Init

app.py

@@ -0,0 +1,191 @@
+# app.py
+import os
+import torch
+import gradio as gr
+import pandas as pd
+from datetime import datetime
+from transformers import AutoTokenizer, AutoModelForSequenceClassification
+
+APP_CSS = """
+/* Контейнер пошире под 2 колонки */
+#app-wrap {
+  max-width: 1100px;
+  margin: 0 auto !important;
+  padding: 0 16px;
+}
+#left-col, #right-col { gap: 12px; }
+"""
+
+MODEL_PATH = os.getenv("MODEL_ID", "mipatov/tech_support_intent_classifier")
+MAX_LEN = 512
+
+ID2LABEL = {
+    0: "0. Нет подключения",
+    1: "1. Низкая скорость",
+    2: "2. Смена пароля Wi‑Fi",
+    3: "3. Обрыв кабеля",
+    4: "4. Нестабильный интернет",
+    5: "5. Узнать пароль Wi‑Fi",
+    6: "6. Высокий пинг",
+    7: "7. Настройка роутера",
+    8: "8. Замена роутера",
+    9: "9. Вызов мастера",
+    10: "10. Другое",
+}
+LABEL2ID = {v: k for k, v in ID2LABEL.items()}
+
+EXAMPLE_TICKETS = [
+    'День добрый! Не подскажете как сменить пароль на роутере?',
+    'Мне необходимо восстановить логин и пароль в админку. Чтобы изменить имя и пароль WiFi',
+    'Здравствуйте, у нас собака перегрызла провод интернет и сломался роутер, как нам поступить какие есть варианты?',
+    'как оформить заявку на ремонт? не работает ни телефон .ни интернет',
+    'Добрый день. У меня на роутере время от времени мигает лампочка wi fi. Интернет не работает. В чем дело? Подскажите, пожалуйста',
+    'Не работает ни телевизор ни интернет, пишет ошибку. Проверьте оборудование пожалуйста',
+    'Здравствуйте низкая скорость и высокий пинг невозможно пользоваться поточными сервисами с этим можно что-то сделать?',
+    'Роутэр на новый можно поменять? Или он от старого не отличается',
+    'Нет инета'
+]
+
+# Загрузка модели
+tokenizer = AutoTokenizer.from_pretrained(MODEL_PATH)
+model = AutoModelForSequenceClassification.from_pretrained(MODEL_PATH)
+model.config.id2label = ID2LABEL
+model.config.label2id = LABEL2ID
+model.eval()
+
+labels = [model.config.id2label[i] for i in range(model.config.num_labels)]
+os.makedirs("logs", exist_ok=True)
+FEEDBACK_CSV = "logs/feedback.csv"
+
+BASE_DIR = os.path.dirname(os.path.abspath(__file__))
+IMAGES_DIR = os.path.join(BASE_DIR, "images")
+
+def svg_file_to_html(file_path: str) -> str:
+    """Читает SVG и заворачивает в адаптивный контейнер для gr.HTML."""
+    try:
+        with open(file_path, "r", encoding="utf-8") as f:
+            svg = f.read()
+        return f'''
+        <div style="display:flex;justify-content:center;">
+          <div style="max-width: 360px; width: 100%">{svg}</div>
+        </div>
+        '''
+    except Exception:
+        return ""
+
+BASE_SVG_HTML = svg_file_to_html(os.path.join(IMAGES_DIR, "base.svg"))
+
+def label_to_image_path(label: str):
+    if not label:
+        return None
+    idx = LABEL2ID.get(label)
+    if idx is None:
+        return None
+    path = os.path.join(IMAGES_DIR, f"{idx}.svg")
+    return path if os.path.exists(path) else None
+
+def label_to_image_html(label: str) -> str:
+    """Возвращает HTML со встроенным SVG (чтобы не зависеть от поддержки SVG в gr.Image)."""
+    path = label_to_image_path(label)
+    if not path:
+        return ""
+    try:
+        with open(path, "r", encoding="utf-8") as f:
+            svg = f.read()
+        # Оборачиваем для адаптивности
+        return f'''
+        <div style="display:flex;justify-content:center;">
+          <div style="max-width: 360px; width: 100%">{svg}</div>
+        </div>
+        '''
+    except Exception:
+        return ""
+
+def predict_with_probs(text: str):
+    if not text or not text.strip():
+        return "", {}
