Switch to llama-cpp-python and fix build

Dockerfile

@@ -1,13 +1,36 @@
 FROM python:3.10-slim
+
 WORKDIR /app
-RUN apt-get update && apt-get install -y build-essential cmake git curl libopenblas-dev && rm -rf /var/lib/apt/lists/*
-RUN git clone https://github.com/ggml-org/llama.cpp.git .
-RUN make LLAMA_OPENBLAS=1 llama-server
+
+# تثبيت الحزم الأساسية وأدوات البناء
+RUN apt-get update && apt-get install -y \
+    build-essential \
+    cmake \
+    git \
+    curl \
+    libopenblas-dev \
+    && rm -rf /var/lib/apt/lists/*
+
+# تثبيت مكتبة llama-cpp-python مع دعم OpenBLAS
+# (استخدام عجلة جاهزة لتسريع البناء)
+RUN pip install --no-cache-dir \
+    https://huggingface.co/Luigi/llama-cpp-python-wheels-hf-spaces-free-cpu/resolve/main/llama_cpp_python-0.3.22-cp310-cp310-linux_x86_64.whl
+
+# تنزيل ملفات النموذج
 RUN curl -L -o gemma-4-e4b.gguf https://huggingface.co/unsloth/gemma-4-E4B-it-GGUF/resolve/main/gemma-4-E4B-it-UD-Q5_K_XL.gguf
 RUN curl -L -o mmproj.gguf https://huggingface.co/unsloth/gemma-4-E4B-it-GGUF/resolve/main/mmproj-BF16.gguf
+
+# نسخ متطلبات بايثون وتثبيتها
 COPY requirements.txt .
 RUN pip install --no-cache-dir -r requirements.txt
+
+# نسخ تطبيق FastAPI
 COPY app.py .
+
+# فتح المنافذ المطلوبة
 EXPOSE 7860
 EXPOSE 8080
-CMD ./llama-server -m gemma-4-e4b.gguf --mmproj mmproj.gguf --port 8080 --host 127.0.0.1 -c 8192 --cache-ram 2048 -ctxcp 2 --threads 2 & uvicorn app:app --host 0.0.0.0 --port 7860
+
+# تشغيل الخدمة: llama-server ثم uvicorn
+CMD python -c "import llama_cpp.server; llama_cpp.server.main()" --model gemma-4-e4b.gguf --mmproj mmproj.gguf --port 8080 --host 127.0.0.1 --n_ctx 8192 --cache_ram 2048 --n_threads 2 & \
+    uvicorn app:app --host 0.0.0.0 --port 7860