Update app.py

app.py

@@ -17,7 +17,7 @@ load_dotenv()
 
 # Configura il logging
 logging.basicConfig(
-    level=logging.DEBUG,
+    level=logging.INFO,  # Riduci il livello di logging per migliorare le prestazioni
     format="%(asctime)s - %(levelname)s - %(message)s",
     handlers=[logging.FileHandler("app.log"), logging.StreamHandler()]
 )
@@ -35,7 +35,7 @@ client = InferenceClient(token=API_KEY)
 # Definisci i percorsi dei file
 BASE_DIR = os.path.dirname(os.path.abspath(__file__))
 RDF_FILE = os.path.join(BASE_DIR, "Ontologia.rdf")
-HF_MODEL = "Qwen/Qwen2.5-72B-Instruct"
+HF_MODEL = "Qwen/Qwen2.5-72B-Instruct"  # Assicurati che il modello sia supportato
 
 MAX_CLASSES = 30
 MAX_PROPERTIES = 30
@@ -171,7 +171,7 @@ def prepare_retrieval():
     else:
         logger.info(f"File RDF trovato: {RDF_FILE}")
 
-    # Verifica se documents.json esiste, altrimenti generalo
+    # Verifica se documents.json esiste, altrimenti generarlo
     if not os.path.exists(DOCUMENTS_FILE):
         logger.info(f"File {DOCUMENTS_FILE} non trovato. Estrazione dell'ontologia.")
         try:
@@ -182,7 +182,7 @@ def prepare_retrieval():
     else:
         logger.info(f"File {DOCUMENTS_FILE} trovato.")
 
-    # Verifica se faiss.index esiste, altrimenti crealo
+    # Verifica se faiss.index esiste, altrimenti crearlo
     if not os.path.exists(FAISS_INDEX_FILE):
         logger.info(f"File {FAISS_INDEX_FILE} non trovato. Creazione dell'indice FAISS.")
         try:
@@ -307,11 +307,11 @@ REGOLE STRINGENTI:
 4) Se la domanda è generica (tipo 'Ciao, come stai?'), rispondi breve.
 5) Se trovi risultati, la risposta finale deve essere la query SPARQL (una sola riga).
 6) Se non trovi nulla, rispondi con 'Nessuna info.'
-7) Non multiline. Esempio: PREFIX base: <...> SELECT ?x WHERE {{ ... }}.
+7) Non multiline. Esempio: PREFIX base: <...> SELECT ?x WHERE { ... }.
 
 Esempio:
 Utente: Chi ha creato l'opera 'Amore e Psiche'?
-Risposta: PREFIX base: <http://www.semanticweb.org/lucreziamosca/ontologies/progettoMuseo#> SELECT ?creatore WHERE {{ ?opera base:hasName "Amore e Psiche" . ?opera base:creatoDa ?creatore . }}
+Risposta: PREFIX base: <http://www.semanticweb.org/lucreziamosca/ontologies/progettoMuseo#> SELECT ?creatore WHERE { ?opera base:hasName "Amore e Psiche" . ?opera base:creatoDa ?creatore . }
 
 FINE REGOLE
 """
@@ -324,7 +324,7 @@ Ho ottenuto questi risultati SPARQL:
 Ora fornisci una breve spiegazione museale (massimo ~10 righe), senza inventare oltre i risultati.
 """
 
-async def call_hf_model(prompt: str, temperature=0.5, max_tokens=1024) -> str:
+async def call_hf_model(prompt: str, temperature: float = 0.5, max_tokens: int = 1024) -> str:
     """Chiama il modello Hugging Face e gestisce la risposta."""
     logger.debug("Chiamo HF con il seguente prompt:")
     content_preview = (prompt[:300] + '...') if len(prompt) > 300 else prompt
@@ -332,15 +332,17 @@ async def call_hf_model(prompt: str, temperature=0.5, max_tokens=1024) -> str:
     try:
         resp = client.text_generation(
             model=HF_MODEL,
-            inputs=prompt,
+            prompt,  # Passa il prompt come argomento posizionale
             parameters={
                 "temperature": temperature,
                 "max_new_tokens": max_tokens,
                 "top_p": 0.9
             }
         )
-        # La struttura della risposta dipende dall'API; verifica se "generated_text" è il campo corretto
-        raw = resp["generated_text"]
+        # La struttura della risposta potrebbe variare; verifica il campo corretto
+        raw = resp.get("generated_text", "")
+        if not raw:
+            raise ValueError("Nessun testo generato dal modello.")
         # Forza la risposta su una singola linea se multilinea
         single_line = " ".join(raw.splitlines())
         logger.debug(f"Risposta HF single-line: {single_line}")