Upload 24 files

DEPLOY.md

@@ -9,7 +9,7 @@
 3. Выберите:
    - **Owner**: ваш аккаунт
    - **Space name**: `itmo-chatbot` (или любое другое)
-   - **Space SDK**: **Docker** (важно!)
+   - **Space SDK**: **Streamlit** (важно!)
    - **License**: MIT
    - **Visibility**: Public
 
@@ -23,12 +23,8 @@
 - `data_layer.py` → `data_layer.py`
 - `llm.py` → `llm.py`
 - `requirements.txt` → `requirements.txt`
-- `Dockerfile` → `Dockerfile`
 - `README.md` → `README.md`
 
-#### Директории:
-- `templates/` → `templates/` (содержит `index.html`)
-
 ### 3. Структура файлов на HF
 
 ```
@@ -38,10 +34,7 @@ your-space/
 ├── data_layer.py
 ├── llm.py
 ├── requirements.txt
-├── Dockerfile
-├── README.md
-└── templates/
-    └── index.html
+└── README.md
 ```
 
 ## 🔧 Настройка Space
@@ -56,58 +49,54 @@ your-space/
 ### 2. Environment Variables (опционально)
 
 Можно добавить переменные окружения:
-- `FLASK_ENV=production`
-- `PORT=7860`
+- `STREAMLIT_SERVER_PORT=8501`
+- `STREAMLIT_SERVER_ADDRESS=0.0.0.0`
 
 ## 🚀 Запуск
 
 После загрузки всех файлов:
 
-1. HF автоматически соберет Docker образ
-2. Приложение запустится на порту 7860
+1. HF автоматически установит зависимости из `requirements.txt`
+2. Streamlit приложение запустится на порту 8501
 3. Доступ будет по адресу: `https://your-username-itmo-chatbot.hf.space`
 
 ## 📊 Мониторинг
 
-### Логи сборки
-- Проверьте логи сборки в разделе "Build logs"
-- Убедитесь, что нет ошибок в Docker build
+### Логи установки
+- Проверьте логи установки в разделе "Build logs"
+- Убедитесь, что все зависимости установились
 
 ### Логи приложения
-- В разделе "App logs" можно увидеть логи Flask приложения
+- В разделе "App logs" можно увидеть логи Streamlit приложения
 - Проверьте, что приложение запустилось без ошибок
 
 ## 🧪 Тестирование
 
-### 1. Проверка статуса
-```bash
-curl https://your-username-itmo-chatbot.hf.space/api/status
-```
+### 1. Проверка интерфейса
+- Откройте приложение в браузере
+- Проверьте, что все элементы интерфейса отображаются
+- Убедитесь, что чат работает
 
 ### 2. Тест чата
-```bash
-curl -X POST https://your-username-itmo-chatbot.hf.space/api/chat \
-  -H "Content-Type: application/json" \
-  -d '{"message": "Какие курсы по машинному обучению?"}'
-```
+- Введите вопрос: "Какие курсы по машинному обучению?"
+- Проверьте, что бот отвечает корректно
 
 ### 3. Тест рекомендаций
-```bash
-curl -X POST https://your-username-itmo-chatbot.hf.space/api/recommendations \
-  -H "Content-Type: application/json" \
-  -d '{"programming_exp": 3, "math_level": 2, "interests": ["ml"], "semester": "1"}'
-```
+- Заполните форму профиля
+- Выберите семестр
+- Нажмите "Получить рекомендации"
+- Проверьте, что рекомендации генерируются
 
 ## 🔍 Возможные проблемы
 
-### 1. Ошибка сборки Docker
-- Проверьте синтаксис Dockerfile
-- Убедитесь, что все файлы загружены
-- Проверьте requirements.txt
+### 1. Ошибка установки зависимостей
+- Проверьте синтаксис requirements.txt
+- Убедитесь, что все пакеты совместимы
+- Проверьте версии Python
 
