app.py

import gradio as gr
import json
import requests
from huggingface_hub import InferenceClient

# Modèle de Hugging Face
client = InferenceClient("HuggingFaceH4/zephyr-7b-beta")

# Fichier JSON contenant les mises à jour manuelles
JSON_FILE = "actualites.json"

# Code secret pour identifier le créateur
CREATOR_CODE = "LnMonga2025"

# Fonction pour charger les informations stockées
def load_json():
    try:
        with open(JSON_FILE, "r", encoding="utf-8") as f:
            return json.load(f)
    except FileNotFoundError:
        return {}  # Retourne un dictionnaire vide si le fichier n'existe pas

# Fonction pour sauvegarder de nouvelles informations
def save_json(data):
    with open(JSON_FILE, "w", encoding="utf-8") as f:
        json.dump(data, f, indent=4, ensure_ascii=False)

# Fonction pour rechercher des informations sur Internet
def search_online(query):
    url = f"https://www.googleapis.com/customsearch/v1?q={query}&key=TON_API_KEY&cx=TON_CX_ID"
    try:
        response = requests.get(url).json()
        if "items" in response:
            return f"{response['items'][0]['title']} - {response['items'][0]['link']}"
        else:
            return "❌ Désolé, je ne trouve pas cette information en ligne."
    except Exception:
        return "❌ Erreur lors de la recherche d'informations."

# Fonction principale
def respond(message, history, system_message, max_tokens, temperature, top_p):
    # Charger les informations mises à jour
    data = load_json()

    # Vérifier si la question a déjà été enregistrée
    if message.lower() in data:
        return data[message.lower()]

    # Vérifier si l'utilisateur est le créateur
    if message.startswith(CREATOR_CODE + ": input:"):
        _, user_message = message.split(": input:", 1)
        return f"🔒 Bonjour Créateur ! Entrez la réponse pour : '{user_message.strip()}'"

    elif message.startswith(CREATOR_CODE + ": output:"):
        _, user_response = message.split(": output:", 1)
        # Récupérer la question qui a été posée juste avant
        last_question = history[-1][0] if history else None
        if last_question:
            data[last_question.lower()] = user_response.strip()
            save_json(data)
            return "✅ Réponse enregistrée avec succès !"
        else:
            return "❌ Impossible d'enregistrer la réponse, aucune question associée."

    # Vérifier si c'est une question d'actualité
    if "gouverneur du nord-kivu" in message.lower():
        return search_online("Gouverneur actuel du Nord-Kivu 2025")

    # Utilisation du modèle GPT si aucune réponse n'est trouvée
    messages = [{"role": "system", "content": system_message}]
    for val in history:
        if val[0]:
            messages.append({"role": "user", "content": val[0]})
        if val[1]:
            messages.append({"role": "assistant", "content": val[1]})
    messages.append({"role": "user", "content": message})

    response = ""
    for msg in client.chat_completion(messages, max_tokens=max_tokens, stream=True, temperature=temperature, top_p=top_p):
        response += msg.choices[0].delta.content
        yield response

# Interface Gradio
demo = gr.ChatInterface(
    respond,
    additional_inputs=[
        gr.Textbox(value="Vous êtes un assistant intelligent.", label="System message"),
        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),
        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
        gr.Slider(minimum=0.1, maximum=1.0, value=0.95, step=0.05, label="Top-p (nucleus sampling)"),
    ],
)

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