+    inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=MAX_LEN)
+    with torch.no_grad():
+        logits = model(**inputs).logits[0]
+        probs = torch.softmax(logits, dim=-1).tolist()
+    label_probs = {labels[i]: float(probs[i]) for i in range(len(labels))}
+    label_probs = {k: round(v, 4) for k, v in sorted(label_probs.items(), key=lambda x: x[1], reverse=True)}
+    top_label = next(iter(label_probs)) if label_probs else ""
+    return top_label, label_probs
+
+def save_feedback(text, pred_label, correct_label):
+    if not text or not text.strip():
+        return "Введите текст обращения."
+    final_label = correct_label if correct_label else pred_label
+    row = {
+        "timestamp": datetime.utcnow().isoformat(),
+        "text": text,
+        "pred_label": pred_label,
+        "correct_label": correct_label if correct_label else "",
+        "final_label": final_label,
+    }
+    df = pd.DataFrame([row])
+    header = not os.path.exists(FEEDBACK_CSV)
+    df.to_csv(FEEDBACK_CSV, mode="a", header=header, index=False, encoding="utf-8")
+    return "Фидбек сохранён ✅"
+
+def on_classify(t: str):
+    top_label, label_probs = predict_with_probs(t)
+    img_html = label_to_image_html(top_label)
+    correct_reset = gr.update(value=None)
+    caption_md = f"Предсказанный класс: <b>{top_label}</b>" if top_label else ""
+    caption_md = ""
+    # Возвращаем: HTML со svg, вероятности, сброс dropdown, скрытый textbox с меткой, подпись
+    return img_html, label_probs, correct_reset, top_label, caption_md
+
+with gr.Blocks(css=APP_CSS) as demo:
+    with gr.Column(elem_id="app-wrap"):
+        gr.Markdown("## Классификация обращений в техподдержку")
+
+        with gr.Row():
+            # Левая колонка
+            with gr.Column(scale=1, min_width=400, elem_id="left-col"):
+                text = gr.Textbox(label="Текст обращения", lines=6, placeholder="Вставь сюда текст тикета")
+                gr.Examples(
+                    examples=[[e] for e in EXAMPLE_TICKETS],
+                    inputs=[text],
+                    label="Примеры обращений",
+                    cache_examples=False,
+                    examples_per_page=3,
+                )
+                # btn = gr.Button("Классифицировать", variant="primary")
+
+            # Правая колонка
+            with gr.Column(scale=1, min_width=400, elem_id="right-col"):
+                pred_img = gr.HTML(label="Предсказанный класс", value=BASE_SVG_HTML)  # HTML со встроенным SVG
+                pred_caption = gr.Markdown()
+
+                probs = gr.Label(label="Вероятности по классам")
+                # correct = gr.Dropdown(choices=labels, label="Если неверно — выбери правильный класс")
+                # save = gr.Button("Сохранить фидбек")
+                # msg = gr.Markdown()
+
+                # Скрытая «переменная» без gr.State (во избежание бага с JSON Schema)
+                pred_label_hidden = gr.Textbox(visible=False, interactive=False)
+
+        # События
+        # btn.click(
+        #     on_classify,
+        #     inputs=text,
+        #     outputs=[pred_img, probs, correct, pred_label_hidden, pred_caption],
+        # )
+        text.change(
+            on_classify,
+            inputs=text,
+            outputs=[pred_img, probs, pred_label_hidden, pred_caption],
+        )
+
+        # save.click(
+        #     save_feedback,
+        #     inputs=[text, pred_label_hidden, correct],
+        #     outputs=msg,
+        # )
+
+if __name__ == "__main__":
+    gr.close_all()  # опционально
+    demo.queue().launch()

runtime.txt

@@ -0,0 +1 @@
+python-3.12