Update app.py

app.py

@@ -1,125 +1,248 @@
-import streamlit as st
+import gradio as gr
 from datasets import load_dataset
 import numpy as np
-import torch
 from sentence_transformers import SentenceTransformer
+import time
+from datetime import datetime
+import json
+import os
 
 # ===================================================================
-# 1. НАСТРОЙКИ
+# 1. НАСТРОЙКИ И ЗАГРУЗКА ДАННЫХ
 # ===================================================================
 
 MODEL_NAME = "BAAI/bge-large-en-v1.5"
 DATASET_NAME = "wikimedia/wikipedia"
-LANGUAGE = "20231101.en"  # можно заменить на "20231101.ru" для русского
-ARTICLE_LIMIT = 1000  # сколько статей загрузить (для экономии памяти)
+LANGUAGE = "20231101.en"
+ARTICLE_LIMIT = 1000
 
-st.set_page_config(
-    page_title="Wikipedia Assistant",
-    page_icon="🌖",
-    layout="wide"
-)
+ADMIN_USER = "admin"
+ADMIN_PASS = "hfpassword21"
 
-st.title("🌖 Wikipedia Assistant")
-st.markdown("Задай вопрос — я найду ответ в Википедии!")
+# Файл для хранения логов
+LOG_FILE = "query_logs.json"
 
-# ===================================================================
-# 2. ЗАГРУЗКА ДАТАСЕТА
-# ===================================================================
+# Загружаем логи или создаём новый файл
+if os.path.exists(LOG_FILE):
+    with open(LOG_FILE, "r") as f:
+        query_logs = json.load(f)
+else:
+    query_logs = []
 
-@st.cache_resource
+@gr.cache_resource
 def load_wikipedia():
     """Загружает датасет Википедии"""
-    with st.spinner("📚 Загружаю Википедию..."):
-        dataset = load_dataset(
-            DATASET_NAME,
-            LANGUAGE,
-            split="train",
-            streaming=True
-        )
-        
-        articles = []
-        for i, row in enumerate(dataset):
-            if i >= ARTICLE_LIMIT:
-                break
-            articles.append({
-                "id": row.get("id", i),
-                "title": row.get("title", "Без названия"),
-                "text": row.get("text", "")[:3000],
-                "url": row.get("url", "")
-            })
-        
-        return articles
-
-@st.cache_resource
+    dataset = load_dataset(DATASET_NAME, LANGUAGE, split="train", streaming=True)
+    articles = []
+    for i, row in enumerate(dataset):
+        if i >= ARTICLE_LIMIT:
+            break
+        articles.append({
+            "id": row.get("id", i),
+            "title": row.get("title", "Без названия"),
+            "text": row.get("text", "")[:3000],
+            "url": row.get("url", "")
+        })
+    return articles
+
+@gr.cache_resource
 def load_embedder():
     """Загружает модель для эмбеддингов"""
-    with st.spinner("🧠 Загружаю модель..."):
-        return SentenceTransformer(MODEL_NAME)
+    return SentenceTransformer(MODEL_NAME)
+
+articles = load_wikipedia()
+embedder = load_embedder()
+
+# Создаём эмбеддинги статей заранее
+texts = [f"{a['title']}\n\n{a['text']}" for a in articles]
+embeddings = embedder.encode(texts, normalize_embeddings=True)
 
 # ===================================================================
-# 3. ПОИСК
+# 2. ОСНОВНЫЕ ФУНКЦИИ
 # ===================================================================
 
-def search_wikipedia(query, articles, embedder):
-    """Ищет ответ на вопрос в Википедии"""
-    # Кодируем запрос
-    query_vector = embedder.encode(
-        [query],
-        normalize_embeddings=True
-    )[0]
-    
-    # Кодируем все статьи (если ещё не закодированы)
-    if "embeddings" not in st.session_state:
-        with st.spinner("🔢 Создаю эмбеддинги статей..."):
-            texts = [f"{a['title']}\n\n{a['text']}" for a in articles]
-            embeddings = embedder.encode(
-                texts,
-                normalize_embeddings=True
-            )
-            st.session_state.embeddings = embeddings
+def search_wikipedia(query, history):
+    """Ищет ответ на вопрос в Википедии и логирует запрос"""
+    if not query:
+        return "❓ Введите вопрос", history
+
+    start_time = time.time()
     
