Update app.py

app.py

@@ -568,7 +568,7 @@ def compute_similarity(sentence, query, threshold):
 # پردازش پرسش
 if query:
     threshold = 75
-    keywords = query
+    keywords = query.split()  # فرض می‌کنیم که query یک رشته است و کلمات کلیدی به طور پیش‌فرض از آن استخراج می‌شود
 
     # خلاصه‌سازی متن قبل از ارسال به LLM
     text_to_summarize = "\n".join(all_sentences)  # تمام جملات را با هم ترکیب کنید
@@ -579,11 +579,12 @@ if query:
         futures = [executor.submit(compute_similarity, sentence, query, threshold) for sentence in all_sentences]
         matched_sentences = [future.result() for future in futures if future.result()]
 
+    # فیلتر کردن جملات بر اساس کلمات کلیدی
     if matched_sentences:
         found_sentences = [sentence for sentence in matched_sentences if any(keyword in sentence for keyword in keywords)]
 
         if found_sentences:
-            matched_text = "\n".join(found_sentences)
+            matched_text = "\n".join(found_sentences)  # ترکیب جملات مشابه به یک رشته
 
             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.
@@ -657,4 +658,4 @@ if query:
                 HumanMessage(content=fallback_prompt)
             ])
             rewritten = clean_text(response.content.strip())
-            st.markdown(f'<div class="chat-message">{rewritten}</div>', unsafe_allow_html=True)
+            st.markdown(f'<div class="chat-message">{rewritten}</div>', unsafe_allow_html=True)