Update app.py

app.py

@@ -11,7 +11,7 @@ from chromadb.utils import embedding_functions
 # --- الإعدادات الفنية ---
 app = FastAPI(title="Neural RAG Engine")
 
-# تفعيل CORS للسماح لواجهات Next.js بالاتصال بالخادم
+# تفعيل CORS للسماح لواجهات Next.js بالاتصال
 app.add_middleware(
     CORSMiddleware,
     allow_origins=["*"],
@@ -19,6 +19,7 @@ app.add_middleware(
     allow_headers=["*"],
 )
 
+# إعداد الذاكرة الدائمية في مساحة التخزين
 STORAGE_PATH = "/data/neural_memory" if os.path.exists("/data") else "./neural_memory"
 chroma_client = chromadb.PersistentClient(path=STORAGE_PATH)
 default_ef = embedding_functions.DefaultEmbeddingFunction()
@@ -29,62 +30,54 @@ client = OpenAI(
     api_key=os.getenv("HF_TOKEN")
 )
 
-# --- وظائف المعالجة ---
+# --- وظائف معالجة المعرفة (RAG Logic) ---
 def ingest_document(file_content, filename):
-    # (نفس منطق التقطيع الاحترافي السابق مع الـ Overlap)
+    """تقطيع وحقن المستندات مع Overlap لضمان سياق دلالي قوي."""
     text = file_content.decode("utf-8", errors="ignore")
-    # إذا كان PDF يحتاج لمكتبة pypdf (يمكن دمجها هنا)
     chunk_size, overlap = 1000, 200
     chunks = [text[i : i + chunk_size] for i in range(0, len(text), chunk_size - overlap)]
     ids = [str(uuid.uuid4()) for _ in chunks]
     metadatas = [{"source": filename} for _ in chunks]
     collection.add(documents=chunks, ids=ids, metadatas=metadatas)
 
-# --- الـ Endpoints المتوافقة مع Next.js ---
+# --- الـ Endpoints المتوافقة مع Chatbot UI ---
 
 @app.get("/")
 def home():
-    return {"status": "Neural Engine is Running", "docs_in_memory": collection.count()}
+    return {"status": "Neural Engine Active", "memory_count": collection.count()}
 
 @app.post("/upload")
 async def upload_file(background_tasks: BackgroundTasks, file: UploadFile = File(...)):
     content = await file.read()
     background_tasks.add_task(ingest_document, content, file.filename)
-    return {"message": f"Processing {file.filename} in background..."}
+    return {"message": f"Processing {file.filename}..."}
 
 @app.post("/v1/chat/completions")
+@app.post("/api/chat") # لدعم مسارات Next.js المختلفة
 async def chat_endpoint(request: Request):
-    """هذا المسار يجعل الخادم متوافقاً تماماً مع واجهات Next.js"""
+    """محرك الاستدلال الدلالي المتوافق مع معايير OpenAI."""
     body = await request.json()
     messages = body.get("messages", [])
-    temperature = body.get("temperature", 0.7)
     
-    # البحث الدلالي (RAG) بناءً على آخر رسالة
+    # البحث في الذاكرة بناءً على آخر مدخل للمستخدم
     user_query = messages[-1]["content"] if messages else ""
     results = collection.query(query_texts=[user_query], n_results=3)
     knowledge = "\n".join(results['documents'][0]) if results['documents'] else ""
     
-    # حقن المعرفة
-    system_instruction = f"Context from Memory:\n{knowledge}\n\nAnswer based on this context."
+    # حقن المعرفة المسترجعة في نظام التوجيه
+    system_instruction = f"Context from Knowledge Vault:\n{knowledge}\n\nAnswer using the context above."
     messages.insert(0, {"role": "system", "content": system_instruction})
 
     def stream_gen():
         response = client.chat.completions.create(
             model="huihui-ai/Qwen2.5-72B-Instruct-abliterated",
             messages=messages,
-            temperature=temperature,
             stream=True
         )
         for chunk in response:
             content = chunk.choices[0].delta.content
             if content:
-                # التنسيق المطلوب لـ Server-Sent Events (SSE)
                 yield f"data: {content}\n\n"
         yield "data: [DONE]\n\n"
 
     return StreamingResponse(stream_gen(), media_type="text/event-stream")
-
-if __name__ == "__main__":
-    import uvicorn
-    # تشغيل الخادم
-    uvicorn.run(app, host="0.0.0.0", port=7860)