Update app.py

app.py

@@ -544,92 +544,111 @@ from sentence_transformers import SentenceTransformer, util
 model = SentenceTransformer('paraphrase-multilingual-MiniLM-L12-v2')
 
 if query:
+    threshold = 0.70
     found = False
-    threshold = 0.70  
 
+    # محاسبه بردارهای جملات و سوال
     sentence_embeddings = model.encode(all_sentences, convert_to_tensor=True)
     query_embedding = model.encode(query, convert_to_tensor=True)
 
+    # محاسبه شباهت‌ها
     similarities = util.cos_sim(query_embedding, sentence_embeddings)[0]
 
+    # استخراج اندیس‌هایی که شباهتشان از آستانه بیشتر است
     top_indices = [i for i, sim in enumerate(similarities) if sim >= threshold]
 
-    for idx in top_indices:
-        sentence = all_sentences[idx]
+    if top_indices:
+        found = True
+        # ترکیب همه جملات مشابه در یک متن واحد
+        matched_sentences = "\n".join([all_sentences[i] for i in top_indices])
+
+        # ساخت پرامپت اصلی برای تولید پاسخ نهایی حرفه‌ای
         prompt = f"""
-                    تعدادی پاسخ برای سوال زیر تولید شده است. لطفاً ابتدا این پاسخ‌ها را بررسی کن، سپس با در نظر گرفتن محتوای سوال و لحن آن، یک پاسخ نهایی حرفه‌ای، دقیق و روان از داخل پاسخ ها ارائه کن که هم به سوال پاسخ دهد و هم از نظر نگارشی و ساختاری در سطح بالایی باشد. پاسخ نهایی باید حداکثر 2048 کاراکتر و حداقل 512 باشد، خلاصه و واضح نوشته شود و فقط به زبان فارسی باشد. از تکرار اضافی پرهیز کن و سعی کن خارج از پاسخ ها جواب ندی محتوای چند پاسخ را در صورت نیاز با هم ترکیب کن.
-                    سوال:
-                    {query}
-                    پاسخ‌ها:
-                    {sentence}
-                    پاسخ نهایی حرفه‌ای بازنویسی‌شده:
-                    """
+        تعدادی پاسخ برای سوال زیر تولید شده است. لطفاً ابتدا این پاسخ‌ها را بررسی کن، سپس با در نظر گرفتن محتوای سوال و لحن آن، یک پاسخ نهایی حرفه‌ای، دقیق و روان از داخل پاسخ‌ها ارائه کن که هم به سوال پاسخ دهد و هم از نظر نگارشی و ساختاری در سطح بالایی باشد. پاسخ نهایی باید حداکثر 2048 کاراکتر و حداقل 512 باشد، خلاصه و واضح نوشته شود و فقط به زبان فارسی باشد. از تکرار اضافی پرهیز کن و فقط از پاسخ‌های زیر استفاده کن. در صورت نیاز، محتوای چند پاسخ را با هم ترکیب کن.
+        
+        سوال:
+        {query}
+        
+        پاسخ‌ها:
+        {matched_sentences}
+        
+        پاسخ نهایی حرفه‌ای بازنویسی‌شده:
+        """
+
         response = llm([
             SystemMessage(content="You are a helpful assistant."),
             HumanMessage(content=prompt)
         ])
         rewritten = response.content.strip()
 
-        # بررسی مرتبط بودن پاسخ با سؤال
+        # بررسی کیفیت پاسخ با یک پرامپت ارزیابی
         review_prompt = f"""
-        لطفاً بررسی کن که آیا پاسخ زیر،   به سوال زیر پاسخ داده است یا خیر یعنی  کلمات  کلیدی اصلی در سوال در پاسخ هست یا ن . اگر پاسخ به سوال مرتبط، درست و قابل قبول است، فقط بنویس: 'تأیید شد'. اگر کمی مربوط بود بنویس: 'کمی خوب'.
-        اگر پاسخ اشتباه است یا هیچ ربطی به سوال ندارد، فقط بنویس: 'نیاز به اصلاح دارد'.
+        لطفاً بررسی کن که آیا پاسخ زیر به سوال داده‌شده مرتبط، دقیق و معتبر است یا خیر. اگر پاسخ قابل قبول و دقیق است بنویس 'تأیید شد'. اگر متوسط است بنویس 'کمی خوب'. اگر بی‌ربط یا اشتباه است بنویس 'نیاز به اصلاح دارد'.
+
         سوال:
         {query}
+
         پاسخ:
         {rewritten}
         """
+
         review_response = llm([
             SystemMessage(content="You are a helpful assistant."),
             HumanMessage(content=review_prompt)
         ])
         review_result = review_response.content.strip()
 
