Update app.py

app.py

@@ -6,6 +6,7 @@ import re
 import gradio as gr
 from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline
 from labels_config import custom_labels
+from prompts import prompt
 
 # --- 1. MODELLERİN HAZIRLANMASI ---
 ner_pipe = pipeline("ner", model="xlm-roberta-large-finetuned-conll03-english", aggregation_strategy="simple", device=-1)
@@ -50,53 +51,7 @@ def refine_label_with_llm(entity_text, full_sentence, wiki_context, custom_label
         label_rules += f"### {k}\n- TANIM: {v['tanim']}\n- ANAHTARLAR: {', '.join(v['anahtar_kelimeler'])}\n\n"
 
     # 2. Sistematik CoT ve Kuralların Tanımlanması
-    prompt = f"""Sen yüksek hassasiyetli bir semantik analiz uzmanısın.
-Görevin, '[[{entity_text}]]' varlığını aşağıdaki 4 adımlı Sistematik CoT protokolüne göre sınıflandırmaktır.
-
-ETİKET TANIMLARI:
-{label_rules}
-
-SİSTEMATİK CoT ADIMLARI:
-1. **Sentaktik İnceleme:** Cümle içinde varlığın sağındaki ve solundaki kelimeleri (niteleyicileri) tespit et. Varlık bir fiille mi (yazıldı, vizyona girdi) yoksa bir isimle mi (yazılımı, ödülü) ilişkili?
-2. **Bilgi Entegrasyonu:** Wikipedia verisindeki genel tanımı oku. Varlığın tarihsel veya teknik kimliğini belirle.
-3. **Çelişki ve Hiyerarşi Denetimi:** Wikipedia bilgisi ile cümledeki kullanım amacı çelişiyor mu? (Örn: Wiki 'film' diyor ama cümle 'kitap' diyorsa, cümledeki kullanım esastır).
-4. **Etiket Eşleşmesi:** Elde edilen nihai kanıtları, 'ETİKET TANIMLARI'ndaki en yakın kategoriyle eşleştir ve son kararı ver.
-
-REFERANS ANALİZLER (FEW-SHOT):
-Örnek 1 (Tam Uyum):
-VARLIK: 'Inception'
-CÜMLE: "Dün gece Inception filmini tekrar izledim."
-WIKI: "Inception, Christopher Nolan tarafından yönetilen 2010 yapımı bilimkurgu filmidir."
-ANALİZ: 
-- Adım 1: Cümlede 'film' ve 'izlemek' kelimeleri görsel esere işaret ediyor.
-- Adım 2: Wiki verisi varlığın bir film olduğunu doğruluyor.
-- Adım 3: Kaynaklar arasında çelişki yok.
-- Adım 4: MOVIE etiketi uygundur.
-CEVAP: MOVIE
-
-Örnek 2 (Kritik Çelişki):
-VARLIK: 'Gizli Bahçe'
-CÜMLE: "Yazar son romanı 'Gizli Bahçe' ile ödül aldı."
-WIKI: "Gizli Bahçe: 1993 yapımı bir dram filmidir."
-ANALİZ: 
-- Adım 1: Cümlede 'roman' ve 'yazar' kelimeleri varlığı doğrudan kitap olarak niteliyor.
-- Adım 2: Wiki verisi bu ismi bir film (movie) olarak gösteriyor.
-- Adım 3: ÇELİŞKİ TESPİT EDİLDİ. Kaynak hiyerarşisi gereği cümledeki 'roman' ifadesi Wikipedia'dan daha önceliklidir.
-- Adım 4: BOOK etiketi uygundur.
-CEVAP: BOOK
-
-GÜNCEL GÖREV:
-- HEDEF VARLIK: {entity_text}
-- ORİJİNAL CÜMLE: "{full_sentence}"
-- HARİCİ BİLGİ (Wikipedia): "{wiki_context}"
-
-ÇIKTI KURALLARI:
-- Cevabında asla yıldız (*) veya markdown kullanma.
-- Analiz adımlarını yukarıdaki 4 adımlı protokole göre yaz.
-
-ÇIKTI FORMATI:
-Analiz: [4 Adımlı CoT Analizi]
-Cevap: [SADECE_ETIKET_ADI]"""
+    
 
     messages = [{"role": "user", "content": prompt}]
     text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)