Aggiorna l'importazione del modello per utilizzare TransformersModel e rimuove la classe SimpleLocalModel

app.py

@@ -20,7 +20,7 @@ import pandas as pd
 # - Fallback multipli: locale -> remoto -> fisso
 # =============================================================================
 
-from smolagents import CodeAgent, InferenceClientModel, VisitWebpageTool, PythonInterpreterTool, WebSearchTool, WikipediaSearchTool, FinalAnswerTool, Tool, tool
+from smolagents import CodeAgent, TransformersModel, InferenceClientModel, VisitWebpageTool, PythonInterpreterTool, WebSearchTool, WikipediaSearchTool, FinalAnswerTool, Tool, tool
 # Importazioni per modelli locali (SOLUZIONE per errore "generate"):
 from transformers import pipeline, AutoModelForCausalLM, AutoTokenizer
 from litellm import LiteLLM
@@ -42,123 +42,13 @@ def invert_sentence(sentence: str) -> str:
 	"""
 	return sentence[::-1]
 
-# Wrapper semplificato per modelli locali
-# NUOVO APPROCCIO: Questa classe risolve il problema dell'errore "generate" 
-# creando un'interfaccia compatibile tra Transformers pipeline e smolagents
-class SimpleLocalModel:
-	"""Wrapper semplice per modelli Transformers locali."""
-	
-	def __init__(self, model_name="gpt2"):
-		self.model_name = model_name
-		self.pipeline = None
-		self._load_model()
-	
-	def _load_model(self):
-		"""Carica il modello locale."""
-		try:
-			print(f"Caricamento modello locale: {self.model_name}")
-			self.pipeline = pipeline(
-				"text-generation",
-				model=self.model_name,
-				# device=-1,  # Usa CPU
-				return_full_text=False  # Restituisce solo il testo generato
-			)
-			print(f"✅ Modello {self.model_name} caricato")
-		except Exception as e:
-			print(f"❌ Errore caricamento modello: {e}")
-			raise
-	
-	def __call__(self, messages, **kwargs):
-		"""Genera risposta compatibile con smolagents."""
-		try:
-			# Estrai il prompt
-			if isinstance(messages, list) and messages:
-				prompt = messages[-1].get("content", "") if isinstance(messages[-1], dict) else str(messages[-1])
-			else:
-				prompt = str(messages)
-			
-			if not prompt.strip():
-				return "Mi dispiace, non ho ricevuto una domanda."
-			
-			# Genera risposta
-			result = self.pipeline(prompt, max_new_tokens=100, do_sample=True, temperature=0.7)
-			
-			if result and len(result) > 0:
-				answer = result[0].get("generated_text", "").strip()
-				return answer if answer else "Non sono riuscito a generare una risposta."
-			else:
-				return "Errore nella generazione della risposta."
-				
-		except Exception as e:
-			print(f"Errore generazione: {e}")
-			return f"Errore: {str(e)}"
-
 # --- First Agent Definition ---
 # ----- THIS IS WERE YOU CAN BUILD WHAT YOU WANT ------
 class FirstAgent:
 	### First Agent is the first attempt to develop an agent for the course. ###
 	def __init__(self):
-		# CODICE ORIGINALE COMMENTATO (che causava l'errore "generate"):
-		# # Usa un modello Hugging Face gratuito
-		# token = os.getenv(os.getenv("TOKEN_NAME"))
-		# os.environ["HF_TOKEN"] = token
-		# model = InferenceClientModel(
-		#	 token=token
-		# )
-
-		# CODICE ORIGINALE COMMENTATO (approccio con pipeline non compatibile):
-		# # Configurazione con fallback multipli
-		# model = None
-		# # Try 1: Modello locale via Transformers
-		# try:
-		#	model_id = "microsoft/Phi-4-mini-reasoning"
-		#	tokenizer = AutoTokenizer.from_pretrained(model_id)
-		#	model = AutoModelForCausalLM.from_pretrained(model_id) # ~500MB
-		#	model = pipeline(
-		#		task="text-generation",
-		#		tokenizer=tokenizer,
-		#		model=model
-		#	)
-		#	print(f"Using local {model_id} model")
-		# except Exception as e:
-		#	print(f"Local model failed: {e}")
-		#	# Try 2: Modello remoto gratuito
-		#	try:
-		#		model = LiteLLM(
-		#			model_id="groq/mixtral-8x7b-32768"  # Gratuito con registrazione
-		#		)
-		#		print("Using Groq remote model")
-		#	except Exception as ex:
-		#		print(f"Remote model failed: {ex}")
-		#		raise Exception("No working model configuration found")
-
-		# NUOVO CODICE FUNZIONANTE:
-		# Configurazione con fallback per modelli locali
-		model = None
-
-		# Try 1: Modello locale semplificato
-		try:
-			print("🔄 Tentativo 1: Modello locale GPT-2")
-			model = SimpleLocalModel("microsoft/Phi-4-mini-reasoning")
-			print("✅ Usando modello locale GPT-2")
-		except Exception as e:
-			print(f"❌ Modello locale fallito: {e}")
-
-			# Try 2: Modello remoto (se disponibile)
-			try:
-				print("🔄 Tentativo 2: Modello remoto Groq")
-				model = LiteLLM(model="groq/mixtral-8x7b-32768")
-				print("✅ Usando modello remoto Groq")
-			except Exception as ex:
-				print(f"❌ Modello remoto fallito: {ex}")
-				
-				# Try 3: Fallback finale - risposta fissa
-				class FallbackModel:
-					def __call__(self, messages, **kwargs):
-						return "Sono un agente semplificato. Il modello AI non è disponibile al momento."
-				
-				model = FallbackModel()
-				print("⚠️ Usando modello di fallback")
+		model_id = "HuggingFaceTB/SmolLM-135M-Instruct"
+		model = TransformersModel(model_id=model_id)
 		
 		# Inizializza l'agente
 		self.agent = CodeAgent(