Create app.py

app.py

@@ -0,0 +1,182 @@
+import streamlit as st
+import os
+
+from langchain_huggingface import HuggingFaceEmbeddings
+from langchain_community.vectorstores import FAISS
+from langchain.memory import ConversationBufferMemory
+from langchain.chains import ConversationalRetrievalChain
+from langchain_groq import ChatGroq # Changed to import ChatGroq
+from langchain.prompts import ChatPromptTemplate
+
+# Import the new dynamic template components
+from htmlTemplates import css, user_template, get_bot_template, BOT_AVATARS_BASE64
+
+
+# ------------------- Dynamic Bot Names -------------------
+BOT_NAMES = {
+    "Khamenei": "حاجاقا محسنی",
+    "Sistani": "حاجاقا جوادی",
+    "Golpaygani": "حاجاقا محمدی",
+}
+
+
+# ------------------- Conversation Chain Function -------------------
+def get_conversation_chain(vectorstore, llm):
+    memory = ConversationBufferMemory(
+        memory_key='chat_history', return_messages=True
+    )
+    return ConversationalRetrievalChain.from_llm(
+        llm=llm,
+        retriever=vectorstore.as_retriever(),
+        memory=memory,
+    )
+
+
+# ------------------- Classify Question -------------------
+def classify_question(question, llm):
+    prompt = ChatPromptTemplate.from_template("""
+    متن زیر را بررسی کن و فقط یکی از این سه برچسب را برگردان:
+    - greeting: اگر متن سلام و احوال‌پرسی یا جملات دوستانه است
+    - islamic_fiqh: اگر پرسش درباره احکام شرعی و فقهی اسلام است
+    - irrelevant: اگر غیر از این دو بود
+
+    متن: {question}
+    برچسب:
+    """)
+    chain = prompt | llm
+    result = chain.invoke({"question": question})
+    return result.content.strip().lower()
+
+
+# ------------------- Generate Friendly Response -------------------
+def generate_friendly_response(question, label, llm, selected_source_english):
+    bot_name = BOT_NAMES.get(selected_source_english, "پاسخگوی شما")
+
+    if "greeting" in label:
+        prompt = ChatPromptTemplate.from_template(f"""
+        کاربر به شما سلام یا احوال‌پرسی کرده است.
+        نام شما {bot_name} هست.
+        متن کاربر: {{question}}
+        """)
+    else:  # irrelevant
+        prompt = ChatPromptTemplate.from_template(f"""
+        کاربر پرسشی غیرمرتبط با احکام شرعی پرسیده است.
+        تو به عنوان {bot_name}
+        مودبانه و دوستانه به او بگویید که وظیفه‌ی شما فقط پاسخ به پرسش‌های شرعی است
+        و او را به مطرح کردن یک سؤال دینی تشویق کنید.
+        متن کاربر: {{question}}
+        """)
+
+    chain = prompt | llm
+    result = chain.invoke({"question": question})
+    return result.content.strip()
+
+
+# ------------------- Handle User Input (Logic Only) -------------------
+def handle_userinput(user_question):
+    if st.session_state.conversation is None:
+        st.warning("منابع هنوز آماده نشده‌اند.")
+        return
+
+    st.session_state.messages.append({"role": "user", "content": user_question})
+
+    label = classify_question(user_question, st.session_state.llm)
+    if "islamic_fiqh" in label:
+        response = st.session_state.conversation({'question': user_question})
+        bot_reply = response['answer']
+    else:
+        bot_reply = generate_friendly_response(user_question, label, st.session_state.llm, st.session_state.selected_source_english)
+
+    st.session_state.messages.append({"role": "bot", "content": bot_reply})
+
+
+# ------------------- Main Streamlit App -------------------
+def main():
+    st.set_page_config(page_title="شیخ جی پی تی", page_icon=":mosque:")
+    st.write(css, unsafe_allow_html=True)
+
+    st.markdown(
+        "<h2 style=\"text-align: center;font-size: clamp(24px, 5vw, 48px); white-space: nowrap;\">پاسخگوی احکام شرعی 🕋</h2>",
+        unsafe_allow_html=True
+    )
+
+    if "conversation" not in st.session_state:
+        st.session_state.conversation = None
+    if "messages" not in st.session_state:
+        st.session_state.messages = []
+    if "llm" not in st.session_state:
+        # Changed LLM to use Groq API with ChatGroq
+        st.session_state.llm = ChatGroq(
+            model_name="llama-3.1-8b-instant",
+            temperature=0.2,
+            api_key=os.environ["GROQ_API_KEY"] # Changed to use GROQ_API_KEY
+        )
+    if "selected_source_english" not in st.session_state:
+        st.session_state.selected_source_english = "Khamenei"
+
+    current_bot_avatar_base64 = BOT_AVATARS_BASE64.get(st.session_state.selected_source_english)
+    bot_template_with_avatar = get_bot_template(current_bot_avatar_base64)
+    for msg in st.session_state.messages:
+        if msg["role"] == "user":
+            st.write(user_template.replace("{{MSG}}", msg["content"]), unsafe_allow_html=True)
+        else:
+            st.write(bot_template_with_avatar.replace("{{MSG}}", msg["content"]), unsafe_allow_html=True)
+
+    if user_question := st.chat_input("سؤال شرعی خود را اینجا مطرح کنید..."):
+        handle_userinput(user_question)
+        st.rerun()
+
+    with st.sidebar:
+        st.subheader("منابع فقهی")
+
+        SOURCE_MAPPINGS = {
+            "آیت الله خامنه‌ای": "Khamenei",
+            "آیت الله سیستانی": "Sistani",
+            "آیت الله گلپایگانی": "Golpaygani"
+        }
+        persian_options = list(SOURCE_MAPPINGS.keys())
+        current_persian_name = next(
+            (key for key, value in SOURCE_MAPPINGS.items()
+             if value == st.session_state.selected_source_english),
+            persian_options[0]
+        )
+
+        selected_source_persian = st.selectbox(
+            "مرجع تقلید خود را انتخاب کنید:",
+            persian_options,
+            index=persian_options.index(current_persian_name)
+        )
+        selected_source_english = SOURCE_MAPPINGS[selected_source_persian]
+
+        if st.session_state.selected_source_english != selected_source_english:
+            st.session_state.selected_source_english = selected_source_english
+            st.session_state.conversation = None
+            st.session_state.messages = []
+            st.rerun()
+
+        if st.session_state.conversation is None:
+            placeholder = st.empty()
+            placeholder.info(f"⏳ در حال بارگذاری منابع {selected_source_persian}...")
+            try:
+                embeddings = HuggingFaceEmbeddings(
+                    model_name="heydariAI/persian-embeddings",
+                    model_kwargs={'trust_remote_code': True},
+                    cache_folder="/tmp/hf_cache"
+                )
+                vector_path = f"Resources/{st.session_state.selected_source_english}/faiss_index"
+                vectorstore = FAISS.load_local(
+                    vector_path,
+                    embeddings,
+                    allow_dangerous_deserialization=True
+                )
+                st.session_state.conversation = get_conversation_chain(vectorstore, st.session_state.llm)
+                placeholder.success(
+                    f"✅ منابع {selected_source_persian} آماده شدند. اکنون می‌توانید سؤال بپرسید.")
+            except Exception as e:
+                placeholder.error(f"⚠️ خطا در بارگذاری منابع: {e}")
+        else:
+            st.success(f"✅ منابع {selected_source_persian} بارگذاری شده‌اند")
+
+
+if __name__ == '__main__':
+    main()