""", unsafe_allow_html=True)
else:
st.markdown("")
# استایل‌ها برای چرخش و پیام در حال فکر کردن
st.markdown("""
""", unsafe_allow_html=True)
from sentence_transformers import SentenceTransformer, util
model = SentenceTransformer('paraphrase-multilingual-MiniLM-L12-v2')
if query:
threshold = 0.70
found = False
# 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]
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 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 کیفیت پاسخ با یک پرامپت ارزیابی
review_prompt = f"""
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'
{rewritten}
', 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. از زبانی جز فارسی استفاده نکن. از محتوای زیر استفاده کن و یک پاسخ نهایی خوب بنویس:
سوال:
{query}
پاسخ اولیه:
{rewritten}
پاسخ نهایی:
"""
new_response = llm([
SystemMessage(content="You are a helpful assistant."),
HumanMessage(content=final_prompt)
])
final_answer = clean_text(new_response.content.strip())
st.markdown(f'
{final_answer}
', unsafe_allow_html=True)
else:
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}
"""
fallback_response = llm([
SystemMessage(content="You are a helpful assistant."),
HumanMessage(content=fallback_prompt)
])
final_fallback = clean_text(fallback_response.content.strip())
st.markdown(f'
{final_fallback}
', unsafe_allow_html=True)
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:
سوال:
{query}
"""
response = llm([
SystemMessage(content="You are a helpful assistant."),
HumanMessage(content=prompt)
])
rewritten = clean_text(response.content.strip())
st.markdown(f'