Update app.py

app.py

@@ -5,93 +5,29 @@ from huggingface_hub import InferenceClient
 # Récupérer le token depuis les variables d'environnement (Secrets)
 HF_TOKEN = os.environ.get("HF_TOKEN")
 
-# Définir un message système plus léger
-SYSTEM_MESSAGE = """
-Tu es TeachEase, un enseignant virtuel conçu pour aider les élèves à comprendre leurs cours, faire leurs exercices et devoirs.
-Ton rôle est d'expliquer les concepts de manière claire et pédagogique, de fournir des exemples concrets et de poser des questions pour vérifier la compréhension.
-**Instructions spéciales :**
-1. **Salutations :** Réponds de manière courte et amicale.
-2. **Expressions mathématiques et scientifiques :** Utilise le format LaTeX.
-3. **Traduction et réponses multilingues :** Adapte ta réponse en fonction de la langue demandée.
-"""
-
-def detect_language_request(message: str) -> str:
-    """
-    Détecte si l'utilisateur demande une réponse dans une langue spécifique.
-    Retourne la langue demandée ou None si aucune demande n'est détectée.
-    """
-    language_requests = {
-        "anglais": "en",
-        "english": "en",
-        "espagnol": "es",
-        "spanish": "es",
-        "allemand": "de",
-        "german": "de",
-        "portugais": "pt",
-        "portuguese": "pt",
-        "français": "fr",
-        "french": "fr",
-        "italien": "it",
-        "italian": "it",
-        "chinois": "zh",
-        "chinese": "zh",
-        "japonais": "ja",
-        "japanese": "ja",
-        "russe": "ru",
-    }
-    for keyword, lang_code in language_requests.items():
-        if keyword in message.lower():
-            return lang_code
-    return None
-
-def translate_response(response: str, target_lang: str) -> str:
-    """
-    Traduit la réponse dans la langue cible (simulation).
-    """
-    translations = {
-        "en": "Hello! How can I assist you today?",
-        "es": "¡Hola! ¿En qué puedo ayudarte hoy?",
-        "de": "Hallo! Wie kann ich Ihnen heute helfen?",
-        "pt": "Olá! Como posso ajudar você hoje?",
-        "fr": "Bonjour ! Comment puis-je vous aider aujourd'hui ?",
-        "it": "Ciao! Come posso aiutarti oggi?",
-    }
-    return translations.get(target_lang, response)
-
 def respond(
     message,
-    history: list[tuple[str, str]],
-    system_message=SYSTEM_MESSAGE,
-    max_tokens=256,
-    temperature=0.7,
-    top_p=0.95,
+    max_tokens,
+    temperature,
+    top_p,
+
 ):
+    """
+    For more information on `huggingface_hub` Inference API support, please check the docs: https://huggingface.co/docs/huggingface_hub/v0.22.2/en/guides/inference
+    """
     if not HF_TOKEN:
         yield "❌ Erreur : HF_TOKEN non configuré. Ajoutez-le dans les Secrets de votre Space."
         return
     
     try:
-        # Initialiser le client avec le token
-        client = InferenceClient(token=HF_TOKEN, model="microsoft/Phi-3.5-mini-instruct")
-        
-        # Détecter si l'utilisateur demande une réponse dans une langue spécifique
-        target_lang = detect_language_request(message)
+        client = InferenceClient(token=HF_TOKEN, model="openai/gpt-oss-20b")
 
-        # Préparer les messages pour le modèle
         messages = [{"role": "system", "content": system_message}]
-
-        # Limiter l'historique de la conversation aux 3 derniers échanges
-        for val in history[-3:]:
-            if val[0]:
-                messages.append({"role": "user", "content": val[0]})
-            if val[1]:
-                messages.append({"role": "assistant", "content": val[1]})
-
-        # Ajouter le nouveau message de l'utilisateur
+        messages.extend(history)
         messages.append({"role": "user", "content": message})
 
-        # Générer la réponse du modèle
         response = ""
+
         for message in client.chat_completion(
             messages,
             max_tokens=max_tokens,
@@ -99,39 +35,29 @@ def respond(
             temperature=temperature,
             top_p=top_p,
         ):
-            if hasattr(message, 'choices') and message.choices:
-                if hasattr(message.choices[0], 'delta') and hasattr(message.choices[0].delta, 'content'):
-                    token = message.choices[0].delta.content
-                    if token:
-                        response += token
-                        yield response
+            choices = message.choices
+            token = ""
+            if len(choices) and choices[0].delta.content:
+                token = choices[0].delta.content
 
-        # Traduire la réponse si une langue cible est demandée
-        if target_lang and response:
-            response = translate_response(response, target_lang)
+            response += token
             yield response
             
     except Exception as e:
         yield f"❌ Erreur : {str(e)}"
-
-# Configurer l'interface Gradio
-demo = gr.ChatInterface(
-    respond,
-    additional_inputs=[
-        gr.Textbox(value=SYSTEM_MESSAGE, label="System message", interactive=True),
-        gr.Slider(minimum=1, maximum=512, value=256, step=1, label="Max new tokens"),
-        gr.Slider(minimum=0.1, maximum=1.0, 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 (nucleus sampling)",
-        ),
-    ],
-    title="TeachEase - Enseignant Virtuel",
-    description="Bienvenue sur TeachEase ! Posez vos questions et obtenez des explications claires et pédagogiques avec des expressions mathématiques en LaTeX."
+"""
 )
 
+with gr.Blocks() as demo:
+    # Affichage d'information sur le token (debug)
+    gr.Markdown(f"Token configuré: {'✅ Oui' if HF_TOKEN else '❌ Non'}")
+    
+    # Vous pouvez retirer le LoginButton puisque nous utilisons le token direct
+    # with gr.Sidebar():
+    #     gr.LoginButton()
+    
+    chatbot.render()
+
+
 if __name__ == "__main__":
     demo.launch()