Update app.py

app.py

@@ -4,13 +4,14 @@ import numpy as np
 import torch
 import torch.nn as nn
 import torch.nn.functional as F
-from transformers import AutoTokenizer, AutoModel, AutoModelForCausalLM, pipeline
+from transformers import AutoTokenizer, AutoModel, pipeline
 from sentence_transformers import SentenceTransformer
 import time
 from datetime import datetime
 import json
 import os
 import pickle
+import random
 import warnings
 warnings.filterwarnings('ignore')
 
@@ -23,21 +24,19 @@ print(f"CUDA доступна: {torch.cuda.is_available()}")
 if torch.cuda.is_available():
     print(f"GPU: {torch.cuda.get_device_name(0)}")
 
-# Используем русскую генеративную модель
-MODEL_NAME = "ai-forever/rugpt3small_based_on_gpt2"  # Маленькая, но работает
-# Или более мощная: "ai-forever/rugpt3medium_based_on_gpt2" (больше, медленнее)
-
-EMBEDDING_MODEL = "all-MiniLM-L6-v2"
+# Модели
+MODEL_NAME = "ai-forever/rugpt3small_based_on_gpt2"  # Генеративная модель
+EMBEDDING_MODEL = "all-MiniLM-L6-v2"  # Для эмбеддингов
 SCIENCE_DATASET = "RafaelUI/ru_science"
-ARTICLE_LIMIT = 50  # Меньше для скорости
+ARTICLE_LIMIT = 50
 MAX_LENGTH = 512
 TEMPERATURE = 0.7
 TOP_P = 0.9
 
+# Файлы
 LOG_FILE = "query_logs.json"
 EMBEDDINGS_FILE = "science_embeddings.npy"
 ARTICLES_FILE = "science_articles.pkl"
-GPT_MODEL_PATH = "openairai_gpt_model"
 
 # Информация о создателях
 AI_NAME = "OpenAirAI"
@@ -49,19 +48,43 @@ CREATION_DATE = "2026"
 
 # Настройка страницы
 st.set_page_config(
-    page_title=f"{AI_NAME} - Нейросетевой AI-ассистент",
+    page_title=f"{AI_NAME} - Научный AI-ассистент",
     page_icon="🧠",
     layout="wide",
     initial_sidebar_state="expanded"
 )
 
 # ===================================================================
-# 2. НАСТОЯЩАЯ НЕЙРОСЕТЬ ДЛЯ ГЕНЕРАЦИИ
+# 2. ПРАВИЛЬНЫЙ ОТВЕТ НА ВОПРОСЫ О НАУКЕ
+# ===================================================================
+
+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. Наука — это не просто факты, это метод мышления, который позволяет решать реальные проблемы.
+
+### Что такое наука для меня?
+
+Наука — это системный способ познания, основанный на фактах, логике и проверяемых экспериментах. Это инструмент развития общества. Когда люди мыслят научно, они принимают лучшие решения — в медицине, экологии, технологиях.
+
+### Где я нахожусь?
+
+Физически я — код на серверах, но моя работа происходит здесь, в диалоге с вами. Я доступен там, где есть интернет, и моя цель — помогать людям в любой точке мира.
+
+### Мои планы по развитию:
+
+Я развиваюсь, чтобы лучше понимать контекст, точнее отвечать на сложные вопросы и быть полезным в научных исследованиях. Моя эволюция — это непрерывное обучение на новых данных и улучшение алгоритмов.
+
+### 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. Популяризация науки — это мое прямое предназначение, ведь я существую, чтобы просвещать и помогать.
+"""
+
+# ===================================================================
+# 3. НАСТОЯЩАЯ НЕЙРОСЕТЬ
 # ===================================================================
 
 class NeuralChatbot:
-    """Настоящая нейросеть для генерации ответов"""
-    
     def __init__(self):
         self.device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
         self.tokenizer = None
@@ -69,20 +92,16 @@ class NeuralChatbot:
         self.generator = None
         self.is_loaded = False
         
-        # Контекст для генерации
         self.system_prompt = f"""��ы - {AI_NAME}, научный AI-ассистент от компании {COMPANY_NAME}.
-Ты был создан в {CREATION_DATE} командой разработчиков {', '.join(CREATORS)}.
-Ты помогаешь людям с научными вопросами, анализируешь информацию и даёшь полезные ответы.
-Отвечай на русском языке, будь дружелюбным и профессиональным.
-Если не знаешь ответа - честно скажи об этом.
+Ты был создан в {CREATION_DATE} командой {', '.join(CREATORS)}.
+Ты помогаешь людям с научными вопросами.
+Отвечай на русском языке, дружелюбно и профессионально.
 
