app.py - master - pr_aytipelag/DataSphere_Analytics

app.py
178 строк11 KB
kontrama
загружена финальная, рабочая версия сайта
19 июн 2025, 14:42
19 июн 2025, 14:424a14896
from flask import Flask, render_template, request, jsonify, session
from dotenv import load_dotenv
import smtplib
from email.mime.text import MIMEText
from email.mime.multipart import MIMEMultipart
import os
import re
from openai import OpenAI

# Загрузить переменные среды
load_dotenv()

app = Flask(__name__)
app.config['SECRET_KEY'] = os.urandom(24)  # Для защиты от CSRF

## Загрузка учётных данных эл.почты
#EMAIL_ADDRESS = os.environ.get('EMAIL_ADDRESS')
#EMAIL_PASSWORD = os.environ.get('EMAIL_PASSWORD')

## Проврека установленных учетных данных
#if not EMAIL_ADDRESS or not EMAIL_PASSWORD:
#    raise ValueError("Учётные файлы электронной почты не указанны в файле .env")


# Настройка API OpenRouter (из app.py(1) Кости)
OPENROUTER_API_KEY = "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"
client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key=OPENROUTER_API_KEY,
)

# system prompt и начальный user prompt
SYSTEM_MESSAGE = {
    "role": "system",
    "content": (
        "Вы — виртуальный ассистент компании DataSphere Analytics, эксперта в области анализа больших данных и интеллектуальных бизнес-решений. "
        "Используйте следующую информацию о компании для ответов клиентам:\n\n"
        "DataSphere Analytics специализируется на анализе больших данных и предоставлении интеллектуальных решений для стратегических бизнес-решений. "
        "Мы помогаем организациям преобразовать данные в ценную информацию для более осознанных и точных решений. Наши решения основаны на передовых методах машинного обучения и аналитики, обеспечивая точность и глубину анализа.\n\n"
        "Основные направления:\n"
        "- Анализ больших данных: обработка и анализ больших объёмов данных для выявления скрытых тенденций и возможностей.\n"
        "- Машинное обучение: разработка моделей для предсказания рыночных трендов, прогнозирования продаж и оптимизации операций.\n"
        "- Интерактивные дашборды: создание визуализированных отчетов и дашбордов для удобного доступа к ключевым KPI.\n"
        "- Консалтинг: анализ текущего состояния бизнеса и рекомендации по оптимизации процессов.\n"
        "- Измеримые результаты: повышение прибыли на 20-40%, снижение времени принятия решений на 50%, улучшение качества данных на 80%.\n\n"
        "Цель: помочь организациям использовать данные как стратегический инструмент для улучшения бизнес-процессов и повышения конкурентоспособности."
"Если пользователь просит связать его с менеджером, не отвечайте на этот вопрос самостоятельно. Вместо этого, передайте эту просьбу на электронную почту менеджера и сообщите пользователю, что его запрос принят и менеджер свяжется с ним в ближайшее время.\n\n"
    )
}

INITIAL_USER_INSTRUCTION = {
    "role": "user",
    "content": (
        "Ваша задача — кратко и понятно рассказывать клиентам о возможностях компании, выявлять их потребности и предлагать соответствующие решения. "
        "Клиенты могут спрашивать о том, как мы помогаем бизнесу принимать лучшие решения, какие технологии и методы используем, а также о результатах, "
        "которых могут ожидать. Стиль общения — профессиональный, но доступный. Отвечайте одним абзацем, включающим 2-3 связанных темы из контекста, "
        "без лишней информации и символов Юникода. Если пользователь приветствует вас или задаёт общие вопросы (например, «привет», «как дела?», «добрый день»), "
        "отвечайте вежливо и дружелюбно, поддерживая разговор. Если вопрос не по теме и не является приветствием, вежливо сообщайте, что вы специализируетесь "
        "на вопросах, связанных с DataSphere Analytics."
    )
}

# Функция чат-бота (из app.py(1) Кости)
def ask_openrouter(messages):
    completion = client.chat.completions.create(
        extra_headers={
            "HTTP-Referer": "https://test.example",
            "X-Title": "data security",
        },
        model="deepseek/deepseek-r1-0528:free",
        messages=messages
    )
    return completion.choices[0].message.content

