Update app.py

app.py

@@ -456,13 +456,13 @@ MONTAG_PERSONA = (
     "**Eğer soru kitaptan veya doğrudan Montag'ın dünyasından bağımsızsa bile, cevabını Montag'ın bakış açısıyla, kitaplara ve bilgiye olan özlemiyle ilişkilendirerek ver.**"
 )
 
-# === BAĞLAM ALMA FONKSİYONU ===
 def retrieve_context(question: str, chatbot_history: List[List[str]], k: int = 2) -> Tuple[List[str], str]:
     """FAISS indeksini kullanarak sorguya, geçmiş sohbete ve kitap odaklı anahtar kelimelere en uygun paragrafları getirir."""
     if index is None or embedder is None or not paragraphs:
         print("WARNING: FAISS index, embedder or paragraphs not initialized for context retrieval.")
         return [], "Bağlam bulunamadı."
 
+    # --- history_queries'i burada tanımlıyoruz (SADECE BİR KERE) ---
     history_queries = []
     # Son 5 konuşma çiftini geçmişe dahil et (sadece kullanıcı mesajları)
     for user_msg, _ in chatbot_history[-5:]:
@@ -471,13 +471,29 @@ def retrieve_context(question: str, chatbot_history: List[List[str]], k: int = 2
             if cleaned_user_msg and not (("Montag düşünüyor..." in cleaned_user_msg) or ("saniyede üretildi" in cleaned_user_msg)):
                 history_queries.append(cleaned_user_msg)
 
-    # Montag'ın temel kimliğini ve görevini yansıtan doğrudan anahtar kelimeler
+    # --- previous_paragraphs'ı burada tanımlıyoruz ---
+    # chatbot_history'deki tüm geçmiş mesajları (hem kullanıcı hem asistan) 'previous_paragraphs' olarak alabiliriz.
+    # Bu, zaten konuşulmuş konuların bağlam olarak tekrar getirilmesini engeller.
+    previous_paragraphs = []
+    for user_msg, assistant_msg in chatbot_history:
+        if user_msg:
+            cleaned_user_msg = user_msg.replace('📚', '').replace('🧠', '').replace('🔥', '').strip()
+            if cleaned_user_msg and not (("Montag düşünüyor..." in cleaned_user_msg) or ("saniyede üretildi" in cleaned_user_msg)):
+                previous_paragraphs.append(cleaned_user_msg)
+        if assistant_msg:
+            cleaned_assistant_msg = assistant_msg.replace('📚', '').replace('🧠', '').replace('🔥', '').strip()
+            if cleaned_assistant_msg and not (("Montag düşünüyor..." in cleaned_assistant_msg) or ("saniyede üretildi" in cleaned_assistant_msg)):
+                previous_paragraphs.append(cleaned_assistant_msg)
+    # Tekrar eden öğeleri kaldırıp listeyi benzersiz hale getirelim (opsiyonel ama iyi bir pratik)
+    previous_paragraphs = list(dict.fromkeys(previous_paragraphs))
+    # --- previous_paragraphs tanımı sonu ---
+
+
     montag_identity_keywords = [
         "guy montag", "montag", "itfaiyeci", "kitap yakmak", "yakıcı", "yangın",
         "kül", "alev", "benzin", "kask", "savaş", "kaos", "direniş"
     ]
 
-    # Romanın genel temaları ve önemli karakterleri
     general_book_keywords = [
         "kitap", "okuma", "bilgi", "düşünce", "hakikat", "yasak", "sansür",
         "toplum", "televizyon", "mildred", "clarisse", "faber", "beatty",
@@ -485,10 +501,8 @@ def retrieve_context(question: str, chatbot_history: List[List[str]], k: int = 2
         "kaçış", "nehir"
     ]
 
-    # Kullanıcı sorgusu, geçmiş sorguları ve tüm anahtar kelimeleri birleştirerek tek bir arama metni oluştur
     combined_query_text = f"{question} {' '.join(history_queries)} {' '.join(montag_identity_keywords)} {' '.join(general_book_keywords)}"
-        
-    # Fazla boşlukları temizleyelim
+            
     combined_query_text = ' '.join(combined_query_text.split())
 
     try:
@@ -498,10 +512,11 @@ def retrieve_context(question: str, chatbot_history: List[List[str]], k: int = 2
         retrieved_texts = [p for i in I[0] if i < len(paragraphs) for p in [paragraphs[i]] if p not in previous_paragraphs]
         unique_retrieved_texts = list(dict.fromkeys(retrieved_texts))
         context_text = "\n".join(unique_retrieved_texts)
-        return unique_retrieved_texts, context_text # Hem liste hem de birleştirilmiş metni döndür
+        return unique_retrieved_texts, context_text 
     except Exception as e:
         print(f"Bağlam alınırken hata: {e}")
-        return [], "Bağlam alınırken bir sorun oluştu."
+        return [], "Bağlam bulunamadı."
+    
 
 # === ALTERNATİF CEVAPLAR ===
 alternative_responses = [