Update app.py

app.py

@@ -54,6 +54,8 @@ Pour moi, une bonne IA éducative ne doit pas chercher à enseigner. Cette tâch
 
 is_first_interaction = True
 
+model_context = []
+
 def determine_response_type(message):
 # Liste améliorée de mots-clés pour les réponses courtes
     short_response_keywords = [
@@ -171,13 +173,15 @@ def generate(
     temperature: float = 0.7,
     top_p: float = 0.95,
 ) -> Iterator[str]:
-    global is_first_interaction
+    global model_context, is_first_interaction
     
     if is_first_interaction:
         warning_message = """⚠️ Attention : Je suis un modèle en version alpha (V.0.0.3.5) et je peux générer des réponses incohérentes ou inexactes. Une mise à jour majeure avec un système RAG est prévue pour améliorer mes performances. Merci de votre compréhension ! 😊
 """
         yield warning_message
         is_first_interaction = False
+        
+    model_context = chat_history[-context_length:]
     
     response_type = determine_response_type(message)
     
@@ -192,10 +196,13 @@ def generate(
     enhanced_system_prompt = f"{system_prompt}\n\n{LUCAS_KNOWLEDGE_BASE}"
     conversation.append({"role": "system", "content": enhanced_system_prompt})
     
-    for user, _ in chat_history[-5:]:
-        conversation.append({"role": "user", "content": user})
+        
+    for user_msg, bot_msg in model_context:
+        if user_msg:
+            conversation.append({"role": "user", "content": user_msg})
+        if bot_msg:
+            conversation.append({"role": "assistant", "content": bot_msg})
     
-    conversation.append({"role": "user", "content": message})
     
     input_ids = tokenizer.apply_chat_template(conversation, return_tensors="pt")
     if input_ids.shape[1] > MAX_INPUT_TOKEN_LENGTH:
@@ -352,6 +359,12 @@ def generate_statistics():
     history.reverse()  # Afficher les interactions les plus récentes en premier
     
     return f"Nombre total d'interactions : {total_interactions}", fig_likes, fig_evolution, history
+    
+    context_str = "\n".join([f"User: {msg[0]}\nLucas: {msg[1]}" for msg in model_context])
+    if not context_str:
+        context_str = "Aucun contexte disponible."
+    
+    return f"Nombre total d'interactions : {total_interactions}", fig_likes, fig_evolution, history, context_str
 
 
 with gr.Blocks() as demo:
@@ -412,6 +425,15 @@ with gr.Blocks() as demo:
                 inputs=[],
                 outputs=[total_interactions, likes_chart, evolution_chart, history_dataframe]
             )
+            
+            gr.Markdown("## Contexte actuel du modèle")
+            model_context_display = gr.Textbox(label="Contexte du modèle", lines=10)
+            
+            stats_button.click(
+                generate_statistics,
+                inputs=[],
+                outputs=[total_interactions, likes_chart, evolution_chart, history_dataframe, model_context_display]
+            )
         
         with gr.Tab("À propos"):
             gr.Markdown(Path(current_dir / "about.md").read_text())