Update app.py

app.py

@@ -56,17 +56,25 @@ def check_if_pro(token):
         print(f"Ошибка проверки PRO: {e}")
     return False
 
-# === ОЧИСТКА ОТ ЦИКЛОВ (НОВАЯ ФУНКЦИЯ) ===
+# === ОЧИСТКА ОТ ЦИКЛОВ И СПАМА ===
 def clean_repetitive_text(text):
-    # Если какое-то слово повторяется более 3 раз подряд, обрезаем текст перед этим
+    # Убираем явные повторы слов подряд
     words = text.split()
     if len(words) < 4:
         return text
     
     for i in range(len(words) - 3):
         if words[i] == words[i+1] == words[i+2] == words[i+3]:
-            # Нашли повторение, возвращаем текст до этого места
             return " ".join(words[:i]) + "."
+            
+    # Если текст содержит подозрительные спам-фразы, можно их обрезать
+    spam_triggers = ["mail@gmail.com", "O-pay", "переводить деньги"]
+    for trigger in spam_triggers:
+        if trigger in text:
+            # Обрезаем текст до этого момента
+            idx = text.find(trigger)
+            return text[:idx].strip() + "."
+            
     return text
 
 # === ГЕНЕРАЦИЯ ОТВЕТА ===
@@ -80,7 +88,11 @@ def generate_response(message, history, username, current_chat_id):
     
     history = history + [{"role": "user", "content": message}]
     
-    prompt = ""
+    # ДОБАВЛЯЕМ СИСТЕМНЫЙ ПРОМПТ В НАЧАЛО КАЖДОГО ДИАЛОГА
+    # Это заставляет модель помнить, кто она такая
+    system_prompt = "Ты — полезный русскоязычный AI-ассистент OpenAirAI. Отвечай кратко, вежливо и по делу. Не упоминай электронную почту, платежи или сторонние организации.\n\n"
+    
+    prompt = system_prompt
     for msg in history:
         if msg["role"] == "user":
             prompt += f"Пользователь: {msg['content']}\n"
@@ -93,28 +105,27 @@ def generate_response(message, history, username, current_chat_id):
     with torch.no_grad():
         outputs = model.generate(
             **inputs,
-            max_new_tokens=100,          # Меньше токенов = меньше шансов уйти в бред
-            min_new_tokens=10,           # Заставляем модель написать хоть что-то
-            temperature=0.8,             # Немного повышаем креативность
+            max_new_tokens=120,
+            min_new_tokens=5,
+            temperature=0.9,          # Повышаем температуру для большей вариативности
+            top_k=50,                 # Ограничиваем выборку 50 самыми вероятными токенами
             top_p=0.95,
             do_sample=True,
             pad_token_id=tokenizer.eos_token_id,
             eos_token_id=tokenizer.eos_token_id,
-            repetition_penalty=1.5       # СИЛЬНЫЙ штраф за повторения
+            repetition_penalty=1.3    # Штраф за повторы
         )
     
-    # Декодируем только новую часть
     generated_ids = outputs[0][inputs.input_ids.shape[-1]:]
     response_text = tokenizer.decode(generated_ids, skip_special_tokens=True)
     
-    # 1. Обрезаем по стоп-словам
+    # Очистка
     stop_words = ["Пользователь:", "User:", "\n\n"]
     ai_response = response_text
     for stop_word in stop_words:
         if stop_word in ai_response:
             ai_response = ai_response.split(stop_word)[0].strip()
             
-    # 2. Убираем циклические повторения (например, "Я OpenAI Я OpenAI")
     ai_response = clean_repetitive_text(ai_response)
     
     if not ai_response: