Update app.py

app.py

@@ -40,31 +40,49 @@ def read_pkb_json():
 # ===================================
 def read_google_sheets():
     try:
+        # Tentukan scope akses ke Google Sheets & Drive
         scope = ["https://www.googleapis.com/auth/spreadsheets", "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)
-
+        
+        # ID Spreadsheet (tetap sama untuk semua sheet)
         SPREADSHEET_ID = "1e_cNMhwF-QYpyYUpqQh-XCw-OdhWS6EuYsoBUsVtdNg"
+
+        # 📌 Daftar nama worksheet yang akan dibaca
         sheet_names = ["datatarget", "datacuti", "dataabsen", "datalembur"]
 
-        all_data = []
+        all_data = []  # 🔹 List untuk menyimpan semua data
+
+        # 📌 Loop untuk membaca setiap worksheet
         spreadsheet = client.open_by_key(SPREADSHEET_ID)
         for sheet_name in sheet_names:
             try:
                 sheet = spreadsheet.worksheet(sheet_name)
                 data = sheet.get_all_values()
+                
+                # Tambahkan header nama sheet sebelum data untuk membedakan
                 all_data.append(f"=== Data dari {sheet_name.upper()} ===")
                 all_data.extend([" | ".join(row) for row in data])
-                all_data.append("\n")
+                all_data.append("\n")  # Pisahkan tiap sheet dengan newline
+                
             except gspread.exceptions.WorksheetNotFound:
                 all_data.append(f"❌ ERROR: Worksheet {sheet_name} tidak ditemukan.")
 
-        return "\n".join(all_data)
+        # Gabungkan semua data menjadi satu string panjang
+        formatted_text = "\n".join(all_data)
+        
+        return formatted_text
+    
+    except gspread.exceptions.SpreadsheetNotFound:
+        return "❌ ERROR: Spreadsheet tidak ditemukan. Pastikan ID/nama benar!"
+    
     except Exception as e:
         return f"❌ ERROR: {str(e)}"
 
 # ===================================
-# 3️⃣ Inisialisasi Model Llama
+# 2️⃣ Fungsi untuk Mengunduh Model Llama
 # ===================================
 def initialize_llama_model():
     model_path = hf_hub_download(
@@ -75,20 +93,33 @@ def initialize_llama_model():
     return model_path
 
 # ===================================
-# 4️⃣ Inisialisasi Index Data PKB & Spreadsheet
+# 3️⃣ Inisialisasi Model dan Pengaturan
+# ===================================
+def initialize_settings(model_path):
+    Settings.llm = LlamaCPP(
+        model_path=model_path,
+        temperature=0.7,
+    )
+
+# ===================================
+# 4️⃣ Inisialisasi Index dari Data Spreadsheet
 # ===================================
 def initialize_index():
     text_data = read_google_sheets() + "\n" + read_pkb_json()
     document = Document(text=text_data)
+    documents = [document]
+    
     parser = SentenceSplitter(chunk_size=150, chunk_overlap=10)
-    nodes = parser.get_nodes_from_documents([document])
+    nodes = parser.get_nodes_from_documents(documents)
+    
     embedding = HuggingFaceEmbedding("sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2")
     Settings.embed_model = embedding
+    
     index = VectorStoreIndex(nodes)
     return index
 
 # ===================================
-# 5️⃣ Inisialisasi Chatbot
+# 5️⃣ Inisialisasi Mesin Chatbot
 # ===================================
 def initialize_chat_engine(index):
     retriever = index.as_retriever(similarity_top_k=3)
@@ -99,26 +130,40 @@ def initialize_chat_engine(index):
     return chat_engine
 
 # ===================================
-# 6️⃣ Fungsi untuk Respons Chatbot
+# 6️⃣ Fungsi untuk Menghasilkan Respons Chatbot
 # ===================================
 def generate_response(message, history, chat_engine):
     if history is None:
         history = []
     
+    text_data = read_google_sheets()
+    document = Document(text=text_data)
+    documents = [document]
+    
+    parser = SentenceSplitter(chunk_size=150, chunk_overlap=10)
+    nodes = parser.get_nodes_from_documents(documents)
+    index = VectorStoreIndex(nodes)
+    retriever = index.as_retriever(similarity_top_k=3)
+    
+    chat_engine = CondensePlusContextChatEngine.from_defaults(
+        retriever=retriever,
+        verbose=True,
+    )
+    
     chat_messages = [
-        ChatMessage(
-            role="system",
-            content=(
-                "Anda adalah chatbot yang dirancang khusus untuk berbicara dalam Bahasa Indonesia. "
+    ChatMessage(
+        role="system",
+        content=(
+            "Anda adalah chatbot yang dirancang khusus untuk berbicara dalam Bahasa Indonesia. "
                 "Anda adalah chatbot HRD yang membantu karyawan dalam memahami administrasi dan data perusahaan. "
                 "Anda tidak diperbolehkan menjawab dalam bahasa lain, termasuk Inggris. "
                 "Gunakan gaya bahasa profesional tetapi tetap ramah. "
                 "Jika informasi tidak tersedia dalam dokumen, katakan dengan sopan bahwa Anda tidak tahu. "
                 "Pastikan setiap jawaban diberikan secara ringkas, jelas, dan sesuai konteks."
                 "Jawaban harus singkat, jelas, dan dalam Bahasa Indonesia."
-            ),
         ),
-    ]
+    ),
+]
     
     response = chat_engine.stream_chat(message)
     text = "".join(response.response_gen)
@@ -131,17 +176,14 @@ def generate_response(message, history, chat_engine):
 # ===================================
 def main():
     model_path = initialize_llama_model()
-    Settings.llm = LlamaCPP(
-        model_path=model_path,
-        temperature=0.7,
-    )
-    
+    initialize_settings(model_path)  
+
     index = initialize_index()
-    chat_engine = initialize_chat_engine(index)
-    
+    chat_engine = initialize_chat_engine(index)  
+
     def chatbot_response(message, history):
-        return generate_response(message, history, chat_engine)
-    
+        return generate_response(message, history, chat_engine)  
+
     gr.Interface(
         fn=chatbot_response,
         inputs=["text"],