 ### 2. Ошибка запуска приложения
 - Проверьте логи в разделе "App logs"
-- Убедитесь, что порт 7860 открыт
+- Убедитесь, что app.py запускается без ошибок
 - Проверьте импорты в app.py
 
 ### 3. Проблемы с LLM
@@ -116,24 +105,39 @@ curl -X POST https://your-username-itmo-chatbot.hf.space/api/recommendations \
 
 ## 📈 Оптимизация
 
-### 1. Уменьшение размера образа
-- Используйте `.dockerignore`
-- Оптимизируйте requirements.txt
-- Используйте многоэтапную сборку
-
-### 2. Ускорение запуска
-- Кэшируйте pip зависимости
-- Используйте легковесный ��азовый образ
+### 1. Ускорение запуска
+- Используйте кэширование Streamlit (`@st.cache_data`)
 - Оптимизируйте загрузку LLM
+- Минимизируйте количество зависимостей
+
+### 2. Улучшение UI
+- Добавьте индикаторы загрузки
+- Используйте прогресс-бары для длительных операций
+- Добавьте уведомления об ошибках
 
 ## 🎯 Готово!
 
 После успешного деплоя:
 - ✅ Приложение доступно по HTTPS
-- ✅ Все API endpoints работают
-- ✅ Веб-интерфейс функционирует
+- ✅ Streamlit интерфейс работает
+- ✅ Чат функционирует
 - ✅ Парсинг данных работает
 - ✅ Рекомендации генерируются
 - ✅ LLM отвечает на вопросы
 
 **Ваш чат-бот готов к использованию!** 🎉
+
+## 🐳 Локальный запуск с Docker
+
+Если хотите протестировать локально:
+
+```bash
+# Сборка и запуск
+docker-compose up --build
+
+# Или вручную
+docker build -t itmo-chatbot .
+docker run -p 8501:8501 itmo-chatbot
+```
+
+Приложение будет доступно по адресу: `http://localhost:8501`

Dockerfile

@@ -22,7 +22,7 @@ COPY . .
 RUN mkdir -p data/processed
 
 # Открываем порт
-EXPOSE 7860
+EXPOSE 8501
 
-# Запускаем приложение
-CMD ["python", "app.py"]
+# Запускаем Streamlit приложение
+CMD ["streamlit", "run", "app.py", "--server.port=8501", "--server.address=0.0.0.0"]

README.md

@@ -9,9 +9,9 @@ app_file: app.py
 pinned: false
 ---
 
-# 🤖 ITMO Магистратура - Чат-бот (Docker)
+# 🤖 ITMO Магистратура - Чат-бот (Streamlit)
 
-Минимально работающий прототип чат-бота для абитуриентов магистратур ITMO с парсингом данных, диалоговой системой и персонализированными рекомендациями. Теперь работает в Docker!
+Минимально работающий прототип чат-бота для абитуриентов магистратур ITMO с парсингом данных, диалоговой системой и персонализированными рекомендациями. Теперь работает на Streamlit!
 
 ## 🎯 Ключевые функции
 
@@ -33,7 +33,7 @@ pinned: false
 - **Рекомендации по семестрам** с объяснением выбора
 - **LLM-генерация** персонализированных советов
 
-## 🚀 Быстрый старт с Docker
+## 🚀 Быстрый старт с Streamlit
 
 ### Локальный запуск
 
@@ -42,37 +42,35 @@ pinned: false
 git clone <your-repo-url>
 cd <your-repo-name>
 
-# Запускаем с Docker Compose
-docker-compose up --build
+# Устанавливаем зависимости
+pip install -r requirements.txt
 
-# Или собираем и запускаем вручную
-docker build -t itmo-chatbot .
-docker run -p 7860:7860 itmo-chatbot
+# Запускаем Streamlit
+streamlit run app.py
+
+# Или с Docker
+docker-compose up --build
 ```
 
 ### Деплой на Hugging Face Spaces
 
 1. Создайте новый Space на [Hugging Face](https://huggingface.co/spaces)
-2. Выберите **Docker** (не Gradio!)
+2. Выберите **Streamlit** SDK
 3. Загрузите файлы:
    - `app.py` → `app.py`
    - `parser.py` → `parser.py`
    - `data_layer.py` → `data_layer.py`
    - `llm.py` → `llm.py`
    - `requirements.txt` → `requirements.txt`
-   - `Dockerfile` → `Dockerfile`
-   - `templates/index.html` → `templates/index.html`
    - `README.md` → `README.md`
 
 ## 📁 Структура проекта
 
 ```
-├── app.py              # Flask приложение
+├── app.py              # Streamlit приложение
 ├── parser.py           # Парсинг данных с сайтов ITMO
 ├── data_layer.py       # Работа с данными и рекомендации
 ├── llm.py             # LLM система
-├── templates/          # HTML шаблоны
-│   └── index.html     # Веб-интерфейс
 ├── Dockerfile         # Docker конфигурация
 ├── docker-compose.yml # Docker Compose
 ├── requirements.txt   # Python зависимости
@@ -90,12 +88,12 @@ docker run -p 7860:7860 itmo-chatbot
 ✅ **12 fallback курсов** - полные учебные планы ИИ и AI Product  
 ✅ **Строгая релевантность** - отвечает только на вопросы об ITMO  
 ✅ **Fallback режим** - работает без LLM  
+✅ **Streamlit интерфейс** - современный и интуитивный UI  
 ✅ **Docker контейнеризация** - стабильный деплой  
-✅ **Веб-интерфейс** - современный UI на Flask  
 
 ## 🔧 Технологии
 
-- **Flask** - веб-фреймворк
+- **Streamlit** - веб-фреймворк для ML приложений
 - **Docker** - контейнеризация
 - **Transformers** - LLM модель (RuT5-base-multitask)
 - **BeautifulSoup** - парсинг HTML страниц
@@ -182,7 +180,7 @@ docker run -p 7860:7860 itmo-chatbot
 docker build -t itmo-chatbot .
 
 # Запуск контейнера
-docker run -p 7860:7860 itmo-chatbot
+docker run -p 8501:8501 itmo-chatbot
 
 # Запуск с Docker Compose
 docker-compose up --build
@@ -210,4 +208,4 @@ MIT License - свободное использование и модифика
 
 **Создано для абитуриентов магистратур ITMO** 🎓
 
-*Минимально работающий прототип: парсинг + диалог + рекомендации + Docker*
+*Минимально работающий прототип: парсинг + диалог + рекомендации + Streamlit*

app.py

@@ -1,4 +1,4 @@
-from flask import Flask, render_template, request, jsonify
+import streamlit as st
 import os
 
 # Импорты модулей
@@ -6,30 +6,68 @@ from parser import parse_all
 from data_layer import load_courses, filter_courses, recommend_courses, is_relevant
 from llm import answer, generate_recommendations
 
-app = Flask(__name__)
+# Настройка страницы
+st.set_page_config(
+    page_title='ITMO Магистратура - Чат-бот',
+    page_icon='🤖',
+    layout='wide',
+    initial_sidebar_state='expanded'
+)
 
 # Инициализация данных
-courses = load_courses()
-print(f'Загружено курсов: {len(courses)}')
+@st.cache_data
+def load_courses_data():
+    """Загружаем курсы с кэшированием"""
+    return load_courses()
 
-@app.route('/')
-def index():
-    """Главная страница"""
-    return render_template('index.html', courses_count=len(courses))
+courses = load_courses_data()
 
-@app.route('/api/chat', methods=['POST'])
-def chat():
-    """API для чата"""
-    try:
-        data = request.get_json()
-        message = data.get('message', '').strip()
-        
-        if not message:
-            return jsonify({'error': 'Пустое сообщение'}), 400
-        
-        # Проверяем релевантность
-        if not is_relevant(message):
-            response = '''Похоже, вопрос не относится к магистратурам ITMO и их учебным планам. 
+# Инициализация сессии
+if 'chat_history' not in st.session_state:
+    st.session_state.chat_history = []
+
+if 'courses_count' not in st.session_state:
+    st.session_state.courses_count = len(courses)
+
+# Заголовок
+st.title('🤖 ITMO Магистратура - Чат-бот')
+st.markdown('Задавайте вопросы о программах ИИ и AI Product, получайте персональные рекомендации по курсам')
+
+# Статистика
+col1, col2, col3 = st.columns(3)
+with col1:
+    st.metric('📊 Загружено курсов', st.session_state.courses_count)
+with col2:
+    st.metric('🎯 Программ', 2)
+with col3:
+    st.metric('📚 Семестров', 4)
+
+st.divider()
+
+# Основной контент
+col1, col2 = st.columns([2, 1])
+
+with col1:
+    st.subheader('💬 Чат с ботом')
+    
+    # Поле ввода сообщения
+    user_message = st.text_input(
+        'Введите сообщение',
+        placeholder='Спрашивайте о дисциплинах, программах, учебных планах...',
+        key='user_input'
+    )
+    
+    # Кнопки
+    col_btn1, col_btn2 = st.columns(2)
+    with col_btn1:
+        if st.button('Отправить', type='primary'):
+            if user_message.strip():
+                # Добавляем сообщение пользователя
+                st.session_state.chat_history.append(('user', user_message))
+                
+                # Проверяем релевантность
+                if not is_relevant(user_message):
+                    response = '''Похоже, вопрос не относится к магистратурам ITMO и их учебным планам.
 
 Попробуйте спросить, например:
 • "Какие дисциплины по NLP в 1 семестре программы ИИ?"
@@ -37,100 +75,165 @@ def chat():
 • "Какие курсы по машинному обучению есть в программе ИИ?"
 • "Сколько кредитов за дисциплину 'Глубокое обучение'?"
 • "Какие курсы подходят для моего профиля?"'''
-            return jsonify({'response': response})
-        
-        # Определяем программу из сообщения
-        program_id = None
-        message_lower = message.lower()
-        if any(word in message_lower for word in ['ai product', 'продукт', 'менеджмент', 'аналитика']):
-            program_id = 'ai_product'
-        elif any(word in message_lower for word in ['ии', 'ai', 'машинное обучение', 'глубокое обучение', 'nlp', 'cv']):
-            program_id = 'ai'
-        
-        # Извлекаем семестр если указан
-        semester = None
-        for i in range(1, 5):
-            if f'{i} семестр' in message_lower or f'{i} семестре' in message_lower:
-                semester = i
-                break
-        
-        # Фильтруем курсы
-        context = filter_courses(message, program_id, semester)
-        
-        if not context:
-            response = 'К сожалению, не нашел релевантной информации в учебных планах ITMO. Попробуйте переформулировать вопрос.'
+                else:
+                    # Определяем программу из сообщения
+                    program_id = None
+                    message_lower = user_message.lower()
+                    if any(word in message_lower for word in ['ai product', 'продукт', 'менеджмент', 'аналитика']):
+                        program_id = 'ai_product'
+                    elif any(word in message_lower for word in ['ии', 'ai', 'машинное обучение', 'глубокое обучение', 'nlp', 'cv']):
+                        program_id = 'ai'
+                    
+                    # Извлекаем семестр если указан
+                    semester = None
+                    for i in range(1, 5):
+                        if f'{i} семестр' in message_lower or f'{i} семестре' in message_lower:
+                            semester = i
+                            break
+                    
+                    # Фильтруем курсы
+                    context = filter_courses(user_message, program_id, semester)
+                    
+                    if not context:
+                        response = 'К сожалению, не нашел релевантной информации в учебных планах ITMO. Попробуйте переформулировать вопрос.'
+                    else:
+                        # Генерируем ответ с помощью LLM
+                        response = answer(user_message, context)
+                
+                # Добавляем ответ бота
+                st.session_state.chat_history.append(('bot', response))
+                
+                # Ограничиваем историю до 6 сообщений (3 пары)
+                if len(st.session_state.chat_history) > 6:
+                    st.session_state.chat_history = st.session_state.chat_history[-6:]
+                
+                # Очищаем поле ввода
+                st.rerun()
+    
+    with col_btn2:
+        if st.button('Очистить чат'):
+            st.session_state.chat_history = []
+            st.rerun()
+    
+    # Отображение истории чата
+    chat_container = st.container()
+    with chat_container:
+        if not st.session_state.chat_history:
+            st.info('Привет! Я помогу тебе узнать больше о магистерских программах ITMO. Задавай вопросы о курсах, программах и получай персональные рекомендации!')
         else:
-            # Генерируем ответ с помощью LLM
-            response = answer(message, context)
-        
-        return jsonify({'response': response})
-        
-    except Exception as e:
-        return jsonify({'error': f'Ошибка обработки: {str(e)}'}), 500
+            for role, message in st.session_state.chat_history:
+                if role == 'user':
+                    with st.chat_message('user'):
+                        st.write(message)
+                else:
+                    with st.chat_message('assistant'):
+                        st.write(message)
 