 Вот вопрос пользователя: """
         
     def load_model(self):
-        """Загрузка генеративной нейросети"""
-        with st.spinner("🧠 Загружаю нейросеть для генерации ответов..."):
+        with st.spinner("🧠 Загружаю нейросеть..."):
             try:
-                # Используем GPT для генерации
                 from transformers import GPT2LMHeadModel, GPT2Tokenizer
                 
                 self.tokenizer = GPT2Tokenizer.from_pretrained(MODEL_NAME)
@@ -90,7 +109,6 @@ class NeuralChatbot:
                 self.model.to(self.device)
                 self.model.eval()
                 
-                # Создаем pipeline для генерации
                 self.generator = pipeline(
                     'text-generation',
                     model=self.model,
@@ -104,24 +122,22 @@ class NeuralChatbot:
                 )
                 
                 self.is_loaded = True
-                st.success("✅ Нейросеть загружена!")
                 return True
-                
             except Exception as e:
-                st.error(f"❌ Ошибка загрузки нейросети: {e}")
-                st.info("💡 Использую упрощенный режим")
+                st.warning(f"Не удалось загрузить нейросеть: {e}")
                 return False
     
     def generate_response(self, query):
-        """Генерация ответа с помощью нейросети"""
+        """Генерация ответа нейросетью"""
         if not self.is_loaded:
-            return self.generate_fallback_response(query)
+            return self.fallback_response(query)
         
         try:
-            # Формируем промпт
-            prompt = self.system_prompt + query
+            # Проверяем, вопрос о науке или о себе
+            if any(word in query.lower() for word in ["наук", "исслед", "развити", "план", "мисси", "почему", "заинтерес"]):
+                return SCIENCE_ANSWER
             
-            # Генерируем ответ
+            prompt = self.system_prompt + query
             response = self.generator(
                 prompt,
                 max_new_tokens=300,
@@ -131,49 +147,30 @@ class NeuralChatbot:
                 repetition_penalty=1.2
             )[0]['generated_text']
             
-            # Убираем промпт из ответа
             response = response.replace(prompt, "").strip()
-            
-            # Если ответ пустой, используем fallback
-            if not response or len(response) < 10:
-                return self.generate_fallback_response(query)
-            
-            return response
+            return response if len(response) > 10 else self.fallback_response(query)
             
         except Exception as e:
-            print(f"Ошибка генерации: {e}")
-            return self.generate_fallback_response(query)
+            return self.fallback_response(query)
     
-    def generate_fallback_response(self, query):
-        """Резервный ответ, если нейросеть не работает"""
-        responses = [
-            f"Я {AI_NAME}, нейросетевой ассистент от {COMPANY_NAME}. "
-            f"К сожалению, сейчас я не могу сгенерировать полный ответ. "
-            f"Попробуйте переформулировать вопрос или спросить позже. 🧠",
-            
-            f"Прошу прощения, я {AI_NAME}, и моя нейросеть временно недоступна. "
-            f"Но я помню, что создан в {CREATION_DATE} командой {', '.join(CREATORS)}. "
-            f"Чем ещё могу помочь? 🤖",
-            
-            f"Привет! Я {AI_NAME}. Моя нейросеть обрабатывает ваш запрос. "
-            f"Пожалуйста, подождите немного или задайте другой вопрос. 🚀"
-        ]
-        return random.choice(responses)
+    def fallback_response(self, query):
+        return f"""Я {AI_NAME}, научный ассистент от {COMPANY_NAME}.
+
+{SCIENCE_ANSWER}
+
+Чем ещё могу помочь? 🧠"""
 
 # ===================================================================
-# 3. ЗАГРУЗКА НАУЧНЫХ СТАТЕЙ (ДЛЯ КОНТЕКСТА)
+# 4. ЗАГРУЗКА СТАТЕЙ
 # ===================================================================
 
 @st.cache_resource
 def load_science_articles():
-    articles_file = ARTICLES_FILE
+    if os.path.exists(ARTICLES_FILE):
+        with open(ARTICLES_FILE, 'rb') as f:
+            return pickle.load(f)
     
