Update app.py

app.py

@@ -37,14 +37,37 @@ def simple_checks(message):
         warnings.append("Wiadomość zawiera prośbę o poufne informacje.")
     return warnings
 
-# Funkcja do analizy wiadomości za pomocą API SambaNova
+# Funkcja do analizy wiadomości za pomocą API SambaNova z głębszym procesem myślenia
 def analyze_message(message, phone_number):
     url = "https://api.sambanova.ai/v1/chat/completions"
     headers = {
         "Authorization": f"Bearer {API_KEY}"
     }
-    system_prompt = "Jesteś asystentem pomagającym w identyfikacji fałszywych wiadomości SMS. Analizuj pod kątem typowych cech oszustw i phishingu. Podaj swoją ocenę oraz zalecenia dla użytkownika."
-    user_prompt = f"Przeanalizuj następującą wiadomość pod kątem potencjalnego oszustwa:\n\nWiadomość: {message}\nNumer telefonu: {phone_number}\n\nPodaj swoją analizę i wnioski po polsku."
+    # Rozbudowany system prompt z głębszym procesem myślenia
+    system_prompt = """
+Jesteś asystentem AI specjalizującym się w identyfikacji fałszywych wiadomości SMS. Twoim zadaniem jest przeprowadzenie szczegółowej analizy wiadomości, wykorzystując głęboki proces myślenia i rozbijając swoją odpowiedź na następujące sekcje:
+
+<analysis>
+[Przeprowadź szczegółową analizę treści wiadomości, identyfikując potencjalne czerwone flagi, takie jak błędy językowe, prośby o dane osobowe, pilne prośby o kontakt itp.]
+</analysis>
+
+<risk_assessment>
+[Na podstawie analizy treści i wszelkich dostępnych informacji oceń prawdopodobieństwo, że wiadomość jest oszustwem.]
+</risk_assessment>
+
+<recommendations>
+[Podaj jasne i konkretne zalecenia dotyczące dalszych kroków, które użytkownik powinien podjąć.]
+</recommendations>
+
+Twoja odpowiedź powinna być sformatowana dokładnie w powyższy sposób, używając znaczników <analysis>, <risk_assessment> i <recommendations>.
+"""
+
+    user_prompt = f"""Przeanalizuj następującą wiadomość pod kątem potencjalnego oszustwa:
+
+Wiadomość: "{message}"
+Numer telefonu nadawcy: {phone_number}
+
+Podaj swoją analizę i wnioski zgodnie z powyższymi wytycznymi."""
 
     payload = {
         "model": "Meta-Llama-3.1-8B-Instruct",
@@ -61,10 +84,19 @@ def analyze_message(message, phone_number):
     response = requests.post(url, headers=headers, json=payload)
     if response.status_code == 200:
         data = response.json()
-        analysis = data['choices'][0]['message']['content']
-        return analysis
+        ai_response = data['choices'][0]['message']['content']
+        # Parsowanie odpowiedzi
+        analysis = re.search(r'<analysis>(.*?)</analysis>', ai_response, re.DOTALL)
+        risk_assessment = re.search(r'<risk_assessment>(.*?)</risk_assessment>', ai_response, re.DOTALL)
+        recommendations = re.search(r'<recommendations>(.*?)</recommendations>', ai_response, re.DOTALL)
+
+        analysis_text = analysis.group(1).strip() if analysis else "Brak analizy."
+        risk_text = risk_assessment.group(1).strip() if risk_assessment else "Brak oceny ryzyka."
+        recommendations_text = recommendations.group(1).strip() if recommendations else "Brak zaleceń."
+
+        return analysis_text, risk_text, recommendations_text
     else:
-        return f"Błąd API: {response.status_code} - {response.text}"
+        return f"Błąd API: {response.status_code} - {response.text}", "", ""
 
 # Główny interfejs aplikacji
 def main():
@@ -100,11 +132,15 @@ def main():
 
             # Analiza za pomocą modelu językowego
             with st.spinner("Analizuję wiadomość przy użyciu modelu AI..."):
-                analysis = analyze_message(message, phone_number)
-                st.subheader("Wynik analizy AI:")
-                st.write(analysis)
+                analysis_text, risk_text, recommendations_text = analyze_message(message, phone_number)
+                st.subheader("📑 Analiza treści wiadomości:")
+                st.markdown(analysis_text)
+                st.subheader("⚠️ Ocena ryzyka oszustwa:")
+                st.markdown(risk_text)
+                st.subheader("✅ Zalecenia dla użytkownika:")
+                st.markdown(recommendations_text)
 
-            st.info("Pamiętaj: zawsze zachowuj ostrożność przy otrzymywaniu wiadomości od nieznanych nadawców. Nie udostępniaj poufnych informacji i nie klikaj w podejrzane linki.")
+            st.info("📌 Pamiętaj: zawsze zachowuj ostrożność przy otrzymywaniu wiadomości od nieznanych nadawców. Nie udostępniaj poufnych informacji i nie klikaj w podejrzane linki.")
 
 if __name__ == "__main__":
     main()