Update app.py

app.py

@@ -3,42 +3,29 @@ import os
 from datetime import datetime
 from reportlab.lib.pagesizes import A4
 from reportlab.pdfgen import canvas
-from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline
+from transformers import pipeline
 
-# Ambil token Hugging Face dari variabel lingkungan (rahasia)
-hf_token = os.getenv("HF_TOKEN")
-
-# Load tokenizer dan model
-tokenizer = AutoTokenizer.from_pretrained("mistralai/Mistral-7B-Instruct-v0.2", token=hf_token)
-
-# Gunakan pipeline untuk kemudahan
+# Load AI dari Hugging Face menggunakan model yang terbukti bekerja tanpa autentikasi
 ai_assistant = pipeline(
     "text-generation",
-    model="mistralai/Mistral-7B-Instruct-v0.2",
-    tokenizer=tokenizer,
-    device_map="auto",
-    token=hf_token
+    model="facebook/opt-350m",  # Model kecil yang tidak memerlukan autentikasi
+    device_map="auto"
 )
 
 def qc_ai_recommendation(job_type, notes):
-    # Menggunakan format chat template yang benar untuk Mistral
-    messages = [
-        {"role": "user", "content": f"Saya adalah Quality Control di proyek konstruksi. Jenis pekerjaan: {job_type}. Catatan hasil inspeksi: {notes}. Berikan saran teknis perbaikan atau tindak lanjut yang jelas."}
-    ]
-    
-    # Terapkan chat template
-    prompt = tokenizer.apply_chat_template(messages, return_tensors=None)
+    prompt = f"""
+    Saya adalah Quality Control di proyek konstruksi. Jenis pekerjaan: {job_type}. 
+    Catatan hasil inspeksi: {notes}.
+    Berikan saran teknis perbaikan atau tindak lanjut yang jelas.
+    Jawab:
+    """
     
-    # Generate respons
-    result = ai_assistant(prompt, max_new_tokens=200, do_sample=True, temperature=0.7)[0]['generated_text']
+    result = ai_assistant(prompt, max_length=250, do_sample=True, temperature=0.7)[0]['generated_text']
     
-    # Ekstrak respons (hanya bagian setelah prompt)
-    response = result[len(prompt):].strip()
+    # Ekstrak respons (setelah "Jawab:")
+    response_start = result.find("Jawab:") + len("Jawab:")
+    response = result[response_start:].strip()
     
-    # Hapus token akhir jika ada
-    if response.endswith("</s>"):
-        response = response[:-4].strip()
-        
     return response
 
 def generate_qc_report(project_name, location, job_type, quality_status, notes):
@@ -86,9 +73,4 @@ with gr.Blocks() as app:
                  inputs=[project_name, location, job_type, quality_status, notes],
                  outputs=[ai_output, output_pdf])
 
-# Periksa jika token tersedia
-if not hf_token:
-    print("⚠️ Perhatian: Token Hugging Face tidak ditemukan. Aplikasi mungkin tidak bisa mengakses model Mistral-7B-Instruct-v0.2.")
-    print("Silakan tambahkan token di Settings Space Anda dengan nama 'HF_TOKEN'")
-
 app.launch()