Update app.py

app.py

@@ -1,92 +1,85 @@
 # Import Library yang Diperlukan
 import gradio as gr
-import shutil
-import os
-import subprocess
+import gspread
+from oauth2client.service_account import ServiceAccountCredentials
 from llama_cpp import Llama
-from llama_index.core import SimpleDirectoryReader, VectorStoreIndex, Settings
-from llama_index.core.llms import ChatMessage
-from llama_index.llms.llama_cpp import LlamaCPP
+from llama_index.core import VectorStoreIndex, Settings
+from llama_index.core.node_parser import SentenceSplitter
 from llama_index.embeddings.huggingface import HuggingFaceEmbedding
+from llama_index.llms.llama_cpp import LlamaCPP
 from huggingface_hub import hf_hub_download
-from llama_index.core.node_parser import SentenceSplitter
+from llama_index.core.llms import ChatMessage
+from llama_index.core.chat_engine.condense_plus_context import CondensePlusContextChatEngine
+
+# ===================================
+# 1️⃣ Fungsi untuk Membaca Google Spreadsheet
+# ===================================
+def read_google_sheet():
+    # Tentukan scope akses ke Google Sheets & Drive
+    scope = ["https://spreadsheets.google.com/feeds", "https://www.googleapis.com/auth/drive"]
+    
+    # Load kredensial dari file credentials.json
+    creds = ServiceAccountCredentials.from_json_keyfile_name("credentials.json", scope)
+    client = gspread.authorize(creds)
+    
+    # 📌 GANTI BAGIAN INI SESUAI SPREADSHEET ANDA
+    spreadsheet = client.open("datatarget")  # 🔹 Ganti dengan nama spreadsheet Anda
+    sheet = spreadsheet.datatarget  # 🔹 Jika ingin sheet lain, ganti dengan spreadsheet.worksheet("NamaSheet")
 
-# Fungsi untuk mengunduh model Llama
+    # Ambil semua data dalam bentuk list (baris & kolom)
+    data = sheet.get_all_values()
+
+    # Format ulang data menjadi satu teks panjang (dapat disesuaikan)
+    formatted_text = "\n".join([" | ".join(row) for row in data])
+    
+    return formatted_text
+
+# ===================================
+# 2️⃣ Fungsi untuk Mengunduh Model Llama
+# ===================================
 def initialize_llama_model():
-    # Unduh model jika belum ada di direktori kerja
     model_path = hf_hub_download(
-        repo_id="TheBLoke/zephyr-7b-beta-GGUF",  # Nama repo model
-        filename="zephyr-7b-beta.Q4_K_M.gguf",  # Nama file model
-        cache_dir="./models"  # Lokasi direktori untuk menyimpan model
+        repo_id="TheBLoke/zephyr-7b-beta-GGUF",  # 📌 Repo model HuggingFace
+        filename="zephyr-7b-beta.Q4_K_M.gguf",  # 📌 Nama file model
+        cache_dir="./models"
     )
     return model_path
 
-# Fungsi untuk mengatur konfigurasi Settings
-def initialize_settings(model_path):  
+# ===================================
+# 3️⃣ Inisialisasi Model dan Pengaturan
+# ===================================
+def initialize_settings(model_path):
     Settings.llm = LlamaCPP(
         model_path=model_path,
         temperature=0.7,
     )
 
-# Fungsi untuk Menginisialisasi Index
+# ===================================
+# 4️⃣ Inisialisasi Index dari Data Spreadsheet
+# ===================================
 def initialize_index():
-    # Tentukan dokumen input untuk pembacaan data
-    documents = SimpleDirectoryReader(input_files=["bahandokumen/K3.txt",
-                                                   "bahandokumen/bonus.txt",
-                                                   "bahandokumen/absensi.txt",
-                                                   "bahandokumen/cuti.txt",
-                                                   "bahandokumen/disiplinkerja.txt",
-                                                   "bahandokumen/fasilitas&bantuan.txt",
-                                                   "bahandokumen/fasilitaskerja.txt",
-                                                   "bahandokumen/hak.txt",
-                                                   "bahandokumen/hubunganpengusaha&serikat.txt",
-                                                   "bahandokumen/istilah.txt",
-                                                   "bahandokumen/jaminanserikat.txt",
-                                                   "bahandokumen/jamkes.txt",
-                                                   "bahandokumen/jamsos.txt",
-                                                   "bahandokumen/keluhkesah.txt",
-                                                   "bahandokumen/kenaikanupah.txt",
-                                                   "bahandokumen/kewajiban.txt",
-                                                   "bahandokumen/kompensasi.txt",
-                                                   "bahandokumen/larangan.txt",
-                                                   "bahandokumen/lembur.txt",
-                                                   "bahandokumen/luaskesepakatan.txt",
-                                                   "bahandokumen/mogok.txt",
-                                                   "bahandokumen/pelanggaran&sanksi.txt",
-                                                   "bahandokumen/pendidikan.txt",
-                                                   "bahandokumen/pengangkatan.txt",
-                                                   "bahandokumen/penilaian&promosi.txt",
-                                                   "bahandokumen/pensiun.txt",
-                                                   "bahandokumen/perjadin.txt",
-                                                   "bahandokumen/pesangon.txt",
-                                                   "bahandokumen/phk.txt",
-                                                   "bahandokumen/pihak.txt",
-                                                   "bahandokumen/pkb.txt",
-                                                   "bahandokumen/resign.txt",
-                                                   "bahandokumen/sanksi.txt",
-                                                   "bahandokumen/shift.txt",
-                                                   "bahandokumen/syaratkerja.txt",
-                                                   "bahandokumen/sisacuti.txt",
-                                                   "bahandokumen/target.txt",
-                                                   "bahandokumen/tatacara.txt",
-                                                   "bahandokumen/tka.txt",
-                                                   "bahandokumen/tunjangan.txt",
-                                                   "bahandokumen/uangpisah.txt",
-                                                   "bahandokumen/upah.txt",
-                                                   "bahandokumen/upahlembur.txt",
-                                                   "bahandokumen/waktukerja.txt"]).load_data()
+    # 🔹 Ambil teks dari Google Spreadsheet
+    text_data = read_google_sheet()
+
+    # 🔹 Konversi teks ke dalam format dokumen
+    documents = [text_data]
 