-    # Ищем
-    scores = st.session_state.embeddings @ query_vector
+    # Поиск
+    query_vector = embedder.encode([query], normalize_embeddings=True)[0]
+    scores = embeddings @ query_vector
     top_indices = np.argsort(-scores)[:3]
-    
+
     results = []
     for idx in top_indices:
-        results.append({
-            "article": articles[int(idx)],
-            "score": float(scores[int(idx)])
-        })
+        score = float(scores[int(idx)])
+        if score > 0.3:
+            article = articles[int(idx)]
+            results.append(
+                f"### 📄 {article['title']} (сходство: {score:.2f})\n"
+                f"{article['text'][:1000]}...\n"
+                f"🔗 [Читать на Википедии]({article['url']})\n"
+            )
+
+    response = "\n---\n".join(results) if results else "😕 Не нашёл подходящей статьи. Попробуй уточнить вопрос."
+    
+    # Логируем запрос
+    log_entry = {
+        "timestamp": datetime.now().isoformat(),
+        "query": query,
+        "results_count": len(results),
+        "response_time": round(time.time() - start_time, 2)
+    }
+    query_logs.append(log_entry)
+    
+    # Сохраняем логи в файл
+    with open(LOG_FILE, "w") as f:
+        json.dump(query_logs[-100:], f)  # Храним последние 100 запросов
+    
+    # Обновляем историю для админ-панели
+    history = query_logs[-20:]  # Последние 20 запросов
+    
+    return response, history
+
+def login(username, password):
+    if username == ADMIN_USER and password == ADMIN_PASS:
+        return gr.update(visible=True), "✅ Доступ разрешён", gr.update(visible=True)
+    return gr.update(visible=False), "❌ Неверный логин или пароль", gr.update(visible=False)
+
+def get_admin_stats():
+    """Собирает статистику для админ-панели"""
+    total_queries = len(query_logs)
     
-    return results
+    if total_queries > 0:
+        avg_time = sum(q["response_time"] for q in query_logs) / total_queries
+        popular_queries = sorted(query_logs, key=lambda x: x["results_count"], reverse=True)[:5]
+    else:
+        avg_time = 0
+        popular_queries = []
+    
+    # Формируем отчёт
+    stats = f"""
+## 📊 Статистика
+- **Всего запросов:** {total_queries}
+- **Среднее время ответа:** {avg_time:.2f} сек.
+- **Загружено статей:** {len(articles)}
+- **Модель:** {MODEL_NAME}
+
+## 🔥 Популярные запросы
+"""
+    for i, q in enumerate(popular_queries, 1):
+        stats += f"{i}. {q['query']} (найдено: {q['results_count']})\n"
+    
+    return stats
+
+def get_recent_logs():
+    """Показывает последние 10 запросов"""
+    if not query_logs:
+        return "📭 Логов пока нет"
+    
+    logs = "## 📋 Последние запросы\n\n"
+    for q in query_logs[-10:]:
+        logs += f"**{q['timestamp']}**\n"
+        logs += f"Вопрос: {q['query']}\n"
+        logs += f"Результатов: {q['results_count']}, Время: {q['response_time']}с\n\n"
+    
+    return logs
+
+def clear_logs():
+    """Очищает логи"""
+    global query_logs
+    query_logs = []
+    with open(LOG_FILE, "w") as f:
+        json.dump(query_logs, f)
+    return "✅ Логи очищены", "Логов пока нет"
 
 # ===================================================================
-# 4. ИНТЕРФЕЙС
+# 3. ИНТЕРФЕЙС GRADIO
 # ===================================================================
 