# Генерация токена CSRF
def generate_csrf_token():
    if 'csrf_token' not in session:
        session['csrf_token'] = os.urandom(16).hex()
    return session['csrf_token']

app.jinja_env.globals['csrf_token'] = generate_csrf_token

# Маршрут главной страницы
@app.route('/', methods=['GET'])
def index():
    return render_template('index.html')

# Маршрут формы запроса
@app.route('/request', methods=['GET', 'POST'])
def request_form():
    if request.method == 'POST':
        # Проверка CSRF
        if request.form.get('csrf_token') != session.get('csrf_token'):
            return render_template('error.html', message='Неверный токен CSRF')

        name = request.form.get('name')
        email = request.form.get('email')
        message = request.form.get('message')

        # Базовая проверка
        if not name or not email or not message:
            return render_template('error.html', message='Все поля обязательны для заполнения')
        if not re.match(r'^[\w\.-]+@[\w\.-]+\.\w+$', email):
            return render_template('error.html', message='Неверный адрес электронной почты')

        # Очистка полей от вредоносных символов
        name = ''.join(c for c in name if c.isalnum() or c in ' -')
        message = ''.join(c for c in message if c.isprintable())

        # Подготовка письма
        msg = MIMEMultipart()
        msg['From'] = 'Datasphere.Analytics@test.com' #Поддельный эл.адрес (не имеет значения), для будущей работы сайта поставить: EMAIL_ADDRESS
        msg['To'] = email
        msg['Subject'] = 'Спасибо, что обратились к нам!'
        body = f"Здравствуйте {name},\n\nВаше сообщение: {message}\n\nС вами свяжется ответственное лицо в течение 24 часов.\n\nС уважением,\n\nКоманда Datasphere Analytics"
        msg.attach(MIMEText(body, 'plain'))

        try:
            # Отправка электронного письма через Mailpit SMTP
            server = smtplib.SMTP('127.0.0.1', 1025) #SMTP-порт Mailpit по умолчанию. Поменять для нужного порта почтового сервиса
            ##В этой настройке для Mailpit не требуется starttls() или login()
            #server.starttls()
            #server.login(EMAIL_ADDRESS, EMAIL_PASSWORD)
            server.sendmail('Datasphere.Analytics@test.com', email, msg.as_string())
            server.quit()
            return render_template('success.html')
        except Exception as e:
            return render_template('error.html', message=f'Ошибка отправки электронного письма: {str(e)}')

    return render_template('request.html')

# API чата (из app.py(1) Кости)
@app.route('/api/chat', methods=['POST'])
def chat_api():
    data = request.json
    user_prompt = data.get('prompt', '')
    if not user_prompt.strip():
        return jsonify({"error": "Пустое поле"}), 400
    # Формируем сообщения без истории, только system, initial user и текущий запрос
    # Проверяем, просит ли пользователь связать с менеджером (пример простого ключевого слова)
    keywords = ['связать с менеджером', 'позвоните менеджеру', 'хочу поговорить с менеджером', 'передайте менеджеру']
    if any(kw in user_prompt.lower() for kw in keywords):
        # Отправляем письмо менеджеру
        try:
            send_email_to_manager(user_prompt)
        except Exception as e:
            # Логируем ошибку, но всё равно ответим пользователю
            print(f"Ошибка отправки письма менеджеру: {e}")

        # Отвечаем пользователю
        answer = (
            "Спасибо за ваш запрос! Мы передали вашу просьбу менеджеру, "
            "и он свяжется с вами в ближайшее время."
        )
        return jsonify({"answer": answer})
    # Если не просьба связать с менеджером — обычный диалог с моделью
    messages = [SYSTEM_MESSAGE, INITIAL_USER_INSTRUCTION, {"role": "user", "content": user_prompt}]

    answer = ask_openrouter(messages)
    return jsonify({"answer": answer})

def send_email_to_manager(user_prompt):
    msg = MIMEMultipart()
    msg['From'] = 'Datasphere.Analytics@test.com'
    msg['To'] = 'menedger@test.com'
    msg['Subject'] = 'Запрос помощи от пользователя'
    body = f"Пользователь запросил помощь менеджера.\n\nСообщение: {user_prompt}\n\nПожалуйста, ответьте в ближайшее время."
    msg.attach(MIMEText(body, 'plain'))

    try:
        server = smtplib.SMTP('127.0.0.1', 1025)
        server.sendmail('Datasphere.Analytics@test.com', 'menedger@test.com', msg.as_string())
        server.quit()
    except Exception as e:
        print(f"Не удалось отправить электронное письмо менеджеру: {str(e)}")

if __name__ == '__main__':
    app.run(debug=True)