+    # 🔹 Proses data menjadi node untuk vektor embedding
     parser = SentenceSplitter(chunk_size=150, chunk_overlap=10)
     nodes = parser.get_nodes_from_documents(documents)
+    
+    # 🔹 Gunakan model embedding
     embedding = HuggingFaceEmbedding("sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2")
     Settings.embed_model = embedding
+    
+    # 🔹 Buat index vektor
     index = VectorStoreIndex(nodes)
     return index
 
-# Inisialisasi Mesin Chat
+# ===================================
+# 5️⃣ Inisialisasi Mesin Chatbot
+# ===================================
 def initialize_chat_engine(index):
-    from llama_index.core.prompts import PromptTemplate
-    from llama_index.core.chat_engine.condense_plus_context import CondensePlusContextChatEngine
     retriever = index.as_retriever(similarity_top_k=3)
     chat_engine = CondensePlusContextChatEngine.from_defaults(
         retriever=retriever,
@@ -94,45 +87,43 @@ def initialize_chat_engine(index):
     )
     return chat_engine
 
-# Fungsi untuk menghasilkan respons chatbot
+# ===================================
+# 6️⃣ Fungsi untuk Menghasilkan Respons Chatbot
+# ===================================
 def generate_response(message, history, chat_engine):
-    if history is None:  # ✅ Cek jika history None
+    if history is None:
         history = []
         
     chat_messages = [
         ChatMessage(
             role="system",
-            content="Anda adalah chatbot yang menjawab dalam bahasa Indonesia. Berikut contoh percakapan:\n"
-                "Pengguna: Apa itu lembur?\n"
-                "Chatbot: Lembur adalah pekerjaan yang dilakukan di luar jam kerja yang telah ditetapkan.\n"
-                "Pengguna: Apa syarat kerja di perusahaan?\n"
-                "Chatbot: Syarat kerja di perusahaan meliputi waktu kerja, gaji, dan tunjangan sesuai dengan peraturan perusahaan."
+            content="Anda adalah chatbot yang menjawab dalam bahasa Indonesia berdasarkan dokumen di Google Spreadsheet."
         ),
     ]
+    
     response = chat_engine.stream_chat(message)
-    text = "".join(response.response_gen)  # Gabungkan semua token menjadi string
+    text = "".join(response.response_gen)  # 🔹 Gabungkan semua token menjadi string
     
-    history.append((message, text))  # ✅ Sekarang history sudah pasti berupa list
+    history.append((message, text))
     return history
 
-def clear_history(chat_engine):
-    chat_engine.clear()
-    
-# Fungsi Utama untuk Menjalankan Aplikasi
+# ===================================
+# 7️⃣ Fungsi Utama untuk Menjalankan Aplikasi
+# ===================================
 def main():
-    # Unduh model dan inisialisasi pengaturan
+    # 🔹 Unduh model dan inisialisasi pengaturan
     model_path = initialize_llama_model()
     initialize_settings(model_path)  
 
-    # Inisialisasi index dan chat engine
+    # 🔹 Inisialisasi index dan chat engine
     index = initialize_index()
     chat_engine = initialize_chat_engine(index)  
 
-    # Fungsi untuk chat
+    # 🔹 Fungsi untuk chat
     def chatbot_response(message, history):
         return generate_response(message, history, chat_engine)  
 
-    # Luncurkan Gradio UI
+    # 🔹 Luncurkan Gradio UI
     gr.Interface(
         fn=chatbot_response,
         inputs=["text"],