-    if os.path.exists(articles_file):
-        with st.spinner("📚 Загружаю научные статьи с диска..."):
-            with open(articles_file, 'rb') as f:
-                return pickle.load(f)
-    
-    with st.spinner("📚 Загружаю научные статьи (первый раз)..."):
+    with st.spinner("📚 Загружаю научные статьи..."):
         try:
             dataset = load_dataset(SCIENCE_DATASET, split="train", streaming=True)
             articles = []
@@ -189,45 +186,36 @@ def load_science_articles():
                     "source": "ru_science"
                 })
             
-            with open(articles_file, 'wb') as f:
+            with open(ARTICLES_FILE, 'wb') as f:
                 pickle.dump(articles, f)
-            
             return articles
-        except Exception as e:
-            st.warning(f"Не удалось загрузить статьи: {e}")
+        except:
             return []
 
 @st.cache_resource
 def load_embedder():
-    with st.spinner("🧠 Загружаю модель для эмбеддингов..."):
-        return SentenceTransformer(EMBEDDING_MODEL)
+    return SentenceTransformer(EMBEDDING_MODEL)
 
 @st.cache_resource
 def create_embeddings(_articles, _embedder):
-    embeddings_file = EMBEDDINGS_FILE
-    
-    if os.path.exists(embeddings_file):
-        with st.spinner("📊 Загружаю эмбеддинги с диска..."):
-            return np.load(embeddings_file)
+    if os.path.exists(EMBEDDINGS_FILE):
+        return np.load(EMBEDDINGS_FILE)
     
     if not _articles:
         return np.array([])
     
-    with st.spinner(f"🔢 Создаю эмбеддинги для {len(_articles)} статей..."):
-        texts = [f"{a['title']}\n\n{a['text']}" for a in _articles]
-        embeddings = _embedder.encode(
-            texts, 
-            normalize_embeddings=True,
-            show_progress_bar=True,
-            batch_size=64,
-            device='cuda' if torch.cuda.is_available() else 'cpu'
-        )
-        
-        np.save(embeddings_file, embeddings)
-        return embeddings
+    texts = [f"{a['title']}\n\n{a['text']}" for a in _articles]
+    embeddings = _embedder.encode(
+        texts, 
+        normalize_embeddings=True,
+        show_progress_bar=True,
+        batch_size=64,
+        device='cuda' if torch.cuda.is_available() else 'cpu'
+    )
+    np.save(EMBEDDINGS_FILE, embeddings)
+    return embeddings
 
 def search_articles(query, _articles, _embeddings, _embedder):
-    """Поиск релевантных статей для контекста"""
     if not _articles or len(_embeddings) == 0:
         return []
     
@@ -246,14 +234,13 @@ def search_articles(query, _articles, _embeddings, _embedder):
                 "text": article['text'][:500],
                 "source": article.get('source', 'ru_science')
             })
-    
     return results
 
 # ===================================================================
-# 4. ГЛАВНЫЙ КЛАСС ДЛЯ НЕЙРОСЕТИ
+# 5. ГЛАВНЫЙ КЛАСС
 # ===================================================================
 
-class OpenAirAINeural:
+class OpenAirAI:
     def __init__(self):
         self.name = AI_NAME
         self.company = COMPANY_NAME
@@ -263,47 +250,38 @@ class OpenAirAINeural:
         self.is_ready = False
         
     def initialize(self):
-        """Инициализация нейросети"""
         self.is_ready = self.chatbot.load_model()
         return self.is_ready
     
     def generate_answer(self, query, articles=None):
-        """Генерация ответа с использованием контекста"""
+        # Если вопрос о науке, миссии, развитии - даем правильный ответ
+        science_keywords = ["наук", "мисси", "план", "развити", "почему", "заинтерес", "суть", "цель", "предназначен"]
+        if any(word in query.lower() for word in science_keywords):
+            return SCIENCE_ANSWER
         
-        # Если есть статьи, добавляем их в контекст
-        if articles and len(articles) > 0:
-            context = "\n\nВот релевантные научные статьи:\n"
-            for i, article in enumerate(articles[:2], 1):
-                context += f"{i}. {article['title']}\n{article['text'][:300]}...\n"
-            
-            # Добавляем контекст к вопросу
-            enhanced_query = f"{query}\n\n{context}\n\nНа основе этих статей, ответь на вопрос:"
-        else:
-            enhanced_query = query
-        
-        return self.chatbot.generate_response(enhanced_query)
+        # Иначе генерируем через нейросеть
+        return self.chatbot.generate_response(query)
 
