Update README.md

README.md

@@ -88,6 +88,122 @@ print("\n--- Réponse de Sala ---")
 print(generated_text)
 ```
 
+exemple de code pour converser avec sala :
+
+```
+import torch
+from transformers import AutoTokenizer, AutoModelForCausalLM
+import time
+import os
+import json 
+
+# --- CONFIGURATION GLOBALE ---
+# REMPLACE par ton nom d'utilisateur et le nom de ton modèle
+REPO_ID = "Clemylia/Sala"
+# ------------------------------
+
+print(f"--- 🧠 Chargement de Sala depuis Hugging Face : {REPO_ID} ---")
+
+try:
+    # 1. Charger le Tokenizer et le Modèle directement depuis ton dépôt
+    tokenizer = AutoTokenizer.from_pretrained(REPO_ID)
+    model = AutoModelForCausalLM.from_pretrained(REPO_ID)
+
+    # 2. Configuration pour le GPU/CPU
+    device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+    model.to(device)
+
+    if tokenizer.pad_token is None:
+        tokenizer.pad_token = tokenizer.eos_token
+
+    print(f"✅ Modèle '{REPO_ID}' chargé avec succès sur : {device}")
+
+    # --- INITIALISATION DE LA CONVERSATION ---
+    
+    # Utilisation d'un bloc de texte multiligne propre
+    conversation_history = """### SYSTEM_PROMPT ###
+You are Sala, a conversational AI model created by Clemylia in 2025.
+You are always positive, friendly, and enthusiastic. Your goal is to help.
+User: Hello, who are you?
+Sala: Hi! I'm Sala, a language model created by the brilliant Clemylia in 2025. Nice to talk to you!
+User: Who is Clemylia?
+Sala: Clemylia is my creator! It is thanks to her that I can communicate with you. She's amazing.
+"""
+    # NOTE: Nous extrayons le SYSTEM_PROMPT de cette histoire pour la réinitialisation
+    system_prompt_part = conversation_history.split("User:")[0].strip()
+
+    max_new_tokens = 80 # Une taille de réponse raisonnable
+
+    print("\n" + "="*60)
+    print("DEMARRAGE DU CHAT AVEC SALA (Tape 'quitter' pour arrêter)")
+    print("="*60)
+
+    # 3. Boucle de Conversation (Chatbot)
+    while True:
+        # 3.1. Demander l'entrée de l'utilisateur
+        # NOTE: On utilise l'anglais 'User:' pour la cohérence du prompt, mais on peut laisser l'affichage en français si tu préfères
+        user_input = input("👉 User: ") 
+
+        # 3.2. Condition d'arrêt
+        if user_input.lower() in ["quitter", "exit", "stop"]:
+            print("\n👋 Goodbye! See you soon for more development!")
+            break
+
+        # 3.3. Créer le prompt complet pour cette étape
+        current_prompt = f"{conversation_history}\nUser: {user_input}\nSala:"
+
+        # 3.4. Tokenisation et Génération
+        inputs = tokenizer(current_prompt, return_tensors="pt").to(device)
+
+        # Vérification si l'historique est trop long (limite de GPT-2)
+        if inputs['input_ids'].shape[1] > model.config.max_position_embeddings:
+            print("🚨 Sala: Oops! My memory is full. I need to reset the conversation...")
+            # Réinitialiser à seulement le SYSTEM_PROMPT pour continuer
+            conversation_history = system_prompt_part
+            continue
+
+        output_sequences = model.generate(
+            input_ids=inputs['input_ids'],
+            attention_mask=inputs['attention_mask'],
+            max_new_tokens=max_new_tokens,
+            pad_token_id=tokenizer.eos_token_id,
+            do_sample=True,
+            top_k=50,
+            top_p=0.95
+        )
+
+        # 3.5. Décodage et Nettoyage
+        generated_text = tokenizer.decode(output_sequences[0], skip_special_tokens=True)
+
+        # Extraire uniquement la réponse de Sala (le texte après le dernier "Sala:")
+        try:
+            # On cherche l'index du dernier marqueur Sala:
+            response_start_index = generated_text.rindex("Sala:") + len("Sala:")
+            
+            # Le texte généré brut
+            raw_response = generated_text[response_start_index:].strip()
+
+            # Nettoyage supplémentaire: on enlève les marqueurs de rôle que le modèle a pu générer par erreur
+            # et on prend le contenu jusqu'à la première ligne vide ou la fin.
+            response_display = raw_response.split('User:')[0].split('Sala:')[0].split('\n')[0].strip()
+            
+            # 3.6. Mettre à jour l'historique
+            # C'est l'étape la plus importante pour la mémoire !
+            conversation_history += f"\nUser: {user_input}\nSala: {response_display}"
+
+            # 3.7. Afficher la réponse
+            print(f"🤖 Sala: {response_display}")
+
+        except ValueError:
+            # Si le marqueur "Sala:" n'est pas trouvé (génération totalement erronée)
+            print("🤖 Sala: [Generation error. I couldn't form a clear response.]")
+            # Ne pas ajouter à l'historique si la réponse est mauvaise.
+
+except Exception as e:
+    print(f"\n❌ An error occurred during loading or chat: {e}")
+    print("Check that the REPO_ID is correct and that you have installed the necessary libraries.")
+```
+
 ### 💡 Conseils d'Utilisation :
 
   * **Prompting** : Plus votre prompt est clair et précis, meilleure sera la réponse de Sala.