app.py

import gradio as gr
from huggingface_hub import InferenceClient

# Inicializa el cliente con el modelo deseado
client = InferenceClient("AuriLab/gpt-bi-instruct-cesar")

# Define las secuencias de parada que detendrán la generación
stop_sequences = [".", "?", ".\n", "\n\n"]

def respond(message, history: list[tuple[str, str]]):
    # Construir el historial de mensajes para la conversación
    messages = []
    for val in history:
        if val[0]:
            messages.append({"role": "user", "content": val[0]})
        if val[1]:
            messages.append({"role": "assistant", "content": val[1]})
    messages.append({"role": "user", "content": message})

    response = ""
    # Inicia la generación en modo streaming
    for token_msg in client.chat_completion(
        messages,
        stream=True,
        temperature=0.7,
        presence_penalty=1.5,
        top_p=0.85,
    ):
        token = token_msg.choices[0].delta.content
        response += token

        # Comprueba si la respuesta termina con alguna de las secuencias de parada
        for stop_seq in stop_sequences:
            if response.endswith(stop_seq):
                # Opcionalmente, se puede remover la secuencia de parada final
                response = response[:-len(stop_seq)]
                yield response
                return  # Detener la generación

        yield response

# Configuración de la interfaz de chat con Gradio
demo = gr.ChatInterface(
    respond,
    title="Demo GPT-BI Instruct",
)

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