-@app.route('/api/recommendations', methods=['POST'])
-def get_recommendations():
-    """API для рекомендаций"""
-    try:
-        data = request.get_json()
-        programming_exp = data.get('programming_exp', 2)
-        math_level = data.get('math_level', 2)
-        interests = data.get('interests', [])
-        semester = data.get('semester', '')
-        
-        if not semester:
-            return jsonify({'error': 'Пожалуйста, укажите семестр для получения рекомендаций.'}), 400
+with col2:
+    st.subheader('👤 Профиль для рекомендаций')
+    
+    # Форма профиля
+    with st.form('profile_form'):
+        programming_exp = st.slider(
+            'Опыт программирования (0-5)',
+            min_value=0, max_value=5, value=2,
+            help='0 - нет опыта, 5 - эксперт'
+        )
         
-        try:
-            semester_int = int(semester)
-        except ValueError:
-            return jsonify({'error': 'Пожалуйста, выберите корректный семестр.'}), 400
+        math_level = st.slider(
+            'Уровень математики (0-4)',
+            min_value=0, max_value=4, value=2,
+            help='0 - базовый, 4 - продвинутый'
+        )
         
-        # Формируем профиль
-        profile = {
-            'programming_experience': programming_exp,
-            'math_level': math_level,
-            'interests': interests,
-            'semester': semester_int
-        }
+        interests = st.multiselect(
+            'Интересы',
+            options=['ml', 'dl', 'nlp', 'cv', 'product', 'business', 'research', 'data', 'systems', 'python', 'math'],
+            default=['ml'],
+            help='Выберите интересующие направления'
+        )
         
-        # Получаем рекомендации
-        recommended_courses = recommend_courses(profile)
+        semester = st.selectbox(
+            'Целевой семестр',
+            options=['', '1', '2', '3', '4'],
+            help='Для получения рекомендаций'
+        )
         
