Update Dockerfile

Dockerfile

@@ -1,15 +1,27 @@
-# ১. llama.cpp এর অফিসিয়াল লাইট ইমেজ ব্যবহার করছি
-FROM ghcr.io/ggerganov/llama.cpp:server
+# ১. পাইথনসহ একটি লাইটওয়েট ইমেজ ব্যবহার করছি
+FROM python:3.10-slim
 
-# ২. মডেল রাখার ফোল্ডার
+# ২. সিস্টেমের প্রয়োজনীয় টুলস ইনস্টল করা
+RUN apt-get update && apt-get install -y \
+    build-essential \
+    wget \
+    git \
+    && rm -rf /var/lib/apt/lists/*
+
+# ৩. সরাসরি llama-cpp-python ইনস্টল করা (এটি সার্ভার হিসেবেও কাজ করে)
+RUN pip install --no-cache-dir "llama-cpp-python[server]"
+
+# ৪. মডেল রাখার ডিরেক্টরি তৈরি
 WORKDIR /app
 
-# ৩. আপনার GGUF মডেল ডাউনলোড (এখানে আমি একটি ৩বি মডেলের লিঙ্ক দিচ্ছি, আপনি আপনারটা দিয়ে চেঞ্জ করতে পারেন)
-# আমরা এখানে Qwen-2.5-3B ব্যবহার করছি যা শিক্ষক হিসেবে খুব ভালো এবং ফাস্ট
-RUN apt-get update && apt-get install -y wget
+# ৫. আপনার পছন্দের ৩বি মডেল ডাউনলোড (Qwen 2.5 3B)
 RUN wget https://huggingface.co/Qwen/Qwen2.5-3B-Instruct-GGUF/resolve/main/qwen2.5-3b-instruct-q4_k_m.gguf -O model.gguf
 
-# ৪. সার্ভার রান করার কনফিগারেশন
-# -t 4 (৪টি থ্রেড ব্যবহার করবে স্পিড বাড়ানোর জন্য)
-# -c 2048 (কনটেক্সট সাইজ)
-CMD ["./llama-server", "-m", "model.gguf", "--host", "0.0.0.0", "--port", "7860", "-t", "4", "-c", "2048"]
+# ৬. এনভায়রনমেন্ট ভেরিয়েবল সেট করা
+ENV HOST=0.0.0.0
+ENV PORT=7860
+
+# ৭. সার্ভার রান করা (OpenAI API ফরম্যাটে)
+# n_ctx: কনটেক্সট সাইজ
+# n_threads: ২ কোর প্রসেসরের জন্য ২ বা ৪ দেওয়া ভালো
+CMD ["python3", "-m", "llama_cpp.server", "--model", "model.gguf", "--host", "0.0.0.0", "--port", "7860", "--n_ctx", "2048", "--n_threads", "2"]