+        # تحلیل نتیجه بررسی و نمایش پاسخ مناسب
         if "تأیید شد" in review_result:
             rewritten = clean_text(rewritten)
             st.markdown(f'<div class="chat-message">{rewritten}</div>', unsafe_allow_html=True)
+
         elif "کمی خوب" in review_result:
             final_prompt = f"""
-             لطفاً برای سوال زیر پاسخی حرفه‌ای، دقیق و روان تولید کن که مرتبط و معتبر باشد و از دیتای زیر استفاده کن برای پاسخ دادن .و  از زبانی جز فارسی استفاده نکن و بیا هم از سوال هم دیتای زیر و هم از پاسخ  استفاده کن و پاسخ مناسبی بنویس  :
+            لطفاً برای سوال زیر پاسخی حرفه‌ای، دقیق و روان تولید کن که مرتبط و معتبر باشد. از زبانی جز فارسی استفاده نکن. از محتوای زیر استفاده کن و یک پاسخ نهایی خوب بنویس:
+
             سوال:
             {query}
-            پاسخ:
-            {review_result}
-            دیتا:
+
+            پاسخ اولیه:
             {rewritten}
+
+            پاسخ نهایی:
             """
-            new_1response = llm([
+            new_response = llm([
                 SystemMessage(content="You are a helpful assistant."),
                 HumanMessage(content=final_prompt)
             ])
-            final_answer1 = new_1response.content.strip()
-            final_answer1 = clean_text(final_answer1)
-            st.markdown(f'<div class="chat-message">{final_answer1}</div>', unsafe_allow_html=True)
+            final_answer = clean_text(new_response.content.strip())
+            st.markdown(f'<div class="chat-message">{final_answer}</div>', unsafe_allow_html=True)
+
         else:
-            final_prompt = f"""
-            لطفاً برای سوال زیر پاسخی حرفه‌ای، دقیق و روان تولید کن که مرتبط و معتبر باشد. از زبانی جز فارسی استفاده نکن :
+            fallback_prompt = f"""
+            لطفاً برای سوال زیر پاسخی حرفه‌ای، دقیق و روان تولید کن که مرتبط و معتبر باشد. اگر اطلاعات کافی وجود ندارد، صادقانه بگو. فقط به زبان فارسی پاسخ بده:
+
             سوال:
             {query}
             """
-            new_response = llm([
+            fallback_response = llm([
                 SystemMessage(content="You are a helpful assistant."),
-                HumanMessage(content=final_prompt)
+                HumanMessage(content=fallback_prompt)
             ])
-            final_answer = new_response.content.strip()
-            final_answer = clean_text(final_answer)
-            st.markdown(f'<div class="chat-message">{final_answer}</div>', unsafe_allow_html=True)
+            final_fallback = clean_text(fallback_response.content.strip())
+            st.markdown(f'<div class="chat-message">{final_fallback}</div>', unsafe_allow_html=True)
 
-            think.empty()
-            found = True
-            break
+    else:
+        # اگر جمله‌ای با شباهت بالا پیدا نشد
+        prompt = f"""
+        لطفاً برای سوال زیر یک متن مرتبط و معتبر تولید کن. اگر اطلاعات کافی وجود ندارد، صادقانه اعلام کن. فقط به زبان فارسی پاسخ بده:
 
-    if not found:
-        prompt = f"لطفاً بر اساس سوال زیر یک متن مرتبط و معنادار تولید کن و از خودت ننویس و جملات معتبر باشن و از زبانی جز فارسی استفاده نکن:\n\nسوال: {query}"
+        سوال:
+        {query}
+        """
         response = llm([
             SystemMessage(content="You are a helpful assistant."),
             HumanMessage(content=prompt)
         ])
-        rewritten = response.content.strip()
-        rewritten = clean_text(rewritten)
+        rewritten = clean_text(response.content.strip())
         st.markdown(f'<div class="chat-message">{rewritten}</div>', unsafe_allow_html=True)
         think.empty()
+