Update app.py

app.py

@@ -1,42 +1,51 @@
 import streamlit as st
 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
+import pandas as pd
 
 # ===================================================================
-# 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
 
+ADMIN_USER = "admin"
+ADMIN_PASS = "hfpassword21"
+
+LOG_FILE = "query_logs.json"
+
+# Настройка страницы
 st.set_page_config(
     page_title="Wikipedia Assistant",
     page_icon="🌖",
-    layout="wide"
+    layout="wide",
+    initial_sidebar_state="expanded"
 )
 
-st.title("🌖 Wikipedia Assistant")
-st.markdown("Задай вопрос — я найду ответ в Википедии!")
+# Загружаем логи
+if os.path.exists(LOG_FILE):
+    with open(LOG_FILE, "r") as f:
+        query_logs = json.load(f)
+else:
+    query_logs = []
 
 # ===================================================================
-# 2. ЗАГРУЗКА ДАТАСЕТА
+# 2. ЗАГРУЗКА ДАННЫХ (с кэшированием)
 # ===================================================================
 
 @st.cache_resource
 def load_wikipedia():
     """Загружает датасет Википедии"""
     with st.spinner("📚 Загружаю Википедию..."):
-        dataset = load_dataset(
-            DATASET_NAME,
-            LANGUAGE,
-            split="train",
-            streaming=True
-        )
-        
+        dataset = load_dataset(DATASET_NAME, LANGUAGE, split="train", streaming=True)
         articles = []
         for i, row in enumerate(dataset):
             if i >= ARTICLE_LIMIT:
@@ -47,7 +56,6 @@ def load_wikipedia():
                 "text": row.get("text", "")[:3000],
                 "url": row.get("url", "")
             })
-        
         return articles
 
 @st.cache_resource
@@ -56,70 +64,215 @@ def load_embedder():
     with st.spinner("🧠 Загружаю модель..."):
         return SentenceTransformer(MODEL_NAME)
 
+@st.cache_resource
+def create_embeddings(articles, embedder):
+    """Создаёт эмбеддинги статей"""
+    with st.spinner("🔢 Создаю эмбеддинги статей..."):
+        texts = [f"{a['title']}\n\n{a['text']}" for a in articles]
+        return embedder.encode(texts, normalize_embeddings=True)
+
+# Загружаем всё
+articles = load_wikipedia()
+embedder = load_embedder()
+embeddings = create_embeddings(articles, embedder)
+
 # ===================================================================
-# 3. ПОИСК
+# 3. ФУНКЦИИ ПОИСКА И ЛОГИРОВАНИЯ
 # ===================================================================
 
-def search_wikipedia(query, articles, embedder):
+def search_wikipedia(query):
     """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
+    if not query:
+        return None
+
+    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({
+                "title": article['title'],
+                "score": score,
+                "text": article['text'][:1000],
+                "url": article['url']
+            })
+    
+    # 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
+    with open(LOG_FILE, "w") as f:
+        json.dump(query_logs[-100:], f)
     
     return results
 
+def get_admin_stats():
+    """Собирает статистику для админ-панели"""
+    total_queries = len(query_logs)
+    
+    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 = []
+    
+    return {
+        "total_queries": total_queries,
+        "avg_time": avg_time,
+        "popular_queries": popular_queries,
+        "articles_count": len(articles),
+        "model_name": MODEL_NAME
+    }
+
+def clear_logs():
+    """Очищает логи"""
+    global query_logs
+    query_logs = []
+    with open(LOG_FILE, "w") as f:
+        json.dump(query_logs, f)
+    return True
+
 # ===================================================================
 # 4. ИНТЕРФЕЙС
 # ===================================================================
 
