Update Dockerfile

Dockerfile

@@ -1,31 +1,32 @@
 FROM python:3.10-slim
 
-# 1. Системные зависимости для сборки и работы OpenBLAS (ускорение CPU)
+# 1. Устанавливаем только необходимые системные либы
 RUN apt-get update && apt-get install -y \
-    build-essential \
-    gcc \
-    g++ \
     libopenblas-dev \
+    curl \
     && rm -rf /var/lib/apt/lists/*
 
 WORKDIR /app
 
-# 2. Ставим базовые пакеты под root
-RUN pip install --no-cache-dir fastapi uvicorn huggingface_hub pydantic
+# 2. Устанавливаем зависимости
+# Используем стабильную версию и официальный индекс для CPU
+RUN pip install --no-cache-dir \
+    fastapi \
+    uvicorn \
+    huggingface_hub \
+    pydantic \
+    llama-cpp-python==0.2.90
 
-# 3. Ставим llama-cpp-python (готовый бинарник для CPU)
-RUN pip install llama-cpp-python==0.2.90 \
-    --extra-index-url https://abetlen.github.io/llama-cpp-python/whl/cpu
-
-# 4. Создаем пользователя и копируем код
+# 3. Настройка пользователя (требование Hugging Face)
 RUN useradd -m -u 1000 user
-COPY --chown=user app.py .
-
-# Переключаемся на пользователя
 USER user
-ENV PATH="/home/user/.local/bin:$PATH"
+ENV HOME=/home/user \
+    PATH=/home/user/.local/bin:$PATH
 
-# Порт для Hugging Face Spaces
-EXPOSE 7860
+# 4. Копируем твой app.py
+COPY --chown=user app.py .
 
-CMD ["uvicorn", "app:app", "--host", "0.0.0.0", "--port", "7860"]
+# 5. Скрипт запуска: сначала качаем модель, потом запускаем сервер
+# Мы скачиваем версию Q4_K_M (золотая середина веса и качества)
+CMD python -c "from huggingface_hub import hf_hub_download; hf_hub_download(repo_id='bartowski/Llama-3.2-3B-Instruct-GGUF', filename='Llama-3.2-3B-Instruct-Q4_K_M.gguf', local_dir='./')" && \
+    uvicorn app:app --host 0.0.0.0 --port 7860