Update app.py

app.py

@@ -0,0 +1,96 @@
+# app.py
+
+import gradio as gr
+from transformers import pipeline, set_seed
+import random
+
+# Загружаем модель для генерации текста (text-generation pipeline)
+# Выберите модель:
+# 'distilgpt2' - маленькая английская модель GPT-2
+# 'sberbank-ai/rugpt3small_based_on_gpt2' - маленькая русская модель (может требовать больше ресурсов)
+# 'bigscience/bloomz-560m' - многоязычная модель поменьше (может быть медленной на CPU)
+
+# Попробуем с distilgpt2 для начала, т.к. она легче всего запустится на CPU
+# Если хотите русскую, раскомментируйте строку с 'sberbank-ai...' и закомментируйте distilgpt2
+# generator = pipeline('text-generation', model='distilgpt2', max_new_tokens=50) # Ограничим длину генерации
+# generator = pipeline('text-generation', model='sberbank-ai/rugpt3small_based_on_gpt2', max_new_tokens=50)
+generator = pipeline('text-generation', model='distilgpt2', max_length=70, num_return_sequences=1, truncation=True) # Альтернативные параметры
+
+print("Модель загружена!") # Для отладки в логах
+
+# Установка зерна для воспроизводимости (опционально)
+# set_seed(random.randint(0, 10000)) # Используем случайное зерно для разнообразия
+
+# Функция, которая будет обрабатывать ввод пользователя и историю чата
+def respond(message, chat_history):
+    """
+    Принимает сообщение пользователя и историю чата, возвращает ответ бота.
+    """
+    print(f"Получено сообщение: {message}")
+    print(f"История чата: {chat_history}")
+
+    # Формируем промпт для модели (можно экспериментировать)
+    # Вариант 1: Просто сообщение пользователя
+    prompt = message
+
+    # Вариант 2: Добавляем немного истории (простой)
+    # history_text = "\n".join([f"User: {m}\nBot: {b}" for m, b in chat_history[-2:]]) # Последние 2 обмена
+    # prompt = f"{history_text}\nUser: {message}\nBot:"
+
+    try:
+        # Генерируем ответ
+        # Обратите внимание: 'text-generation' часто лучше работает, если ей дать начало фразы
+        # Попробуем сделать так, чтобы она просто продолжила мысль или ответила.
+        # Можно добавить "Ответ:", "Бот:", и т.п. в конец prompt, если модель так лучше реагирует.
+
+        bot_response = generator(prompt)[0]['generated_text']
+
+        # Очистка ответа: убираем исходный промпт из сгенерированного текста
+        # (pipeline часто возвращает промпт + генерацию)
+        if bot_response.startswith(prompt):
+            bot_response = bot_response[len(prompt):].strip()
+
+        # Иногда модели могут генерировать пустые ответы или спецсимволы, добавим проверку
+        if not bot_response or len(bot_response.strip()) == 0:
+            bot_response = "... (модель не сгенерировала ответ)"
+
+        print(f"Сгенерированный ответ: {bot_response}")
+
+    except Exception as e:
+        print(f"Ошибка при генерации: {e}")
+        bot_response = f"Ой, произошла ошибка при генерации ответа: {e}"
+
+    # Добавляем пару (сообщение пользователя, ответ бота) в историю
+    chat_history.append((message, bot_response))
+
+    # Возвращаем пустую строку для очистки поля ввода и обновленную историю
+    return "", chat_history
+
+# --- Создание интерфейса Gradio ---
+with gr.Blocks() as demo:
+    gr.Markdown("# Простой Чат-Бот на Hugging Face")
+    gr.Markdown("Введите ваше сообщение и нажмите Enter.")
+
+    # Компонент чат-бота
+    chatbot = gr.Chatbot(label="Диалог")
+
+    # Поле ввода текста
+    msg = gr.Textbox(label="Ваше сообщение", placeholder="Напишите что-нибудь...")
+
+    # Кнопка очистки (опционально)
+    clear = gr.Button("Очистить диалог")
+
+    # Связываем компоненты:
+    # Когда пользователь отправляет сообщен��е (нажатием Enter в Textbox или Button, если бы она была)
+    # вызывается функция respond с текущим сообщением и историей чата.
+    # Результат функции (пустая строка и новая история) обновляет Textbox (msg) и Chatbot (chatbot).
+    msg.submit(respond, [msg, chatbot], [msg, chatbot])
+
+    # Связываем кнопку очистки
+    clear.click(lambda: (None, None), None, [msg, chatbot], queue=False)
+
+# Запускаем демо
+# concurrency_count - сколько запросов может обрабатывать одновременно
+# share=True - если хотите получить временную публичную ссылку (не нужно для Spaces)
+demo.launch(debug=True) # Включаем debug для логов в интерфейсе Spaces
+# demo.launch(server_name="0.0.0.0", server_port=7860) # Для запуска на некоторых платформах