-        if not recommended_courses:
-            response = f'К сожалению, не найдено подходящих курсов для {semester} семестра.'
-        else:
-            # Генерируем ответ с помощью LLM
-            response = generate_recommendations(recommended_courses, profile)
-        
-        return jsonify({'response': response})
-        
-    except Exception as e:
-        return jsonify({'error': f'Ошибка получения рекомендаций: {str(e)}'}), 500
-
-@app.route('/api/update_data', methods=['POST'])
-def update_data():
-    """API для обновления данных"""
-    try:
-        success = parse_all()
-        if success:
-            # Перезагружаем курсы
-            global courses
-            courses = load_courses()
-            return jsonify({'message': f'Данные успешно обновлены! Загружено {len(courses)} курсов.'})
+        col_rec1, col_rec2 = st.columns(2)
+        with col_rec1:
+            get_recommendations = st.form_submit_button('🎯 Получить рекомендации', type='primary')
+        with col_rec2:
+            update_data = st.form_submit_button('🔄 Обновить данные')
+    
+    # Обработка рекомендаций
+    if get_recommendations:
+        if not semester:
+            st.error('Пожалуйста, выберите семестр для получения рекомендаций.')
         else:
-            return jsonify({'error': 'Ошибка при обновлении данных. Используются базовые курсы.'}), 500
-    except Exception as e:
-        return jsonify({'error': f'Ошибка обновления данных: {str(e)}'}), 500
+            with st.spinner('Генерируем рекомендации...'):
+                try:
+                    # Формируем профиль
+                    profile = {
+                        'programming_experience': programming_exp,
+                        'math_level': math_level,
+                        'interests': interests,
+                        'semester': int(semester)
+                    }
+                    
+                    # Получаем рекомендации
+                    recommended_courses = recommend_courses(profile)
+                    
+                    if not recommended_courses:
+                        st.warning(f'К сожалению, не найдено подходящих курсов для {semester} семестра.')
+                    else:
+                        # Генерируем ответ с помощью LLM
+                        response = generate_recommendations(recommended_courses, profile)
+                        
+                        st.success('Рекомендации готовы!')
+                        st.text_area('Рекомендации:', response, height=300, disabled=True)
+                        
+                except Exception as e:
+                    st.error(f'Ошибка получения рекомендаций: {str(e)}')
+    
+    # Обработка обновления данных
+    if update_data:
+        with st.spinner('Обновляем данные...'):
+            try:
+                success = parse_all()
+                if success:
+                    # Перезагружаем курсы
+                    st.session_state.courses_count = len(load_courses())
+                    st.success(f'Данные успешно обновлены! Загружено {st.session_state.courses_count} курсов.')
+                    st.rerun()
+                else:
+                    st.error('Ошибка при обновлении данных. Используются базовые курсы.')
+            except Exception as e:
+                st.error(f'Ошибка обновления данных: {str(e)}')
 
-@app.route('/api/status')
-def status():
-    """API для проверки статуса"""
-    return jsonify({
-        'status': 'ok',
-        'courses_count': len(courses),
-        'llm_available': True
-    })
+# Футер
+st.divider()
+st.markdown('---')
+st.markdown('**Создано для абитуриентов магистратур ITMO** 🎓')
 
-if __name__ == '__main__':
-    app.run(host='0.0.0.0', port=7860, debug=False)
+# Боковая панель с информацией
+with st.sidebar:
+    st.header('ℹ️ И��формация')
+    
+    st.subheader('📚 Программы')
+    st.markdown("""
+    - **Искусственный интеллект** - ML, DL, NLP, CV
+    - **AI Product Management** - продуктовая аналитика, управление
+    """)
+    
+    st.subheader('🎯 Примеры вопросов')
+    st.markdown("""
+    - "Какие курсы по машинному обучению?"
+    - "Сколько кредитов за глубокое обучение?"
+    - "Расскажи о программе AI Product"
+    - "Какие дисциплины в 1 семестре?"
+    """)
+    
+    st.subheader('🔧 Статус системы')
+    st.success('✅ Система работает')
+    st.info(f'📊 Курсов: {st.session_state.courses_count}')
+    st.info('🤖 LLM: Доступен')

docker-compose.yml

@@ -4,9 +4,10 @@ services:
   itmo-chatbot:
     build: .
     ports:
-      - "7860:7860"
+      - "8501:8501"
     volumes:
       - ./data:/app/data
     environment:
-      - FLASK_ENV=production
+      - STREAMLIT_SERVER_PORT=8501
+      - STREAMLIT_SERVER_ADDRESS=0.0.0.0
     restart: unless-stopped

requirements.txt

@@ -1,4 +1,4 @@
-flask==2.3.3
+streamlit==1.28.1
 transformers==4.36.2
 torch==2.1.0
 requests==2.31.0