Update app.py

app.py

@@ -1,57 +1,107 @@
-from fastapi import FastAPI
-import gradio as gr
-from core.agent import generate_response
-
+#!/usr/bin/env python3
 import os
 import requests
+import gradio as gr
+from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline
 
+# ==========================================================
+# 1️⃣ Проверка токена Hugging Face API
+# ==========================================================
 def check_hf_token():
     token = os.getenv("HF_TOKEN")
     if not token:
         print("❌ HF_TOKEN не найден. Добавь его в Secrets.")
-        return "❌ Токен не найден"
+        return "❌ HF_TOKEN не найден (добавь в Settings → Secrets)"
 
     headers = {"Authorization": f"Bearer {token}"}
     try:
         response = requests.get("https://huggingface.co/api/whoami-v2", headers=headers, timeout=10)
         if response.status_code == 200:
             user = response.json().get("name", "неизвестный пользователь")
-            print(f"✅ Hugging Face API доступен. Авторизован как: {user}")
-            return f"✅ API доступен ({user})"
+            print(f"✅ Подключено к Hugging Face API. Авторизован как: {user}")
+            return f"✅ Подключено к Hugging Face API — {user}"
         else:
             print(f"⚠️ Токен отклонён. Код {response.status_code}")
             return f"⚠️ Ошибка токена ({response.status_code})"
     except Exception as e:
         print(f"❌ Ошибка подключения к Hugging Face API: {e}")
-        return f"❌ Ошибка: {e}"
+        return f"❌ Ошибка подключения: {e}"
 
-# выполнить проверку при запуске приложения
 status_message = check_hf_token()
 
-app = FastAPI(title="Eroha AgentAPI v3.1 (Guru Edition)")
+# ==========================================================
+# 2️⃣ Авто-подбор оптимальной модели (умный выбор)
+# ==========================================================
+def auto_select_model(prompt: str) -> str:
+    """Определяет лучшую бесплатную модель HF под задачу"""
+    prompt_lower = prompt.lower()
+
+    # Логика выбора модели
+    if any(x in prompt_lower for x in ["квант", "физик", "теория", "расчёт", "анализ"]):
+        return "mistralai/Mistral-7B-Instruct-v0.3"
+    elif any(x in prompt_lower for x in ["программ", "код", "python", "js", "ошибка", "debug"]):
+        return "bigcode/starcoder2-3b"
+    elif any(x in prompt_lower for x in ["переведи", "английский", "translate", "перевод"]):
+        return "facebook/nllb-200-distilled-600M"
+    elif any(x in prompt_lower for x in ["психолог", "мотивация", "совет", "эмоции", "отношения"]):
+        return "meta-llama/Llama-3.2-1B-Instruct"
+    else:
+        return "microsoft/Phi-3.5-mini-instruct"  # базовая «гуру» модель
+
+# ==========================================================
+# 3️⃣ Генерация ответа от выбранной модели
+# ==========================================================
+def generate_response(user_input: str):
+    if not user_input.strip():
+        return "⚠️ Введите запрос"
+
+    # Автоматически выбираем подходящую модель
+    model_name = auto_select_model(user_input)
+    print(f"🔍 Выбрана модель: {model_name}")
+
+    token = os.getenv("HF_TOKEN")
+    headers = {"Authorization": f"Bearer {token}"}
 
-def chat_interface(user_input):
-    return generate_response(user_input)
+    # Используем Inference API Hugging Face
+    api_url = f"https://api-inference.huggingface.co/models/{model_name}"
+
+    payload = {"inputs": user_input, "parameters": {"max_new_tokens": 300, "temperature": 0.7}}
+    try:
+        response = requests.post(api_url, headers=headers, json=payload, timeout=60)
+        if response.status_code == 200:
+            data = response.json()
+            if isinstance(data, list) and len(data) > 0 and "generated_text" in data[0]:
+                output = data[0]["generated_text"]
+            else:
+                output = str(data)
+            return f"🤖 Модель: {model_name}\n\n{output}"
+        else:
+            return f"⚠️ Ошибка API ({response.status_code}): {response.text}"
+    except Exception as e:
+        return f"❌ Ошибка при обращении к модели: {e}"
 
-iface = gr.Interface(
-    fn=chat_interface,
-    inputs=gr.Textbox(lines=3, placeholder="Введите запрос..."),
-    outputs="text",
-    title="🤖 Eroha AgentAPI v3.1 — Guru Edition",
-    description="Умный агент на базе Hugging Face Inference API"
-)
+# ==========================================================
+# 4️⃣ Интерфейс Gradio
+# ==========================================================
+with gr.Blocks(title="Eroha AgentAPI v3.1 — Guru Edition") as demo:
+    gr.Markdown(
+        f"<div style='background-color:#e8f5e9;padding:10px;border-radius:6px;border:1px solid #4caf50;"
+        f"color:#2e7d32;font-size:16px;margin-bottom:10px;'>{status_message}</div>"
+    )
+    gr.Markdown("### 🤖 Умный агент на базе Hugging Face Inference API")
 
-@app.get("/health")
-def health():
-    return {"status": "ok"}
+    with gr.Row():
+        user_input = gr.Textbox(
+            label="Введите запрос", placeholder="Например: Объясни, как работает квантовая суперпозиция"
+        )
+        output = gr.Textbox(label="Ответ", placeholder="Здесь появится ответ")
 
-@app.get("/")
-def index():
-    return {"message": "Eroha AgentAPI v3.1 — running!"}
+    submit_btn = gr.Button("Отправить 🚀")
 
-@app.get("/generate")
-def generate(q: str):
-    return {"result": generate_response(q)}
+    submit_btn.click(fn=generate_response, inputs=user_input, outputs=output)
 
+# ==========================================================
+# 5️⃣ Запуск
+# ==========================================================
 if __name__ == "__main__":
-    iface.launch(server_name="0.0.0.0", server_port=7860)
+    demo.launch(server_name="0.0.0.0", server_port=7860)