Create app.py

app.py

@@ -0,0 +1,61 @@
+import gradio as gr
+from transformers import AutoTokenizer, AutoModelForCausalLM
+import torch
+
+# ==========================
+# 1. Carica il modello italiano
+# ==========================
+MODEL_NAME = "Mattimax/DACMini-IT"
+device = "cuda" if torch.cuda.is_available() else "cpu"
+
+tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
+model = AutoModelForCausalLM.from_pretrained(MODEL_NAME).to(device)
+
+# ==========================
+# 2. Lista di argomenti validi
+# ==========================
+# Tutto ciò che è inerente al negozio (es. prodotti, orari, contatti, marchi)
+VALID_KEYWORDS = [
+    "intimo", "calze", "collant", "pigiami", "homewear",
+    "merceria", "bottoni", "fili", "nastri", "orari",
+    "telefono", "email", "marchi", "logo", "contatti"
+]
+
+# ==========================
+# 3. Funzione di risposta con filtro
+# ==========================
+def answer_question(user_input):
+    # verifica se la domanda contiene almeno una keyword valida
+    if not any(keyword.lower() in user_input.lower() for keyword in VALID_KEYWORDS):
+        return "Non posso risponderti a questa domanda."
+
+    # prepara input per il modello
+    inputs = tokenizer(user_input, return_tensors="pt").to(device)
+
+    # genera la risposta
+    with torch.no_grad():
+        outputs = model.generate(
+            **inputs,
+            max_new_tokens=100,
+            do_sample=True,
+            top_p=0.9,
+            temperature=0.7
+        )
+
+    # decodifica la risposta
+    response = tokenizer.decode(outputs[0], skip_special_tokens=True)
+    return response
+
+# ==========================
+# 4. Interfaccia Gradio
+# ==========================
+iface = gr.Interface(
+    fn=answer_question,
+    inputs=gr.Textbox(lines=2, placeholder="Scrivi la tua domanda sul negozio..."),
+    outputs=gr.Textbox(label="Risposta"),
+    title="Assistente Merceria Galli",
+    description="Chiedimi solo informazioni sui prodotti e servizi della Merceria Galli."
+)
+
+if __name__ == "__main__":
+    iface.launch()