Update app.py

app.py

@@ -5,92 +5,75 @@ from transformers import AutoModelForCausalLM, AutoTokenizer
 
 MODEL_NAME = "microsoft/DialoGPT-small"
 
-# Carrega tokenizer e modelo uma única vez
+# Carrega tokenizer e modelo
 tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
-model = AutoModelForCausalLM.from_pretrained(MODEL_NAME)
+model = AutoModelForCausalLM.from_pretrained(MODEL_NAME).to("cpu")
 
-device = torch.device("cpu")
-model.to(device)
 
-def gerar_resposta(mensagem, historico):
+def gerar_resposta(mensagem, history):
     """
-    Função chamada pelo ChatInterface.
-    - mensagem: texto digitado pelo usuário
-    - historico: lista de tuplas (user, bot) que o Gradio mantém
-    A função DEVE retornar apenas a resposta (string).
+    Agora o Gradio fornece o histórico no novo padrão:
+    [
+        {"role": "user", "content": "..."},
+        {"role": "assistant", "content": "..."},
+        ...
+    ]
+
+    Devemos retornar APENAS a resposta (string)
+    e o Gradio cuida do histórico.
     """
 
-    if historico is None:
-        historico = []
+    # Monta prompt com histórico no estilo DialoGPT:
+    texto = ""
+    if history:
+        for msg in history:
+            if msg["role"] == "user":
+                texto += f"Usuário: {msg['content']}\n"
+            else:
+                texto += f"Bot: {msg['content']}\n"
 
-    mensagem = mensagem.strip()
-    if not mensagem:
-        return "Me manda uma pergunta primeiro? :)"
+    texto += f"Usuário: {mensagem}\nBot:"
 
-    # Monta um contexto simples com base no histórico
-    conversa = ""
-    for user_msg, bot_msg in historico:
-        conversa += f"Usuário: {user_msg}\nBot: {bot_msg}\n"
-    conversa += f"Usuário: {mensagem}\nBot:"
-
-    # Tokeniza e gera texto com o modelo
+    # Tokeniza
     inputs = tokenizer(
-        conversa,
+        texto,
         return_tensors="pt",
         truncation=True,
         max_length=512
-    ).to(device)
+    )
 
+    # Gera
     with torch.no_grad():
         output_ids = model.generate(
             **inputs,
-            max_new_tokens=80,
+            max_new_tokens=70,
             do_sample=True,
             top_p=0.9,
             temperature=0.7,
             pad_token_id=tokenizer.eos_token_id,
         )
 
-    texto_gerado = tokenizer.decode(output_ids[0], skip_special_tokens=True)
+    out = tokenizer.decode(output_ids[0], skip_special_tokens=True)
 
-    # Pega apenas o trecho depois do último "Bot:"
-    if "Bot:" in texto_gerado:
-        resposta = texto_gerado.split("Bot:")[-1].strip()
+    # Recorta só o trecho do Bot
+    if "Bot:" in out:
+        resposta = out.split("Bot:")[-1].strip()
     else:
-        resposta = texto_gerado.strip()
-
-    if not resposta:
-        resposta = (
-            "Estou pensando aqui, mas não consegui formular uma resposta melhor ainda. "
-            "Tenta perguntar de outro jeito? :)"
-        )
+        resposta = out.strip()
 
-    # IMPORTANTE: retornamos APENAS a resposta (string)
     return resposta
 
 
-descricao = """
-### Chatbot com IA Real (Transformers) 🤖
-
-Este Space demonstra um chatbot usando um modelo de linguagem da biblioteca **Transformers**:
-- Modelo: `microsoft/DialoGPT-small`
-- Backend: `transformers` + `torch`
-- Interface: **Gradio ChatInterface**
-
-Não precisa de chave de API externa e roda em CPU no Hugging Face Spaces.
-"""
-
 iface = gr.ChatInterface(
     fn=gerar_resposta,
-    title="Chatbot com Transformers - Demonstração",
-    description=descricao,
+    type="messages",           # NOVO MODO OBRIGATÓRIO NO GRADIO RECENTE
+    title="Chatbot com Transformers",
+    description="Demonstração do Hugging Face com IA real utilizando DialoGPT.",
     examples=[
         "Oi, quem é você?",
-        "O que é Inteligência Artificial?",
-        "Me dá uma dica para estudar programação?",
         "Como posso aprender sobre segurança da informação?",
+        "Me dá uma dica de programação",
     ],
-    cache_examples=False,   # evita execução automática na inicialização
 )
 
 if __name__ == "__main__":