first commit

Dockerfile

@@ -0,0 +1,31 @@
+# Read the doc: https://huggingface.co/docs/hub/spaces-sdks-docker
+# Hugging Face Spaces best practices for Docker
+
+FROM python:3.9
+
+# สร้าง non-root user เพื่อความปลอดภัย
+RUN useradd -m -u 1000 user
+USER user
+ENV PATH="/home/user/.local/bin:$PATH"
+
+# ตั้งค่า cache directory สำหรับ Hugging Face models
+# ใช้ /tmp เพราะมี space มากกว่า default location (~/.cache/)
+ENV HF_HOME="/home/user/.cache/huggingface"
+
+WORKDIR /app
+
+# Copy requirements และ install dependencies
+COPY --chown=user ./requirements.txt
+RUN pip install --no-cache-dir --upgrade -r requirements.txt
+
+COPY --chown=user ./download_model.py
+RUN python download_model.py
+
+# Copy application code
+COPY --chown=user . /app
+
+# Expose port 7860 (default port สำหรับ Hugging Face Spaces)
+EXPOSE 7860
+
+# Run Flask app with Gunicorn (production WSGI server)
+CMD ["gunicorn", "app:app", "--bind", "0.0.0.0:7860", "--workers", "1", "--timeout", "120"]

app.py

@@ -0,0 +1,68 @@
+from flask import Flask, request, jsonify, Response
+from flask_cors import CORS
+from sentence_transformers import SentenceTransformer
+
+# 1. สร้าง Flask app
+app = Flask(__name__)
+
+# 2. ตั้งค่า CORS (Cross-Origin Resource Sharing)
+# นี่คือส่วนสำคัญมาก! ที่จะอนุญาตให้ JavaScript (ที่อยู่คนละที่) เรียก API นี้ได้
+CORS(app)
+
+model = SentenceTransformer("google/embeddinggemma-300m")
+
+# 3. สร้าง "Endpoint" หรือ "Route" ของ API
+# นี่คือ URL ที่ JavaScript จะเรียกมา
+# เช่น http://127.0.0.1:5000/api/v1/chat/completions
+
+@app.route("/api/v1/embeddings", methods=['GET'])
+def get_start():
+    return jsonify({"message": "Server is running"})
+
+@app.route("/api/v1/embeddings", methods=['POST'])
+def return_query_embedding():
+    # 1. รับ JSON Payload
+    try:
+        data = request.json
+        if not data:
+            return jsonify({"error": "No JSON data provided"}), 400
+    except Exception:
+        # ดักจับกรณีที่ JSON ที่ส่งมาผิดรูปแบบ
+        return jsonify({"error": "Invalid JSON format"}), 400
+    
+    # 2. ดึงข้อความสนทนา (Messages)
+    query = data.get("text")
+    
+    if not query:
+        # ตรวจสอบว่ามี key 'messages' อยู่ใน JSON ที่ส่งมาหรือไม่
+        return jsonify({"error": "Missing 'text' key in request body (JSON)"}), 400
+    
+    # 3. เรียกใช้ Logic
+    try:
+        query_embeddings = model.encode_query(query)
+        # convert to json
+        query_embeddings = query_embeddings.tolist()
+        query_embeddings_json = {
+            "query_embeddings": query_embeddings
+        }
+        response = jsonify(query_embeddings_json)
+        
+        # 4. ส่งคำตอบกลับไป
+        # ใช้ Response Object เพื่อให้แน่ใจว่า Header (mimetype) และ Encoding (UTF-8) ถูกต้อง
+        # เพื่อรองรับภาษาไทยตามที่คุณใช้ ensure_ascii=False
+        return Response(
+            response,
+            mimetype='application/json; charset=utf-8',
+            status=200
+        )
+
+    except Exception as e:
+        # ดักจับ Error ที่อาจเกิดขึ้นภายในฟังก์ชัน LLM
+        print(f"Error: {e}")
+        return jsonify({"error": "Internal server error"}), 500
+
+# 6. สั่งให้ app ทำงาน (Run) เมื่อรันไฟล์นี้ตรงๆ (สำหรับ local development เท่านั้น)
+# สำหรับ production บน HF Spaces จะใช้ Gunicorn แทน
+if __name__ == "__main__":
+    # Local development mode
+    app.run(host="0.0.0.0", port=7860, debug=False)

download_model.py

@@ -0,0 +1,5 @@
+from sentence_transformers import SentenceTransformer
+
+print("Downloading model...")
+model = SentenceTransformer("google/embeddinggemma-300m")
+print("Model downloaded and cached successfully!")

requirements.txt

@@ -0,0 +1,5 @@
+Flask==3.0.0
+flask-cors==4.0.0
+sentence-transformers==2.2.2
+torch==2.1.0
+gunicorn==21.2.0