yml/chat-gemma.py

import os
import sys
import requests
from gradio_client import Client, handle_file

prompt = os.environ.get('PROMPT', '')
file_url = os.environ.get('FILE_URL', '')
run_id = os.environ.get('RUN_ID')
space_url = os.environ.get('SPACE_URL')
gh_run_id = os.environ.get('GITHUB_RUN_ID')

files_to_send = []
if file_url:
    print(f'Downloading attachment: {file_url}')
    # استخراج پسوند واقعی فایل به صورت مستقیم از URL
    ext = file_url.split('.')[-1] if '.' in file_url else 'bin'
    local_filename = f'attachment.{ext}'
    
    try:
        req = requests.get(file_url, timeout=30)
        with open(local_filename, 'wb') as f:
            f.write(req.content)
        files_to_send.append(handle_file(local_filename))
    except Exception as e:
        print(f'Failed to download file: {e}')

print('Connecting to Gemma-4-12b Space...')
bot_reply = ''

try:
    client = Client('huggingface-projects/gemma-4-12b-it')
    
    # تنظیم دقیق پارامترها بر اساس پکت شبکه ارسالی در کنسول شما
    # ساختار آرایه: [prompt, files, _, thinking, max_new_tokens, max_soft_tokens, system_prompt, ...]
    result = client.predict(
        prompt,              # متن ورودی کاربر (این چیه)
        files_to_send,       # فایل آپلود شده داخل آرایه
        [],                  # پارامتر سوم خالی طبق لاگ
        False,               # thinking
        4000,                # max_new_tokens (مطابق تنظیمات قبلی شما)
        560,                 # max_soft_tokens (مطابق تنظیمات قبلی شما)
        'شما یک دستیار هوش مصنوعی بسیار باهوش، مفید و مودب به زبان فارسی هستید.', # system_prompt
        1,                   # پارامتر عددی بعدی از لاگ
        0.95,                # پارامتر عددی بعدی از لاگ
        64,                  # پارامتر عددی بعدی از لاگ
        1,                   # پارامتر عددی آخر از لاگ
        api_name='/generate'
    )
    
    bot_reply = result[0] if isinstance(result, (list, tuple)) else result
    if isinstance(bot_reply, dict):
        bot_reply = bot_reply.get('text', str(bot_reply))
        
except Exception as e:
    err_str = str(e)
    print(f'Generation Error: {err_str}')
    # تشخیص خطای محدودیت GPU و جایگزین کردن آن با پیام سفارشی
    if 'ZeroGPU quota' in err_str or 'quota' in err_str.lower():
        bot_reply = '⚠️ **پردازش متوقف شد:**\\nدرخواست شما طولانی و پرحجم است (پردازش فایل‌های صوتی یا حجیم نیازمند منابع بالایی است و سهمیه سرور موقتاً پر شده است).\\n\\nلطفاً چند ساعت دیگر امتحان کنید یا درخواست و فایل سبک‌تری ارسال نمایید.'
    else:
        bot_reply = f'⚠️ خطای سرور پردازش: {err_str}'

print('Uploading response back to Docker Space...')
try:
    with open('response.txt', 'w', encoding='utf-8') as f:
        f.write(bot_reply)
        
    with open('response.txt', 'rb') as f:
        res = requests.post(f'{space_url}/api/webhook/upload',
                         data={'run_id': run_id, 'github_run_id': gh_run_id, 'ext': 'txt'},
                         files={'file': f})
    
    if res.status_code == 200:
        print('SUCCESS!')
    else:
        print(f'Upload Error: {res.text}')
        sys.exit(1)
        
except Exception as e:
    print(f'CRITICAL ERROR during upload: {e}')
    sys.exit(1)