Update app.py

app.py

@@ -81,22 +81,20 @@ def process_query(query_text: str, vectorstore):
             for doc, score in results
         ])
         
-        prompt_template = ChatPromptTemplate.from_template(PROMPT_TEMPLATE)
-        prompt = prompt_template.format(context=context_text, question=query_text)
+        # Формируем строковый промпт для модели
+        prompt = f"Answer the question based on the following context:\n{context_text}\n\nQuestion: {query_text}"
         
-        # Updated HuggingFaceEndpoint configuration
-        # Используем модель t5-base вместо google/flan-t5-base
+        # Используем модель t5-base для text2text-generation
         model = HuggingFaceEndpoint(
-            repo_id="deepset/roberta-base-squad2",  # Модель для question-answering
-            task="question-answering",
+            repo_id="t5-base",
+            task="text2text-generation",
             temperature=0.5,
             max_length=512,
-            # huggingfacehub_api_token=os.getenv("HUGGINGFACEHUB_API_TOKEN")
+            # huggingfacehub_api_token=os.getenv("HUGGINGFACEHUB_API_TOKEN")  # Раскомментируйте, если нужен токен
         )
-
-        # Передаем вопрос и контекст в виде словаря
-        response = model.invoke({"question": query_text, "context": context_text})
-        response_text = response.get("answer", "Нет ответа")
+        
+        # Передаем строковый промпт
+        response_text = model.invoke(prompt)
         
         sources = list(set([doc.metadata.get("source", "") for doc, _ in results]))
         return response_text, sources