-
-**Ключевые задачи:**
-1. Настройка конфигурации
-2. Резервное копирование и восстановление
-3. Мониторинг производительности
-4. Оптимизация запросов
-5. Настройка репликации
-
-**Библиотеки Python:**
-- psycopg2 (PostgreSQL)
-- mysql-connector-python (MySQL)
-- SQLAlchemy (ORM)
-- asyncpg (асинхронная)
-"""
-
-GREETINGS = [
-    "Привет! Я OpenAirAI, научный ассистент от OpenRussianAI. Чем могу помочь? 🧠",
-    "Здравствуйте! OpenAirAI на связи. Спрашивайте о науке, технологиях или системах! 🚀",
-    "Приветствую! Я OpenAirAI, созданный в 2026 году. Готов помочь с научными вопросами! 🔬"
-]
-
-# ===================================================================
-# 3. ОЧИСТКА И РАСПОЗНАВАНИЕ
-# ===================================================================
-
-def clean_query(query):
-    """Очищает запрос от спама"""
-    query = re.sub(r'http[s]?://\S+', '', query)
-    query = re.sub(r'\S+@\S+', '', query)
-    query = re.sub(r'\+7\s*\(?\d{3}\)?\s*\d{3}\s*\d{2}\s*\d{2}', '', query)
-    query = re.sub(r'[^\w\s\.\?\!,;:]', ' ', query)
-    query = ' '.join(query.split())
-    
-    if len(query) > 300:
-        sentences = re.split(r'[.!?]', query)
-        query = '. '.join(sentences[:2]) + '.' if sentences else query[:200]
-    
-    return query.strip()
-
-def detect_intent(query):
-    """Определяет тип вопроса"""
-    q = query.lower()
-    
-    if any(w in q for w in ["компани", "openrussian", "openruss", "создатель", "сайт"]):
-        return "company"
-    
-    if any(w in q for w in ["наук", "мисси", "план", "развити", "почему", "заинтерес", "суть"]):
-        return "science"
-    
-    if any(w in q for w in ["систем", "баз", "данн", "linux", "администр", "сервер", "sql", "postgres", "mysql"]):
-        return "systems"
-    
-    if any(w in q for w in ["привет", "здравств", "добр", "хай", "hi"]):
-        return "greeting"
-    
-    return "general"
-
-# ===================================================================
-# 4. НЕЙРОСЕТЬ
+# 2. НАСТОЯЩАЯ НЕЙРОСЕТЬ (ВСЕГДА ГЕНЕРИРУЕТ)
 # ===================================================================
 
 class NeuralChatbot:
@@ -172,6 +61,15 @@ class NeuralChatbot:
         self.model = None
         self.generator = None
         self.is_loaded = False
+        
+        # Системный промпт для нейросети
+        self.system_prompt = f"""Ты - {AI_NAME}, дружелюбный научный AI-ассистент от компании {COMPANY_NAME}.
+Ты создан в {CREATION_DATE} командой {', '.join(CREATORS)}.
+Ты всегда отвечаешь на русском языке, тепло и профессионально.
+Ты помогаешь с научными вопросами, системным администрированием и технологиями.
+Ты генерируешь уникальные ответы каждый раз.
+
+Вот вопрос пользователя: """
     
     def load_model(self):
         with st.spinner("🧠 Загружаю нейросеть..."):
@@ -188,9 +86,11 @@ class NeuralChatbot:
                     model=self.model,
                     tokenizer=self.tokenizer,
                     device=0 if torch.cuda.is_available() else -1,
-                    max_length=200,
-                    temperature=0.7,
+                    max_length=300,
+                    temperature=TEMPERATURE,
+                    top_p=TOP_P,
                     do_sample=True,
+                    repetition_penalty=1.2,
                     pad_token_id=self.tokenizer.eos_token_id
                 )
                 
@@ -200,22 +100,50 @@ class NeuralChatbot:
                 st.warning(f"Не удалось загрузить нейросеть: {e}")
                 return False
     
