app.py

import os
import json
import uuid
from datetime import datetime, timezone
from io import BytesIO

import gradio as gr
from huggingface_hub import HfApi

HF_TOKEN = os.environ.get("HF_TOKEN")
if not HF_TOKEN:
    raise RuntimeError(
        "Brak sekretu HF_TOKEN. Dodaj token z uprawnieniem zapisu w "
        "Settings -> Variables and secrets -> New secret (nazwa: HF_TOKEN) "
        "zanim formularz zacznie działać."
    )

DATASET_REPO_ID = "Mati83moni/quantization-requests"
api = HfApi(token=HF_TOKEN)

VALID_FORMATS = ["GGUF", "AWQ", "EXL3"]
VALID_HARDWARE = [
    "CPU (lokalnie)",
    "Pojedyncze GPU konsumenckie (8-24GB VRAM)",
    "Wiele GPU / serwer",
    "Nie wiem / potrzebuję porady",
]
VALID_CONTEXT = ["4k", "8k", "16k", "32k", "128k", "Inny / oryginalny z modelu"]
VALID_YESNO = ["Tak", "Nie"]
VALID_VISIBILITY = ["Publiczny", "Prywatny / gated (wymaga dostępu)"]
VALID_DELIVERABLE = ["Tylko pliki wynikowe", "Pliki + instrukcja wdrożenia"]


def submit_request(
    model_link: str,
    quant_format: str,
    hardware: str,
    context_length: str,
    needs_benchmark: str,
    needs_hf_publish: str,
    deadline: str,
    model_visibility: str,
    deliverable_type: str,
    contact_email: str,
    notes: str,
):
    model_link = (model_link or "").strip()
    contact_email = (contact_email or "").strip()
    notes = (notes or "").strip()
    deadline = (deadline or "").strip()

    if not model_link.startswith("https://huggingface.co/"):
        return gr.update(
            value="❌ Podaj pełny link do modelu na Hugging Face "
                  "(np. https://huggingface.co/meta-llama/Llama-3.1-8B).",
            visible=True,
        )
    if quant_format not in VALID_FORMATS:
        return gr.update(value="❌ Wybierz format kwantyzacji.", visible=True)
    if hardware not in VALID_HARDWARE:
        return gr.update(value="❌ Wybierz docelowy sprzęt.", visible=True)
    if context_length not in VALID_CONTEXT:
        return gr.update(value="❌ Wybierz wymaganą długość kontekstu.", visible=True)
    if needs_benchmark not in VALID_YESNO:
        return gr.update(value="❌ Zaznacz czy potrzebujesz benchmarku jakości.", visible=True)
    if needs_hf_publish not in VALID_YESNO:
        return gr.update(value="❌ Zaznacz czy chcesz publikację na HF.", visible=True)
    if model_visibility not in VALID_VISIBILITY:
        return gr.update(value="❌ Zaznacz czy model źródłowy jest publiczny czy prywatny.", visible=True)
    if deliverable_type not in VALID_DELIVERABLE:
        return gr.update(value="❌ Zaznacz zakres zlecenia (tylko pliki, czy pliki + wdrożenie).", visible=True)
    if not deadline:
        return gr.update(
            value="❌ Podaj deadline (albo wpisz 'brak konkretnego terminu').",
            visible=True,
        )
    if "@" not in contact_email or "." not in contact_email.split("@")[-1]:
        return gr.update(value="❌ Podaj prawidłowy adres e-mail kontaktowy.", visible=True)
    if model_visibility == "Prywatny / gated (wymaga dostępu)" and "dostęp" not in notes.lower() and "token" not in notes.lower():
        return gr.update(
            value="❌ Model jest oznaczony jako prywatny/gated — opisz w Dodatkowych uwagach, "
                  "jak przekażesz dostęp (np. link z tokenem, zaproszenie do repo).",
            visible=True,
        )

    record_id = str(uuid.uuid4())
    record = {
        "id": record_id,
        "submitted_at_utc": datetime.now(timezone.utc).isoformat(),
        "model_link": model_link,
        "format": quant_format,
        "hardware": hardware,
        "context_length": context_length,
        "needs_benchmark": needs_benchmark,
        "needs_hf_publish": needs_hf_publish,
        "deadline": deadline,
        "model_visibility": model_visibility,
        "deliverable_type": deliverable_type,
        "contact_email": contact_email,
        "notes": notes,
        "status": "new",
    }