-# Загружаем данные
-articles = load_wikipedia()
-embedder = load_embedder()
+# --- БОКОВАЯ ПАНЕЛЬ (АДМИНКА) ---
+with st.sidebar:
+    st.image("https://cdn-icons-png.flaticon.com/512/4248/4248455.png", width=80)
+    st.title("👑 Админ-панель")
+    
+    # Вход
+    if "logged_in" not in st.session_state:
+        st.session_state.logged_in = False
+    
+    if not st.session_state.logged_in:
+        with st.form("login_form"):
+            username = st.text_input("👤 Логин", placeholder="admin")
+            password = st.text_input("🔑 Пароль", type="password", placeholder="hfpassword21")
+            submitted = st.form_submit_button("🔑 Войти")
+            
+            if submitted:
+                if username == ADMIN_USER and password == ADMIN_PASS:
+                    st.session_state.logged_in = True
+                    st.success("✅ Доступ разрешён!")
+                    st.rerun()
+                else:
+                    st.error("❌ Неверный логин или пароль")
+    else:
+        st.success("✅ Вы вошли как администратор")
+        
+        # Кнопка выхода
+        if st.button("🚪 Выйти"):
+            st.session_state.logged_in = False
+            st.rerun()
+        
+        st.divider()
+        
+        # Статистика
+        st.subheader("📊 Статистика")
+        stats = get_admin_stats()
+        
+        col1, col2 = st.columns(2)
+        with col1:
+            st.metric("Всего запросов", stats["total_queries"])
+            st.metric("Загружено статей", stats["articles_count"])
+        with col2:
+            st.metric("Ср. время ответа", f"{stats['avg_time']:.2f}с")
+            st.metric("Модель", stats["model_name"].split("/")[-1])
+        
+        # Популярные запросы
+        if stats["popular_queries"]:
+            st.subheader("🔥 Топ-5 запросов")
+            for i, q in enumerate(stats["popular_queries"], 1):
+                st.write(f"{i}. **{q['query']}** (найдено: {q['results_count']})")
+        
+        st.divider()
+        
+        # Логи
+        st.subheader("📋 Последние запросы")
+        if query_logs:
+            # Показываем последние 10 в виде таблицы
+            df = pd.DataFrame(query_logs[-10:])
+            df["timestamp"] = pd.to_datetime(df["timestamp"]).dt.strftime("%H:%M:%S")
+            st.dataframe(
+                df[["timestamp", "query", "results_count", "response_time"]],
+                column_config={
+                    "timestamp": "Время",
+                    "query": "Запрос",
+                    "results_count": "Результатов",
+                    "response_time": "Время (с)"
+                },
+                use_container_width=True,
+                hide_index=True
+            )
+            
+            if st.button("🗑️ Очистить логи", type="secondary"):
+                clear_logs()
+                st.success("Логи очищены!")
+                st.rerun()
+        else:
+            st.info("📭 Логов пока нет")
+
+# --- ОСНОВНАЯ ЧАСТЬ ---
+st.title("🌖 Wikipedia Assistant")
+st.markdown("Задай вопрос — я найду ответ в Википедии!")
 
+# Информация о загрузке
 st.success(f"✅ Загружено {len(articles)} статей")
 
-# Поле ввода
-query = st.text_input("🔍 Что хочешь узнать?", placeholder="Например: Как измеряют расстояние до галактик?")
+# Поиск
+query = st.text_input(
+    "🔍 Что хочешь узнать?",
+    placeholder="Например: Как измеряют расстояние до галактик?",
+    key="query_input"
+)
+
+col1, col2 = st.columns([1, 5])
+with col1:
+    search_clicked = st.button("🔎 Найти", type="primary", use_container_width=True)
 
-if query:
+# Выполняем поиск
+if query and (search_clicked or query != st.session_state.get("last_query", "")):
+    st.session_state.last_query = query
+    
     with st.spinner("🔎 Ищу ответ..."):
-        results = search_wikipedia(query, articles, embedder)
+        results = search_wikipedia(query)
     
-    # Показываем результаты
-    for i, result in enumerate(results, 1):
-        score = result["score"]
-        article = result["article"]
+    if results:
+        for i, result in enumerate(results, 1):
+            with st.expander(f"#{i} {result['title']} (сходство: {result['score']:.2f})", expanded=i==1):
+                st.write(result['text'] + "...")
+                if result['url']:
+                    st.link_button("🔗 Читать на Википедии", result['url'])
+    else:
+        st.warning("😕 Не нашёл подходящей статьи. Попробуй уточнить вопрос.")
         
-        # 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")
+elif not query:
+    st.info("💡 Напиши вопрос, и я найду ответ в Википедии")
+
+# ===================================================================
+# 5. ДОПОЛНИТЕЛЬНЫЕ ВОЗМОЖНОСТИ
+# ===================================================================
+
+# Подвал
+st.divider()
+st.caption("🌖 Wikipedia Assistant | Использует BAAI/bge-large-en-v1.5")
+
+# Кнопка внизу для переключения темы
+if st.button("🎨 Сменить тему"):
+    st.session_state.theme = "dark" if st.session_state.get("theme") != "dark" else "light"
+    st.rerun()