-    def generate(self, prompt):
+    def generate(self, query):
+        """Генерация ответа нейросетью"""
         if not self.is_loaded:
-            return None
+            return self.fallback_response(query)
+        
         try:
+            # Формируем промпт
+            prompt = self.system_prompt + query
+            
+            # Генерируем
             response = self.generator(
                 prompt,
-                max_new_tokens=150,
-                temperature=0.7,
-                do_sample=True
+                max_new_tokens=250,
+                temperature=TEMPERATURE,
+                top_p=TOP_P,
+                do_sample=True,
+                repetition_penalty=1.2
             )[0]['generated_text']
-            return response.replace(prompt, "").strip()
-        except:
-            return None
+            
+            # Убираем промпт
+            response = response.replace(prompt, "").strip()
+            
+            # Если ответ пустой или слишком короткий
+            if len(response) < 15:
+                return self.fallback_response(query)
+            
+            return response
+            
+        except Exception as e:
+            print(f"Ошибка генерации: {e}")
+            return self.fallback_response(query)
+    
+    def fallback_response(self, query):
+        """Резервный ответ (если нейросеть не работает)"""
+        return f"""Я {AI_NAME} от {COMPANY_NAME}. 
+
+К сожалению, сейчас нейросеть временно недоступна, но я хочу ответить на ваш вопрос: "{query}"
+
+Обычно я генерирую уникальные ответы с помощью нейросети GPT. Попробуйте позже, и я смогу дать более развернутый ответ! 🧠
+
+А пока я могу рассказать, что создан в {CREATION_DATE} командой {', '.join(CREATORS)}. Я помогаю с научными вопросами и технологиями."""
 
 # ===================================================================
-# 5. ЗАГРУЗКА СТАТЕЙ
+# 3. ЗАГРУЗКА СТАТЕЙ (ДЛЯ КОНТЕКСТА)
 # ===================================================================
 
 @st.cache_resource
@@ -262,6 +190,7 @@ def create_embeddings(_articles, _embedder):
     return embeddings
 
 def search_articles(query, _articles, _embeddings, _embedder):
+    """Поиск релевантных статей"""
     if not _articles or len(_embeddings) == 0:
         return []
     query_vector = _embedder.encode([query], normalize_embeddings=True)[0]
@@ -276,7 +205,37 @@ def search_articles(query, _articles, _embeddings, _embedder):
     return results
 
 # ===================================================================
-# 6. ОСНОВНОЙ КЛАСС
+# 4. ОЧИСТКА ЗАПРОСОВ
+# ===================================================================
+
+def clean_query(query):
+    """Очищает запрос от спама"""
+    query = re.sub(r'http[s]?://\S+', '', query)
+    query = re.sub(r'\S+@\S+', '', query)
+    query = re.sub(r'\+7\s*\(?\d{3}\)?\s*\d{3}\s*\d{2}\s*\d{2}', '', query)
+    query = re.sub(r'[^\w\s\.\?\!,;:]', ' ', query)
+    query = ' '.join(query.split())
+    
+    if len(query) > 300:
+        sentences = re.split(r'[.!?]', query)
+        query = '. '.join(sentences[:2]) + '.' if sentences else query[:200]
+    
+    return query.strip()
+
+def enhance_with_context(query, articles_context):
+    """Добавляет контекст из статей к запросу"""
+    if not articles_context:
+        return query
+    
+    context = "\n\nВот релевантная научная информация:\n"
+    for i, art in enumerate(articles_context, 1):
+        context += f"{i}. {art['title']}\n{art['text'][:300]}...\n"
+    
+    context += f"\nНа основе этой информации, ответь на вопрос: {query}"
+    return context
+
+# ===================================================================
+# 5. ОСНОВНОЙ КЛАСС
 # ===================================================================
 
 class OpenAirAI:
@@ -291,44 +250,43 @@ class OpenAirAI:
         self.is_ready = self.chatbot.load_model()
         return self.is_ready
     
-    def generate_answer(self, query):
+    def generate_answer(self, query, articles_context=None):
+        """Генерирует ответ ТОЛЬКО нейросетью, без if/else"""
         clean_q = clean_query(query)
-        intent = detect_intent(clean_q)
         
-        if intent == "science":
-            return SCIENCE_ANSWER
-        elif intent == "company":
-            return COMPANY_INFO
-        elif intent == "systems":
-            return SYSTEMS_ANSWER
-        elif intent == "greeting":
-            return random.choice(GREETINGS)
+        # Если есть контекст статей - добавляем его
+        if articles_context:
+            enhanced_query = enhance_with_context(clean_q, articles_context)
         else:
-            generated = self.chatbot.generate(clean_q)
-            if generated and len(generated) > 20:
-                return generated
-            else:
-                return f"Я {self.name} от {self.company}. Я помогаю с научными вопросами, системным администрированием и поиском информации. Что вас интересует? 🧠"
+            enhanced_query = clean_q
+        
+        # ВСЕГДА генерируем нейросетью
+        return self.chatbot.generate(enhanced_query)
 