-# Загружаем данные
-articles = load_wikipedia()
-embedder = load_embedder()
+with gr.Blocks(theme=gr.themes.Soft(), title="Wikipedia Assistant") as demo:
+    gr.Markdown("# 🌍 Wikipedia Assistant")
+    gr.Markdown("Задай вопрос — я найду ответ в Википедии!")
+
+    # Состояние для истории запросов
+    history_state = gr.State([])
+
+    with gr.Row():
+        with gr.Column(scale=4):
+            query_input = gr.Textbox(
+                label="🔍 Что хочешь узнать?",
+                placeholder="Например: Как измеряют расстояние до галактик?",
+                lines=2
+            )
+            with gr.Row():
+                search_btn = gr.Button("🔎 Найти", variant="primary")
+                clear_btn = gr.Button("🗑️ Очистить", variant="secondary")
+            output = gr.Markdown("💡 Напиши вопрос и нажми 'Найти'")
 
-st.success(f"✅ Загружено {len(articles)} статей")
+        with gr.Column(scale=1):
+            gr.Markdown("### 👤 Вход в админку")
+            username = gr.Textbox(label="Логин", placeholder="admin")
+            password = gr.Textbox(label="Пароль", type="password", placeholder="hfpassword21")
+            login_btn = gr.Button("🔑 Войти", variant="primary")
+            status = gr.Textbox(label="Статус", interactive=False)
 
-# Поле ввода
-query = st.text_input("🔍 Что хочешь узнать?", placeholder="Например: Как измеряют расстояние до галактик?")
+    # Админ-панель (скрыта по умолчанию)
+    with gr.Tab("👑 Админ-панель", visible=False) as admin_tab:
+        with gr.Row():
+            with gr.Column(scale=2):
+                stats_output = gr.Markdown("## 📊 Загрузка статистики...")
+                refresh_stats_btn = gr.Button("🔄 Обновить статистику")
+            with gr.Column(scale=3):
+                logs_output = gr.Markdown("📭 Загрузка логов...")
+                with gr.Row():
+                    refresh_logs_btn = gr.Button("🔄 Обновить логи")
+                    clear_logs_btn = gr.Button("🗑️ Очистить логи", variant="stop")
 
-if query:
-    with st.spinner("🔎 Ищу ответ..."):
-        results = search_wikipedia(query, articles, embedder)
+    # ===================================================================
+    # 4. ОБРАБОТЧИКИ СОБЫТИЙ
+    # ===================================================================
+
+    # Поиск
+    search_btn.click(
+        search_wikipedia, 
+        inputs=[query_input, history_state], 
+        outputs=[output, history_state]
+    )
+    query_input.submit(
+        search_wikipedia, 
+        inputs=[query_input, history_state], 
+        outputs=[output, history_state]
+    )
     
-    # Показываем результаты
-    for i, result in enumerate(results, 1):
-        score = result["score"]
-        article = result["article"]
-        
-        # Только если релевантно
-        if score > 0.3:
-            with st.expander(f"#{i} {article['title']} (сходство: {score:.2f})"):
-                st.write(article["text"][:2000] + "...")
-                if article["url"]:
-                    st.link_button("🔗 Читать на Википедии", article["url"])
-        else:
-            st.warning("😕 Не нашёл подходящей статьи. Попробуй уточнить вопрос.")
-else:
-    st.info("💡 Напиши вопрос, и я найду ответ в Википедии")
+    # Очистка
+    clear_btn.click(lambda: ("", "💡 Напиши вопрос и нажми 'Найти'"), None, [query_input, output])
+
+    # Вход в админку
+    login_btn.click(
+        login, 
+        [username, password], 
+        [admin_tab, status, gr.update(visible=True)]
+    )
+
+    # Обновление статистики
+    refresh_stats_btn.click(get_admin_stats, None, stats_output)
+    
+    # Обновление логов
+    refresh_logs_btn.click(get_recent_logs, None, logs_output)
+    
+    # Очистка логов
+    clear_logs_btn.click(clear_logs, None, [logs_output, logs_output])
+
+    # Автообновление при входе
+    admin_tab.select(
+        lambda: (get_admin_stats(), get_recent_logs()), 
+        None, 
+        [stats_output, logs_output]
+    )
+
+# ===================================================================
+# 5. ЗАПУСК
+# ===================================================================
+
+if __name__ == "__main__":
+    demo.launch(share=True)