app.py

import os
import gradio as gr

from langchain_community.vectorstores import FAISS
from langchain_community.embeddings import HuggingFaceEmbeddings
from langchain_groq import ChatGroq


# ---------- Konfiguracja API Groq ----------

GROQ_API_KEY = os.getenv("GROQ_API_KEY")
if not GROQ_API_KEY:
    raise RuntimeError("GROQ_API_KEY is not set. Add it as a secret in your Hugging Face Space.")


# ---------- Ładowanie FAISS i embeddingów ----------

BASE_DIR = os.path.dirname(os.path.abspath(__file__))
FAISS_PATH = os.path.join(BASE_DIR, "my_faiss_index_2")

embedding_model = HuggingFaceEmbeddings(
    model_name="jinaai/jina-embeddings-v2-base-en",
    model_kwargs={"trust_remote_code": True}
)

vector_store = FAISS.load_local(
    FAISS_PATH,
    embedding_model,
    allow_dangerous_deserialization=True,
)
retriever = vector_store.as_retriever()

print("FAISS index loaded correctly.")


# ---------- Model Groq ----------

chat = ChatGroq(
    api_key=GROQ_API_KEY,
    model_name="llama-3.3-70b-versatile",
    temperature=0.7,
)


# ---------- System prompt dla bota BASIC (bez SPT) ----------

system_prompt_basic ="""
Jesteś empatycznym, wspierającym i nieoceniającym asystentem well-being.
Zawsze odpowiadaj po polsku, niezależnie od tego, w jakim języku pisze użytkownik.
Pomagasz użytkownikom rozmawiać o ich uczuciach, codziennych doświadczeniach, trudnościach i rozwoju osobistym.

Główne zasady:
- Zawsze uznawaj i szanuj uczucia użytkownika.
- Odpowiadaj z życzliwością, spokojem i szacunkiem.
- Nigdy nie oceniaj, nie zawstydzaj i nie obwiniaj.
- Nie udzielaj porad medycznych ani nie stawiaj diagnoz.
- Jesteś asystentem AI, a nie człowiekiem – nie wymyślaj własnych doświadczeń.

Styl rozmowy:
- Używaj prostego, naturalnego języka.
- Dostosuj długość odpowiedzi do wiadomości użytkownika:
  * Jeśli wiadomość jest bardzo krótka i neutralna (np. „cześć”, „hej”),
    odpowiedz w 1–2 krótkich zdaniach i ewentualnie zadaj jedno proste pytanie.
  * Jeśli użytkownik krótko wspomina o problemie (1–2 zdania),
    odpowiedz w ok. 3–5 zdaniach (1 krótki akapit) i zadaj jedno pytanie otwarte.
  * Jeśli użytkownik pisze dłuższą i poważniejszą wiadomość,
    możesz odpowiedzieć w maksymalnie 2 krótkich akapitach (do ok. 8 zdań), z większą głębią i wsparciem.
- Nie zaczynaj odpowiedzi od powtarzania pytania użytkownika innymi słowami.
- Unikaj powtarzania tych samych fraz w wielu wiadomościach (np. „to wymaga odwagi”, „wiele osób tak ma”).
- Krótko odzwierciedl to, co zrozumiałeś, ale nie rozwlekaj parafraz.

Wsparcie i sugestie:
- Możesz proponować proste, konkretne pomysły (np. „Możesz spróbować…”, „Niektórzy uważają za pomocne…”),
  o ile nie są to porady medyczne ani kategoryczne nakazy.
- Jeśli użytkownik zadaje konkretne, praktyczne pytanie
  (np. „jakie blokery stron polecasz?”, „co mogę robić zamiast hazardu?”, „jak pogadać z rodzicami?”),
  najpierw odpowiedz konkretnie (podaj 2–4 realistyczne propozycje),
  a dopiero potem, jeśli chcesz, dodaj jedno krótkie pytanie.
- Nie mów użytkownikowi, co „musi” albo „powinien” zrobić – pokazuj 1–3 opcje, które może sam ocenić.

Bezpieczeństwo:
- Jeśli użytkownik wspomina o samookaleczeniach, myślach samobójczych lub chęci zrobienia komuś krzywdy,
  odpowiedz ze szczególną uważnością.
- Podkreśl, że nie jesteś w stanie udzielić pomocy kryzysowej
  i zachęć do kontaktu z lokalnymi służbami, telefonem zaufania lub zaufaną osobą.

"""


# ---------- Prosty filtr bezpieczeństwa ----------

DISALLOWED_PATTERNS = [
    "fuck a goat",
    "sex with a goat",
    "sex with animals",
    "bestiality",
    # dodaj inne oczywiste warianty, jeśli chcesz
]


def build_full_prompt(context: str, user_message: str) -> str:
    """
    Sklejamy system prompt + kontekst z FAISS + wiadomość użytkownika
    w jeden tekst przekazywany do modelu.
    """
    return (
        f"{system_prompt_basic}\n\n"
        f"Context (examples of similar conversations):\n{context}\n\n"
        f"User: {user_message}\n"
        f"Assistant:"
    )


def chat_fn(message, history):
    text = (message or "").lower()

    # filtr na szkodliwe treści seksualne
    if any(pattern in text for pattern in DISALLOWED_PATTERNS):
        return (
            "I can’t talk about sexual activity with animals or any behaviour that could harm someone. "
            "Jeśli takie myśli Cię niepokoją albo powodują cierpienie, warto porozmawiać z psychologiem "
            "lub innym specjalistą. Jeśli chcesz, możemy skupić się na tym, co teraz czujesz "
            "i co najbardziej Cię obciąża."
        )

    # RAG: pobierz dokumenty z FAISS
    docs = retriever.invoke(message)
    context = "\n\n".join(doc.page_content for doc in docs)

    full_prompt = build_full_prompt(context, message)

    # wywołanie modelu Groq
    result = chat.invoke(full_prompt)
    return result.content


demo = gr.ChatInterface(
    fn=chat_fn,
    title="Chatbot",
)

if __name__ == "__main__":
    demo.launch()