Update app.py

app.py

@@ -227,34 +227,34 @@ prompt_template = ChatPromptTemplate.from_messages([
 
 
 
-def process_question(question: str):  
-    """  
-    Process the question and yield the answer progressively.  
-    """  
-    # Check cache first  
-    if question in question_cache:  
-        yield question_cache[question]  # Retourne directement depuis le cache si disponible  
-
-    relevant_docs = retriever(question)  
-    context = "\n".join([doc.page_content for doc in relevant_docs])  
-
-    prompt = prompt_template.format_messages(  
-        context=context,  
-        question=question  
-    )  
-
-    response = ""  # Initialise la réponse  
-    # Ici, nous supposons que 'llm.stream' est un générateur qui renvoie des chunks  
-    for chunk in llm.stream(prompt):  # suppose que llm.stream renvoie des chunks de réponse  
-        if isinstance(chunk, str):  
-            response += chunk  # Accumulez la réponse si c'est déjà une chaîne  
-        else:  
-            response += chunk.content  # Sinon, prenez le contenu du chunk (si chunk est un type d'objet spécifique)  
-
-        yield response, context  # Renvoie la réponse mise à jour et le contexte  
-
-    # Mettez le résultat en cache à la fin  
-    question_cache[question] = (response, context)   
+# def process_question(question: str):  
+#     """  
+#     Process the question and yield the answer progressively.  
+#     """  
+#     # Check cache first  
+#     if question in question_cache:  
+#         yield question_cache[question]  # Retourne directement depuis le cache si disponible  
+
+#     relevant_docs = retriever(question)  
+#     context = "\n".join([doc.page_content for doc in relevant_docs])  
+
+#     prompt = prompt_template.format_messages(  
+#         context=context,  
+#         question=question  
+#     )  
+
+#     response = ""  # Initialise la réponse  
+#     # Ici, nous supposons que 'llm.stream' est un générateur qui renvoie des chunks  
+#     for chunk in llm.stream(prompt):  # suppose que llm.stream renvoie des chunks de réponse  
+#         if isinstance(chunk, str):  
+#             response += chunk  # Accumulez la réponse si c'est déjà une chaîne  
+#         else:  
+#             response += chunk.content  # Sinon, prenez le contenu du chunk (si chunk est un type d'objet spécifique)  
+
+#         yield response, context  # Renvoie la réponse mise à jour et le contexte  
+
+#     # Mettez le résultat en cache à la fin  
+#     question_cache[question] = (response, context)   
 
 # # Custom CSS for right-aligned text in textboxes  
 # custom_css = """  
@@ -309,6 +309,8 @@ def process_question(question: str):
 #         show_error=True  
 #     )
 
+
+
 # CSS personnalisé avec l'importation de Google Fonts
 custom_css = """
 /* Import Google Fonts - Noto Sans Arabic */
@@ -415,7 +417,35 @@ button.primary-button:hover {
 }
 """
 
-# Interface Gradio avec la nouvelle police
+def process_question(question: str):  
+    """  
+    Process the question and return the answer and context
+    """  
+    # Check cache first  
+    if question in question_cache:  
+        return question_cache[question], ""  # Retourne la réponse cachée et un statut vide
+
+    relevant_docs = retriever(question)  
+    context = "\n".join([doc.page_content for doc in relevant_docs])  
+
+    prompt = prompt_template.format_messages(  
+        context=context,  
+        question=question  
+    )  
+
+    response = ""
+    for chunk in llm.stream(prompt):
+        if isinstance(chunk, str):  
+            response += chunk
+        else:  
+            response += chunk.content
+
+    # Mettre en cache le résultat
+    question_cache[question] = response
+
+    return response, context, ""  # Ajoute une chaîne vide pour le statut
+
+# Interface Gradio avec la correction
 with gr.Blocks(css=custom_css) as iface:
     with gr.Column(elem_classes="container"):
         gr.Markdown(
@@ -451,12 +481,13 @@ with gr.Blocks(css=custom_css) as iface:
             variant="primary"
         )
         
-        # Statut avec la nouvelle police
         status_text = gr.Markdown("", elem_classes="rtl-text status-text")
         
         def on_submit(question):
-            status_text.value = "جاري معالجة السؤال..."
-            return process_question(question)
+            # Retourne trois valeurs : réponse, contexte et statut
+            result, context, _ = process_question(question)
+            status = "تمت معالجة السؤال بنجاح"  # "Question processed successfully"
+            return result, context, status
         
         submit_btn.click(
             fn=on_submit,