    payload = json.dumps(record, ensure_ascii=False, indent=2).encode("utf-8")

    try:
        api.upload_file(
            path_or_fileobj=BytesIO(payload),
            path_in_repo=f"data/{record_id}.json",
            repo_id=DATASET_REPO_ID,
            repo_type="dataset",
            commit_message=f"New request from {contact_email}",
        )
    except Exception as e:
        return gr.update(
            value=f"❌ Błąd zapisu zgłoszenia, spróbuj ponownie za chwilę. ({type(e).__name__})",
            visible=True,
        )

    return gr.update(
        value="✅ Zgłoszenie przyjęte. Odezwę się na podany e-mail w ciągu 24h z wyceną i terminem.",
        visible=True,
    )


with gr.Blocks(title="Custom Model Quantization") as demo:
    gr.Markdown(
        """
        # Custom Model Quantization — GGUF / AWQ / EXL3

        Kwantyzuję dowolny model z Hugging Face do wybranego formatu.
        Portfolio: [PLLuM-12B-chat-2512-EXL3](https://huggingface.co/Mati83moni/PLLuM-12B-chat-2512-EXL3)
        (4.5bpw, SQNR ~33dB).

        ### Orientacyjny cennik
        | Zakres | Cena |
        |---|---|
        | Mały model (≤3B parametrów) | Starting from **£15** |
        | Średni model (3B–13B parametrów) | From **£30** |
        | Duży / złożony model (>13B, MoE, custom architecture) | **Custom quote** — wyceniam indywidualnie |

        **Dodatki (osobno płatne):**
        Benchmark jakości (porównanie z oryginałem) · Publikacja gotowego modelu na Twoim koncie HF ·
        Instrukcja wdrożenia / support po dostawie · Rush (dostawa <48h)

        Finalna wycena zależy od rozmiaru modelu, formatu, i zakresu z formularza poniżej —
        odpowiadam z dokładną kwotą i terminem w ciągu 24h.
        """
    )

    model_link = gr.Textbox(
        label="Link do modelu (Hugging Face)",
        placeholder="https://huggingface.co/...",
    )
    quant_format = gr.Radio(choices=VALID_FORMATS, label="Docelowy format kwantyzacji")
    hardware = gr.Radio(choices=VALID_HARDWARE, label="Docelowy sprzęt (na czym model ma działać)")
    context_length = gr.Radio(choices=VALID_CONTEXT, label="Wymagana długość kontekstu")
    needs_benchmark = gr.Radio(
        choices=VALID_YESNO,
        label="Czy potrzebujesz benchmarku jakości (porównanie z oryginałem)?",
    )
    needs_hf_publish = gr.Radio(
        choices=VALID_YESNO,
        label="Czy chcesz publikację gotowego modelu na Twoim koncie HF?",
    )
    model_visibility = gr.Radio(
        choices=VALID_VISIBILITY,
        label="Widoczność modelu źródłowego",
    )
    deliverable_type = gr.Radio(
        choices=VALID_DELIVERABLE,
        label="Zakres zlecenia",
    )
    deadline = gr.Textbox(
        label="Deadline",
        placeholder="np. 15.08.2026, albo 'brak konkretnego terminu'",
    )
    contact_email = gr.Textbox(label="Twój e-mail kontaktowy")
    notes = gr.Textbox(
        label="Dodatkowe uwagi (opcjonalnie)",
        lines=3,
        placeholder="np. docelowy bpw, sposób przekazania dostępu do modelu prywatnego, itd.",
    )

    submit_btn = gr.Button("Wyślij zgłoszenie", variant="primary")
    status = gr.Markdown(visible=False)

    submit_btn.click(
        fn=submit_request,
        inputs=[
            model_link, quant_format, hardware, context_length,
            needs_benchmark, needs_hf_publish, deadline,
            model_visibility, deliverable_type, contact_email, notes,
        ],
        outputs=status,
    )

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