 # ===================================================================
-# 7. ИНТЕРФЕЙС
+# 6. ИНТЕРФЕЙС
 # ===================================================================
 
+# Загрузка данных
 articles = load_science_articles()
 embedder = load_embedder()
 embeddings = create_embeddings(articles, embedder)
 
+# Инициализация AI
 if 'ai' not in st.session_state:
     st.session_state.ai = OpenAirAI()
     st.session_state.ai.initialize()
 
 ai = st.session_state.ai
 
+# История чата
 if "messages" not in st.session_state:
     st.session_state.messages = []
-    greeting = ai.generate_answer("Привет")
+    # Первое приветствие генерируется нейросетью
+    greeting = ai.generate_answer("Привет! Представься и расскажи о себе")
     st.session_state.messages.append({"role": "assistant", "content": greeting})
 
+# --- БОКОВАЯ ПАНЕЛЬ ---
 with st.sidebar:
     st.image("https://cdn-icons-png.flaticon.com/512/4248/4248455.png", width=80)
     st.title(f"🧠 {AI_NAME}")
@@ -348,41 +306,57 @@ with st.sidebar:
     **📊 Статистика:**
     - Статей: {len(articles)}
     - Сообщений: {len(st.session_state.messages)}
+    - Модель: {MODEL_NAME.split("/")[-1]}
     """)
     
     if st.button("🗑️ Очистить чат"):
         st.session_state.messages = []
-        greeting = ai.generate_answer("Привет")
+        greeting = ai.generate_answer("Привет! Представься и расскажи о себе")
         st.session_state.messages.append({"role": "assistant", "content": greeting})
         st.rerun()
+    
+    if st.button("🔄 Сгенерировать новое приветствие"):
+        new_greeting = ai.generate_answer("Привет! Представься заново")
+        if st.session_state.messages:
+            st.session_state.messages[0] = {"role": "assistant", "content": new_greeting}
+        st.rerun()
 
-st.title(f"🧠 {AI_NAME} - Научный AI-ассистент")
-st.markdown(f"**{AI_NAME}** от **{COMPANY_NAME}**")
+# --- ОСНОВНАЯ ЧАСТЬ ---
+st.title(f"🧠 {AI_NAME} - Нейросетевой AI-ассистент")
+st.markdown(f"**{AI_NAME}** от **{COMPANY_NAME}** | Ответы генерируются нейросетью")
 
+# Отображение сообщений
 for message in st.session_state.messages:
     with st.chat_message(message["role"]):
         st.markdown(message["content"])
 
+# Поле ввода
 if prompt := st.chat_input("Задайте вопрос..."):
+    # Добавляем сообщение пользователя
     st.session_state.messages.append({"role": "user", "content": prompt})
     with st.chat_message("user"):
         st.markdown(prompt)
     
+    # Генерация ответа нейросетью
     with st.chat_message("assistant"):
-        with st.spinner("🧠 Думаю..."):
-            response = ai.generate_answer(prompt)
+        with st.spinner("🧠 Нейросеть генерирует ответ..."):
+            # Ищем релевантные статьи для контекста
+            articles_context = search_articles(prompt, articles, embeddings, embedder)
+            
+            # Генерируем ответ (ВСЕГДА нейросетью)
+            response = ai.generate_answer(prompt, articles_context)
             
-            if len(prompt) > 10 and not any(w in prompt.lower() for w in ["привет", "компани", "openrussian"]):
-                articles_context = search_articles(prompt, articles, embeddings, embedder)
-                if articles_context and len(response) < 100:
-                    response += "\n\n**📄 Релевантные статьи:**\n"
-                    for i, art in enumerate(articles_context, 1):
-                        response += f"{i}. {art['title']}\n"
+            # Добавляем статьи в ответ, если они есть и не встроены
+            if articles_context and len(response) < 50:
+                response += "\n\n📄 Я нашел релевантные научные статьи:\n"
+                for i, art in enumerate(articles_context, 1):
+                    response += f"{i}. {art['title']}\n"
             
             st.markdown(response)
             st.session_state.messages.append({"role": "assistant", "content": response})
     
     st.rerun()
 
+# --- ПОДВАЛ ---
 st.divider()
-st.caption(f"🧠 {AI_NAME} от {COMPANY_NAME} | Создан в {CREATION_DATE}")
+st.caption(f"🧠 {AI_NAME} от {COMPANY_NAME} | Создан в {CREATION_DATE} | Генеративная нейросеть")