app.py

import gradio as gr
from llama_cpp import Llama

# Carregar o modelo GGML localmente
llm = Llama(model_path="Xavier 3b Teste01.gguf", n_ctx=512)

# Definir a mensagem inicial
mensagem_inicial = (
    "Olá! Eu sou um atendente virtual da Receita Federal e do Projeto Remessa Conforme. "
    "Você pode perguntar tudo sobre como funciona o Remessa Conforme, suas regras e benefícios. "
    "Este projeto foi desenvolvido com a colaboração de Anderson Xavier. Como posso te ajudar hoje?"
)

def respond(message, history, system_message, max_tokens, temperature, top_p):
    # Adicionar a mensagem inicial ao histórico se for a primeira interação
    if not history:
        history = [(mensagem_inicial, "")]

    # Construir o prompt com o histórico atualizado
    prompt = system_message + "\n"
    for user_msg, bot_msg in history:
        if user_msg:
            prompt += f"User: {user_msg}\n"
        if bot_msg:
            prompt += f"Assistant: {bot_msg}\n"
    prompt += f"User: {message}\nAssistant:"

    # Executar a inferência com o modelo local
    response = ""
    result = llm(prompt, max_tokens=max_tokens, temperature=temperature, top_p=top_p, stream=True)

    # Retornar a resposta em streaming
    for token in result:
        response += token["choices"][0]["text"]
        yield response

# Configurar a interface Gradio com a mensagem inicial
demo = gr.ChatInterface(
    respond,
    additional_inputs=[
        gr.Textbox(value="Você está falando com um assistente virtual da Receita Federal.", label="System message"),
        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),
        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
        gr.Slider(minimum=0.1, maximum=1.0, value=0.95, step=0.05, label="Top-p"),
    ],
)

if __name__ == "__main__":
    demo.launch()