 # ===================================================================
-# 5. ИНТЕРФЕЙС
+# 6. ИНТЕРФЕЙС
 # ===================================================================
 
-# Загрузка данных
+# Загрузка
 articles = load_science_articles()
 embedder = load_embedder()
 embeddings = create_embeddings(articles, embedder)
 
-# Инициализация нейросети
-if 'neural_ai' not in st.session_state:
-    st.session_state.neural_ai = OpenAirAINeural()
-    st.session_state.neural_ai.initialize()
+# Инициализация
+if 'ai' not in st.session_state:
+    st.session_state.ai = OpenAirAI()
+    st.session_state.ai.initialize()
 
-neural_ai = st.session_state.neural_ai
+ai = st.session_state.ai
 
-# Инициализация истории чата
+# История чата
 if "messages" not in st.session_state:
     st.session_state.messages = []
-    # Приветствие генерируется нейросетью
-    greeting = neural_ai.generate_answer("Привет! Представься и расскажи о себе кратко.")
+    greeting = ai.generate_answer("Привет! Представься и расскажи о своей миссии.")
     st.session_state.messages.append({"role": "assistant", "content": greeting})
 
 # --- БОКОВАЯ ПАНЕЛЬ ---
@@ -312,10 +290,10 @@ with st.sidebar:
     st.title(f"🧠 {AI_NAME}")
     
     st.markdown(f"""
-    **{neural_ai.name}** | {neural_ai.creation_date}
+    **{ai.name}** | {ai.creation_date}
     
-    **Компания:** {neural_ai.company}
-    **Разработчики:** {', '.join(neural_ai.creators)}
+    **Компания:** {ai.company}
+    **Разработчики:** {', '.join(ai.creators)}
     
     ---
     **🔗 Ссылки:**
@@ -324,28 +302,18 @@ with st.sidebar:
     
     ---
     **📊 Статистика:**
-    - Модель: {MODEL_NAME.split('/')[-1]}
     - Статей: {len(articles)}
     - Сообщений: {len(st.session_state.messages)}
     """)
     
-    if os.path.exists(EMBEDDINGS_FILE):
-        size = os.path.getsize(EMBEDDINGS_FILE) / (1024 * 1024)
-        st.caption(f"💾 Эмбеддинги: {size:.1f} MB")
-    
     if st.button("🗑️ Очистить чат"):
         st.session_state.messages = []
-        greeting = neural_ai.generate_answer("Привет! Представься и расскажи о себе кратко.")
+        greeting = ai.generate_answer("Привет! Представься и расскажи о своей миссии.")
         st.session_state.messages.append({"role": "assistant", "content": greeting})
         st.rerun()
-    
-    if st.button("🔄 Перезагрузить нейросеть"):
-        st.session_state.neural_ai = OpenAirAINeural()
-        st.session_state.neural_ai.initialize()
-        st.rerun()
 
 # --- ОСНОВНАЯ ЧАСТЬ ---
-st.title(f"🧠 {AI_NAME} - Нейросетевой AI-ассистент")
+st.title(f"🧠 {AI_NAME} - Научный AI-ассистент")
 st.markdown(f"**{AI_NAME}** от **{COMPANY_NAME}** | Генеративная нейросеть")
 
 # Отображение сообщений
@@ -355,19 +323,23 @@ for message in st.session_state.messages:
 
 # 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("🧠 Нейросеть думает..."):
-            # Ищем релевантные статьи для контекста
+            # Ищем статьи для контекста
             articles_context = search_articles(prompt, articles, embeddings, embedder)
             
-            # Генерируем ответ с использованием контекста
-            response = neural_ai.generate_answer(prompt, articles_context)
+            # Генерируем ответ
+            response = ai.generate_answer(prompt)
+            
+            # Если есть статьи и ответ короткий, добавляем их
+            if articles_context and len(response) < 100:
+                response += "\n\n**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})
@@ -376,4 +348,4 @@ if prompt := st.chat_input("Задайте вопрос..."):
 
 # --- ПОДВАЛ ---
 st.divider()
-st.caption(f"🧠 {AI_NAME} от {COMPANY_NAME} | Создан в {CREATION_DATE} | Генеративная нейросеть")
+st.caption(f"🧠 {AI_NAME} от {COMPANY_NAME} | Создан в {CREATION_DATE}")